CN108805147A - 一种油套管井筒套损图像特征模式识别方法 - Google Patents
一种油套管井筒套损图像特征模式识别方法 Download PDFInfo
- Publication number
- CN108805147A CN108805147A CN201710288571.3A CN201710288571A CN108805147A CN 108805147 A CN108805147 A CN 108805147A CN 201710288571 A CN201710288571 A CN 201710288571A CN 108805147 A CN108805147 A CN 108805147A
- Authority
- CN
- China
- Prior art keywords
- data point
- image
- corrosion
- data
- dimensions
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000007797 corrosion Effects 0.000 claims abstract description 217
- 238000005260 corrosion Methods 0.000 claims abstract description 217
- 238000003384 imaging method Methods 0.000 claims description 39
- 239000000523 sample Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 14
- 125000004122 cyclic group Chemical group 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000003628 erosive effect Effects 0.000 abstract description 10
- 238000000605 extraction Methods 0.000 description 23
- 230000003902 lesion Effects 0.000 description 18
- 238000011156 evaluation Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 5
- 238000003909 pattern recognition Methods 0.000 description 5
- 230000005284 excitation Effects 0.000 description 4
- 230000004907 flux Effects 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010230 functional analysis Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000009738 saturating Methods 0.000 description 2
- 230000006735 deficit Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明的油套管井筒套损图像特征模式识别方法具备：（1）输入套损图像的步骤；（2）将套损图像从二维空间转换到三维空间，根据三维空间中数据点的数据阈值将三维空间中数据点划分为有损伤腐蚀的数据点和非损伤腐蚀的数据点的步骤；（3）根据有损伤腐蚀的数据点的集合判断损伤腐蚀的类型的步骤。在本发明中将套损图像对应的二维图像变换到三维虚拟空间中的图像，在三维空间中将图像形成对应的数据集，通过图像中点子间距离阈值和点子数值阈值的约束，同时结合图像搜索允许最大垂直距离的限制，将数据集划分为表示不同腐蚀模式特征的子类型数据集，不同腐蚀模式特征对应不同的腐蚀形状，从而能够准确评判识别子类型数据集的腐蚀类型。
Description
技术领域
本发明涉及一种基于三维虚拟空间的油套管井筒套损图像特征模式识别方法，具体地涉及根据多臂井径成像测井仪器和磁壁厚测井仪器资料形成的表征油套管内壁损伤腐蚀的图像和表征油套管剩余壁厚的图像，结合虚拟的三维空间数据集中点子间距离测度阈值和点子数值阈值的约束来匹配几种腐蚀类型形状对应的标准特征模式，达到准确识别表征油套管内壁损伤腐蚀的图像和油套管剩余壁厚的图像中的环状腐蚀、线状腐蚀、片状腐蚀和斑点状腐蚀等的效果。
背景技术
多臂井径成像测井仪器和磁臂厚测井仪器是阵列型测井仪器，二者均属于套后生产测井范畴类的仪器，两种测井仪器主要用来测量套管井油套管的内径和壁厚，监测油套管井筒变化情况，包括油套管的损伤腐蚀、错断、变形、椭变、内壁结垢和穿孔等等。多臂井径成像测井仪器和磁臂厚测井仪器测井资料解释处理的主要作用是对油套管的内壁和壁厚做检测评价，给出油套管内径大小、剩余壁厚和寻找套管接箍位置等等，同时给出油套管的损伤腐蚀类型和程度，包括油套管内壁穿透率和壁厚剩余率对应的油套管环状腐蚀、线状腐蚀、片状腐蚀和斑点状腐蚀等等，在维护油井正常生产过程中具有重要作用。
多臂井径成像测井仪器通过采集的油套管内径数值的变化来表示井筒测点处的内径大小，在套管井管柱中还可以检测管柱的穿孔和内壁腐蚀、结垢等情况。多臂井径成像测井仪器有X-Y、8臂、12臂、18臂、20臂、24臂、28臂、36臂、40臂、60臂和80臂等多种规格，不同规格的仪器具有不同数量的测量臂探头，与多数阵列型测井仪器类似，多个测量臂探头均匀分布在同一个油套管井筒横截面的圆周上，可以获得井筒横截面圆周上不同数量的套管内径，各相邻测量臂探头之间的夹角相同，保证能够采集360度范围内的油套管内径，达到全井眼测量的目的。
多臂井径成像测井仪器主要由电子线路、电动马达和多个测量探头等几部分组成。一般测量臂要经过特殊处理，目的是增加测量臂的耐磨性，增加仪器探头的使用寿命，同时能够使仪器在油套管井下高温高压环境下正常工作，而不影响其稳定性，保证其测量精度。测井时几部分协同工作，电动马达负责动力传输，一旦油套管内径发生变化，张开的多个测量臂随着油套管内径的大小的变化而发生位置的变化，测量臂探头线路部分将油套管的内径变化量传递到激励臂上，电动马达推动激励臂移动，激励臂处在由仪器本身提供的磁场中，能够使激励臂的移动切割磁感应线圈，由物理学电磁感应知识可知，切割磁感应线圈将产生随管柱内径变化的感生电动势。仪器通过采集软件的刻度，将感生电动势的大小转化为油套管内半径，并记录输出，从而实现油套管内径的测量。
多臂井径成像测井仪器测得多条内径曲线，这些井径曲线的变化可直接反映油套管内壁的变化情况，可用于油套管内壁损伤腐蚀的检测、判断油套管的错断、椭变和变形等等，通过图像识别技术可以划分出不同类型形状的损伤腐蚀等等。在资料解释处理过程中，将多臂井径成像测井仪器多条内径曲线经过计算得到油套管损伤腐蚀的信息量的定量化表示量。
磁壁厚测井仪器主要包含两部分构件，一是电磁发射器，二是由多个镶嵌在弹簧圈上的由感应线圈组成的电磁信号接收器。磁壁厚测井仪器的电磁发射器位于仪器中央，负责电磁信号的发射，多个镶嵌在弹簧圈上的由感应线圈组成的电磁信号接收器位于多个弓形弹簧上，负责电磁信号的接收工作，接收器线圈接收到的电磁信号主要有相位差、磁信号传输时间和磁通量等等，这些信号经过处理用来生成油套管壁厚等等。测井时电磁发射器和信号接收器两部分在地面控制系统的统一协调下工作，发射器激发电磁信号的发射，一段时间后信号接收器接收时窗开启，开始接收由发射器发射的磁信号。发射器激发电磁信号产生磁性封闭区域，磁信号穿透油套管管壁，然后在地层内垂直向上传播，传播经过一段距离后，磁信号将再次穿透油套管壁，到达接收器。与多臂井径成像测井仪器测量臂排列规律类似，磁壁厚测井仪器多个信号接收器均匀排列在同一平面的圆周上，各相邻信号接收器之间的夹角相同，保证能够采集360度范围内的油套管壁厚，达到全井眼测量的目的。油套管横截面圆周上多个信号接收器测量值经过圆弧插值算法处理，可以实现圆周上360度范围内测量值的计算，达到增加测量值油套管壁厚信息量的目的。磁信号从发射器到接收器所用时间由发射器发出的磁信号特性和管壁厚度等因素决定，在其他物理因素一定的情况下，磁信号从发射器到接收器所用时间以及接收器接收到的磁信号的振幅和磁通量等物理量主要取决于油套管管柱壁厚，壁厚越厚，所用时间越长，接收器接收到的振幅和磁通量就越小，反之所用时间就越长，接收器接收到的振幅和磁通量就越大。解释处理软件油套管壁厚计算算法通过对磁信号相位差的处理可以得到多个方向上的油套管管柱壁厚度，可以达到对油套管壁多维度的测量。通过解释处理软件算法特别是图像识别处理，可以获得油套管壁的剩余壁厚、金属损失率、穿孔、环状腐蚀、线状腐蚀、片状腐蚀和斑点状腐蚀等等损伤腐蚀特征。
多臂井径成像测井仪器能够测量油套管内径大小，对油套管内径大小的微小变化较敏感，井径测量分辨率较高。磁壁厚测井仪器能够测量井下管柱壁厚，对油套管壁厚的变化较敏感，能够准确测量井下油套管柱的剩余壁厚，其壁厚测量分辨率较高。多臂井径成像测井仪器和磁壁厚测井仪器测井资料处理结果需要提供对井下油套管内壁或者壁厚的评价，二者主要用途可以分为：
（1）油、套管内壁腐蚀的评价；
（2）油、套管内壁磨损的分析；
（3）油、套管变形的分析；
（4）定量评价油、套管的损伤情况；
（5）确定油、套管穿孔、裂口、断裂位置；
（6）射孔孔眼的标定；
（7）油套管内壁或者壁厚的环状腐蚀、线状腐蚀、片状腐蚀和斑点状腐蚀识别定位。
国内同行在多臂井径成像测井仪器和磁壁厚测井仪器测井资料解释处理过程中，在对油套管内壁井径穿透率二维图像和壁厚剩余率二维图像评价时，往往不对损伤腐蚀形状做进一步区分，代之以腐蚀说明，也不对各种损伤腐蚀形状做损伤腐蚀程度的判断。国外同行在对油套管内壁井径穿透率二维图像和壁厚剩余率二维图像评价时，对不同损伤腐蚀类型形状做进一步区分，并对不同类型形状的损伤腐蚀程度进行判断，但是由于其并未公开所利用的技术，因此就无从参考改进。本发明对油套管内径穿透率图像和油套管壁厚剩余率图像的环状腐蚀、线状腐蚀、片状腐蚀和斑点状腐蚀做了阐述，并从图像识别技术方面入手，对这几种腐蚀类型的形状做了标准特征模式的提取，结合概率论与数理统计中集合的概念和实变函数与泛函分析中测度理论以及模式识别理论中模式构建与类型评判等知识，采用虚拟的三维空间数据集中点子间距离测度阈值和点子数值阈值的约束来匹配几种腐蚀类型形状对应的标准特征模式，通过图像识别技术，达到了很好的从油套管内径穿透率二维图像和油套管壁厚剩余率二维图像上识别几种损伤腐蚀类型形状的目的，填补了国内在这方面技术上的空白。
发明内容
本发明的目的在于提供一种基于三维虚拟空间的油套管井筒套损图像特征模式识别方法。本发明结合概率论与数理统计中集合的概念和实变函数与泛函分析中测度理论以及模式识别理论中模式构建与类型评判等知识，对传统的图像轮廓跟踪与提取理论做了优化改进，优化改进后的套损图像识别理论基于虚拟的三维空间数据集中点子间距离测度阈值和点子数值阈值的约束来匹配几种腐蚀类型形状对应的标准特征模式，达到了准确评判识别套损图像中环状腐蚀、线状腐蚀、片状腐蚀和斑点状腐蚀形状的目的，打破了国外在测井领域该方面的技术封锁与垄断，实现了套损评价图像识别更深层次的测井资料解释处理技术。
本发明提供一种油套管井筒套损图像特征模式识别方法，其特征在于，具备：
（1）输入套损图像的步骤；
（2）将所述套损图像从二维空间转换到三维空间，根据三维空间中数据点的数据阈值将三维空间中数据点划分为有损伤腐蚀的数据点和非损伤腐蚀的数据点的步骤；
（3）根据有损伤腐蚀的数据点的集合判断损伤腐蚀的类型的步骤。
此外，在本发明的油套管井筒套损图像特征模式识别方法中，
在所述步骤（2）中，设作为二维图像的所述套损图像对应的数据集合为式（1）所示的A，
(1)，
其中，n为测井仪器的测量臂个数，k为所述套损图像的数据点数，xi表示当前深度采样点的深度，yij表示当前深度采样点上多个测量臂对应的测量值，
记当前二维图像的开始深度处第一个测量臂对应的数据点位置为三维空间中的原点，二维空间中深度维转换为三维空间中的y坐标轴，二维空间中的测量臂位置转换为三维空间中的x坐标轴，数据点的数值转换为三维空间中数据点的z坐标轴，
记转换后的三维空间中所述套损图像的数据点pi（x,y,z）为如下的式（2），
(2)，
其中，x、y、z分别表示数据点pi的x坐标、y坐标和z坐标，N为图像的数据点个数，
在三维空间中，当前图像对应的数据集为式（6）所示的集合B，
(6)，
其中，pi为数据集中的数据点，x、y、z为数据点pi在三维空间中的位置，k为当前图像的数据点数目，
将预先给定的趋势面在三维空间中z坐标轴上的投影设为z'，当式（6）所示的集合B中的数据点pi的z坐标的值大于等于z'时，判断为油套管井筒被腐蚀。
此外，在本发明的油套管井筒套损图像特征模式识别方法中，
在判断损伤腐蚀的类型的所述步骤（3）中，定义整幅图像对应的数据集为式（8）所示的集合B，
(8)，
其中，是整幅图像的数据点，
设根据所述z'被判断为腐蚀的数据点的集合为式（9）所示的，
(9)，
其中，是被判断为腐蚀的数据点，x、y、z为数据点在三维空间中的位置，
设当前损伤腐蚀类型轮廓对应的特征模式集合为式（10）所示的C，
(10)，
设整幅图像已搜索过的被判断为腐蚀的数据点的集合为式（11）所示的D，
(11)，
设三维空间x-y平面内的距离测度为式（12）所示的m*E，
(12)，
其中，p1和p2表示三维空间中的两个数据点，x1、x2、y1、y2为p1和p2在三维空间中x坐标轴和y坐标轴上的投影，
在所述步骤（3）中包括如下的步骤（3-1）～（3-6）：
在步骤（3-1）中，取集合中的第一个数据点，将加入到当前轮廓对应的集合中，从第一个数据点开始顺序扫描式（8）所示的集合B，在扫描过程中按照上述的式（12）计算式（8）所示的集合B中的每一个数据点与第一个数据点之间的距离测度，当满足如下的式（13）所示的条件时，将扫描到的数据点加入到当前轮廓数据集C中，同时将扫描到的数据点加入到当前图像已搜索过的数据点集合，
(13)，
其中，m*E为两个数据点之间的距离测度，maxD为定义的能够归为同一类损伤腐蚀类型形状对应的特征模式中的数据点之间的最大允许距离，
当扫描式（8）所示的集合B的过程中，扫描的数据点对应的油套管内壁横截面所在测点的第一个探头与开始数据点对应的油套管内壁横截面所在测点的第一个探头之间的垂直距离大于给定的最大垂直距离时，停止当前B的扫描；
在步骤（3-2）中，顺序选取集合C中的数据点，每次取到一个数据点，均扫描式（8）所示的集合B，在扫描过程中判断当前扫描到的数据点是否存在于集合C和集合D中，如果集合C或者集合D中存在当前扫描的集合B的数据点，则跳过集合B的当前扫描到的数据点，进行下一个数据点的扫描，如果当前数据点不在集合C和集合D中并且满上述的式（13）的条件，则将当前扫描的数据点加入集合C中，直至集合B扫描的数据点对应的油套管内壁横截面所在测点的第一个探头与开始数据点对应的油套管内壁横截面所在测点的第一个探头之间的垂直距离大于给定的最大垂直距离时，停止当前的扫描；
在步骤（3-3）中，重复执行上述的步骤（3-2），直至集合C中的数据点选取完毕为止；
在步骤（3-4）中，对当前轮廓数据集C对应的当前损伤腐蚀特征模式与预订定义的标准损伤腐蚀特征模式进行对比，如果符合某一种损伤腐蚀特征模式，则将当前轮廓数据集C判别为该种损伤腐蚀；
在步骤（3-5）中，顺序选取集合中的第二个至第k个数据点，k为集合中的数据点的数目，在当前数据点扫描过程中，如果当前数据点不在集合D中，则将当前扫描到的数据点加入轮廓数据集C中，重复步骤（3-2）～（3-4）；
在步骤（3-6）中，重复步骤（3-5），直至集合C中的数据点选取完毕为止。
此外，在本发明的油套管井筒套损图像特征模式识别方法中，
在步骤（3-4）中，选取轮廓数据集C中所有数据点在三维空间中对应的x坐标轴投影的x最小值、x最大值、y坐标轴投影的y最小值和y最大值，分别记为Xmin、Xmax、Ymin、Ymax，求取轴向最大距离AXD和径向最大距离RAD，其中，AXD＝Xmax－Xmin，RAD＝Ymax－Ymin，将AXD和RXD与预先定义的标准损伤腐蚀特征模式进行对比，从而判断数据集C属于何种损伤腐蚀。
此外，在本发明的油套管井筒套损图像特征模式识别方法中，
预先定义的标准损伤腐蚀特征模式包括：径向大于N1倍套管周长且轴向小于M1倍油管内径的环状腐蚀；径向小于N2倍套管周长且轴向大于M2倍油管内径的线状腐蚀；径向大于N3倍套管周长且轴向大于M3倍油管内径的片状腐蚀；以及径向小于N4倍套管周长且轴向小于M4倍油管内径的斑点状腐蚀，其中，N1、N2、N3、N4、M1、M2、M3、M4是大于零的常数。
此外，在本发明的油套管井筒套损图像特征模式识别方法中，
在所述标准损伤腐蚀特征模式中，N1=0.5且M1=2，N2=0.3且M2=4，N3=0.3且M3=2，N4=0.3且M4=4。
此外，在本发明的油套管井筒套损图像特征模式识别方法中，
所述套损图像是多臂井径成像测井仪器油套管内径穿透率图像。
此外，在本发明的油套管井筒套损图像特征模式识别方法中，
所述套损图像是磁壁厚测井仪器油套管壁厚剩余率图像。
如上所述那样，本发明提供多臂井径成像测井仪器和磁壁厚测井仪器测井数据油套管内径穿透率图像和壁厚剩余率图像的环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀等的图像特征模式识别方法。利用多臂井径成像测井仪器和磁壁厚测井仪器测量获得的油套管内径穿透率图像和壁厚剩余率图像，将二维图像变换到三维虚拟空间中，将三维空间中图像数据点形成图像对应的数据集，在三维虚拟空间中通过数据集中点子间距离测度阈值和点子数值阈值的约束，将数据集划分为表示不同腐蚀模式特征的子类型数据集，不同腐蚀模式特征对应不同的腐蚀形状，通过对不同腐蚀特征模式和标准腐蚀特征模式的匹配对比，达到准确评判识别子类型数据集的腐蚀类型。
本发明提供的多臂井径成像测井仪器和磁壁厚测井仪器测井数据油套管内径穿透率图像和壁厚剩余率图像的环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀等的图像特征模式识别方法，同样适用于其他类型图像的特征模式识别。对多臂井径成像测井仪器和磁壁厚测井仪器测井数据油套管内径穿透率图像和壁厚剩余率图像的环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀做了阐述，并从图像识别理论角度入手，结合多臂井径成像测井仪器和磁壁厚测井仪器测井资料的解释处理要求，对这几种套损评价中的损伤腐蚀类型的形状做了特征模式的提取。将标准特征模式作为匹配目的对象，对油套管内径穿透率图像和壁厚剩余率图像从二维空间中转换到三维空间中，接着在传统的数字图像处理的轮廓跟踪与提取的基础上对传统轮廓跟踪与提取理论方法做进一步优化改进。不同于传统的轮廓跟踪与提取理论方法，优化改进后的油套管内径穿透率图像和壁厚剩余率图像轮廓跟踪与提取理论方法更加适用于油套管的套损评价工作。通过实际油套管内径穿透率图像和壁厚剩余率图像中的环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀等形状的识别结果表明，本发明能够从油套管内径穿透率图像和壁厚剩余率图像中准确定位识别出图像中存在的环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀等形状，达到了较好的效果。
附图说明
图1 是说明本发明的多臂井径成像测井仪器和磁壁厚测井仪器油套管内径穿透率图像和壁厚剩余率图像的环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀等的图像识别方法的流程图。
图2 是表示油套管内径穿透率图像损伤腐蚀类型形状识别结果的一个例子的图。
图3是表示油套管壁厚剩余率图像损伤腐蚀类型形状识别结果的一个例子的图。
图4是表示油套管内径穿透率图像环状腐蚀识别结果的一个例子的图。
图5是表示油套管内径穿透率图像片状腐蚀识别结果的一个例子的图。
图6是表示油套管内径穿透率图像斑点状腐蚀识别结果的一个例子的图。
图7是表示油套管壁厚剩余率图像环状腐蚀识别结果的一个例子的图。
图8是表示油套管壁厚剩余率图像片状腐蚀识别结果的一个例子的图。
图9是表示油套管壁厚剩余率图像斑点状腐蚀识别结果的一个例子的图。
图10表示使用本发明的方法对某井多臂井径成像测井仪器油套管内径穿透率图像进行损伤腐蚀特征模式识别的结果图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细说明。
图1是说明本发明的多臂井径成像测井仪器和磁壁厚测井仪器油套管内径穿透率图像和壁厚剩余率图像的环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀等的图像识别方法的流程图。首先是确定加载测井的数据类型，数据类型共分为两种，即，多臂井径成像测井仪器油套管内径穿透率图像和磁壁厚测井仪器油套管壁厚剩余率图像。
首先是多臂井径成像测井仪器油套管内径穿透率图像类型的图像损伤腐蚀特征模式形状识别，此时，需要从多臂井径成像测井仪器油套管内径穿透率图像中识别出环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀等。图像轮廓跟踪与提取的目的是为了获得图像的外部轮廓特征，为图像的特征模式匹配和形状分析作准备。在多臂井径成像测井仪器和磁壁厚测井仪器的油套管内径穿透率图像和壁厚剩余率图像中，根据测井套损评价的目的，轮廓跟踪与提取主要是为了获得套管内壁或者壁厚的环状腐蚀、线状腐蚀、片状腐蚀和斑点状腐蚀的特征，进而为后续这些损伤腐蚀图像识别特征模式与标准特征模式的匹配对比以及识别这些损伤腐蚀的形状作准备。在识别油套管内径穿透率图像和壁厚剩余率图像中的环状腐蚀、线状腐蚀、片状腐蚀和斑点状腐蚀目标时，需要对这些目标的边缘做跟踪处理，腐蚀类型形状的轮廓跟踪就是通过顺序找出边缘点来跟踪腐蚀形状的边界，将所有符合条件的损伤腐蚀点归集到该类轮廓中。在判断形状的边界时，在本发明中通过三维空间中点子的数值阈值实现，即，在三维空间中按照点子值域中数值的大小将数据点分为两类，一类符合轮廓跟踪与提取的条件，另一类则不符合条件。
传统的数字图像处理领域中常用的轮廓跟踪在判断某一象素点（这里是油套管内径图像或者壁厚图像的内径穿透率和剩余壁厚率）属于某一类形状时，需要限定象素点之间必须是无缝的，即，能够归为同一类形状轮廓中的两个象素点之间必须是紧邻的。在多臂井径成像测井仪器和磁壁厚测井仪器的套损评价中，这一限制显然是不合理的。在本发明中，发明人在传统的轮廓跟踪与提取原理的基础上，根据多臂井径成像测井仪器和磁壁厚测井仪器的套损评价的实际情况，创建了一种新的轮廓跟踪与提取理论方法。新的轮廓跟踪与提取理论方法加入了能够归为同一类形状内的点子之间允许的距离最大值，凡是在当前轮廓形状最大点子间距离之内的外部点子，都将归为该类轮廓形状，这样处理更符合实际解释工作对油套管损伤腐蚀的定义。
其次是磁壁厚测井仪器油套管壁厚剩余率图像类型的图像损伤腐蚀特征模式形状识别，同多臂井径成像测井仪器油套管内径穿透率图像类型的图像损伤腐蚀特征模式形状识别一样，需要从磁壁厚测井仪器油套管壁厚剩余率图像类型的图像中识别出环状损伤腐蚀、线状损伤腐蚀、片状损伤腐蚀和斑点状损伤腐蚀等。在本发明中，对两种图像创建的图像识别技术理论过程基本一致，下面将以多臂井径成像测井仪器油套管内径穿透率图像为例，结合本发明的理论过程进行阐述。
在多臂井径成像测井仪器油套管内径穿透率图像中，假设内径穿透率二维图像对应的数据集如式（1）所示，
(1)，
其中，n为多臂井径成像测井仪器的测量臂个数，k为当前内径穿透率二维图像的数据点数，xi表示当前深度采样点的深度，yij表示当前深度采样点上多个测量臂对应的内径穿透率。
由于同一深度采样点上具有多个内径穿透率，同一采样点不同测量臂对应的内径穿透率在套管内壁圆周上的位置不同，为了将同一采样点套管内壁圆周上不同位置处的内径穿透率的位置信息考虑在内，同时为了给点子之间赋以距离长度的定义，在本发明中以当前深度第一个测量臂所在位置的井筒内壁为原点，以井筒内壁展开图为x-y平面建立虚拟的三维空间，将井径穿透率二维图像转换为虚拟的三维空间图像，将二维图像中点子转换为虚拟三维空间中的点子。记当前二维图像的开始深度处第一个测量臂对应的井径穿透率数据点位置为三维空间中的原点，二维空间中深度维转换为三维空间中的y坐标轴，二维空间中的测量臂位置转换为三维空间中的x坐标轴，数据点数值则转换为三维空间中数据点的值域，即z坐标轴。
记转换后的三维空间中井径穿透率图像数据点pi（x,y,z）如下，
(2)，
其中，x、y、z分别表示数据点pi的x坐标、y坐标和z坐标，N为图像的数据点个数。
根据坐标系转换规则，做如下的式（3）～（5）所示的规定，
(3)，
(4)，
(5)，
其中，d为油套管标准内直径，M为多臂井径成像测井仪器测量臂数目，j为多臂井径成像测井仪器测量臂编号（这里编号从0开始至M-1），sdep为当前图像的开始深度，depthLevel为当前图像深度采样间隔，dataCount为当前图像的当前采样点深度与开始深度之间的采样点数，MPER为井径对应的穿透率。
在三维空间中，当前图像对应的数据集如式（6）所示，
(6)，
其中，pi为数据集中的数据点，x、y、z为数据点pi在三维空间中的位置，k为当前图像的数据点数目。
在三维空间中的图像基础上，采用基于数值测度的样本类判别方法，将数据集B划分为两类。即，在三维空间中，假定一个最优的趋势面，该趋势面将空间中的数据点划分为两类，一类数据点位于趋势面的一侧，另一类数据点位于趋势面的另一侧。根据损伤腐蚀的定义，在趋势面一侧的符合损伤腐蚀定义的数据点集是要进行损伤腐蚀特征模式提取与匹配的对象。趋势面位置一般给定，假定趋势面在三维空间中Z坐标轴上的投影为z'，z'如式（7）所示，
(7)，
其中，MPER'是被认定的套管内壁损伤腐蚀最小穿透率，大于该值则将油套管内壁视为腐蚀，小于该值则油套管内壁不存在腐蚀。
此外，当前图像对应的数据集指的是在损伤腐蚀类型搜索过程中，某一时刻已经搜索到的该损伤腐蚀类型对应的图像数据点，该损伤腐蚀类型在该特定时刻是一定的，其对应的数据点集合也是一定的，但是随着搜索的进行，该损伤腐蚀类型会变化，即，其对应的数据点集合也会发生变化。整幅图像对应的数据集指的是搜索的目标区域，包含当前图像对应的数据集。此外，z'是损伤腐蚀的阈值（即，三维空间中数据点的数据阈值），也就是边界值。
此外，在本发明中定义整幅图像对应的数据集如式（8）所示，
(8)，
其中，是整幅图像的数据点，实际是即表示位于趋势面一侧(包括趋势面)符合损伤腐蚀定义条件的数据点又代表了位于趋势面另一侧不符合损伤腐蚀定义条件的数据点。
定义位于趋势面一侧（包括趋势面）符合损伤腐蚀定义条件的数据点集合为式（9）所示的，
(9)，
其中，是位于趋势面一侧(包括趋势面)符合损伤腐蚀定义条件的数据点，x、y、z为数据点在三维空间中的位置。
趋势面一侧（包括趋势面）符合损伤腐蚀定义条件的数据点按照其在三维空间图像中的位置顺序存放在集合中。
定义当前损伤腐蚀类型轮廓对应的特征模式集合为如式（10）所示的C，该式（10）是搜索到的当前损伤腐蚀类型数据集的定量化表述，该数据集是通过搜索而得到的，
(10)，
定义整幅图像已搜索过的位于趋势面一侧(包括趋势面)的符合损伤腐蚀定义条件的数据点集合为如式（11）所示的D，
(11)，
定义三维空间x-y平面内的距离测度为式（12）所示的m*E，
(12)，
其中，p1和p2表示三维空间中的两个数据点，x1、x2、y1、y2为p1和p2在三维空间中x坐标轴和y坐标轴上的投影。欧氏空间中距离测度为长度，三维空间中为两个数据点之间的直线距离。
定义集合中扫描数据点之间最大垂直距离L，图像识别分类判别时扫描的集合中数据点所在油套管内壁横截面测点处的第一个探头与第一个数据点对应的横截面测点处的第一个探头之间的垂直距离大于该给定的最大垂直距离时，则停止当前轮廓的搜索，进行下一个轮廓搜索。具体地，举例来说，每一个测点处（一个深度点上）都有N个测量值，即，一幅图像上某一个深度位置都有N个测量值，图像横向有N个测量值。第k个测点处第N-4个图像点与第1个测点处第N-i个图像点之间的垂直距离等于第k个测点处第1个图像点与第1个测点处第1个图像点之间的距离。当某一个搜索到的符合条件的图像点与第一个图像点之间的距离大于该给定的最大垂直距离L时，停止当前轮廓的搜索，进行下一个轮廓搜索（下一个轮廓搜索指的是下一个损伤腐蚀图的搜索）。
定义标准损伤腐蚀特征模式如下：
环状腐蚀：径向大于50%套管周长，轴向小于2 倍油管内径；
线状腐蚀：径向小于30%套管周长，轴向大于4 倍油管内径；
片状腐蚀：径向大于30%套管周长，轴向大于2 倍油管内径；
斑点状腐蚀：径向小于30%套管周长，轴向小于4 倍油管内径。
具体的损伤腐蚀特征模式的识别方法如下。
第一步：取集合中的第一个数据点，将第一个数据点加入到当前轮廓对应的集合中，从第一个数据点开始顺序扫描式（8）所示的集合B，在扫描过程中按照上述的式（12）计算式（8）所示的集合B中的每一个数据点与第一个数据点之间的欧氏空间测度，即直线距离，当同时满足式（13）所示的条件时，将扫描到的数据点加入到当前轮廓数据集C中，同时将扫描到的数据点加入到当前图像已搜索过的数据点集合，
(13)，
其中，m*E为两个数据点之间的测度，即，直线距离，maxD为定义的能够归为同一类损伤腐蚀类型形状对应的特征模式中的数据点之间的最大允许距离。
当扫描式（8）所示的集合B的过程中，扫描的数据点对应的油套管内壁横截面所在测点的第一个探头与开始数据点对应的油套管内壁横截面所在测点的第一个探头之间的y轴垂直距离大于给定的最大垂直距离时，则停止当前集合B的扫描。
第二步：顺序选取集合C中的数据点，每次取到一个数据点，均扫描式（8）所示的集合B，扫描过程中判断当前扫描到的数据点是否存在于集合C和集合D中，如果集合C或者集合D中存在当前扫描的集合B的数据点，则跳过集合B的当前扫描到的数据点，进行下一个数据点的扫描，如果当前数据点不在集合C和集合D中，并且同时满足测度与内径穿透率限制条件（即，式（13）所示的条件），则将当前扫描的数据点加入到集合C中，直至集合B扫描的数据点对应的油套管内壁横截面所在测点的第一个探头与开始数据点对应的油套管内壁横截面所在测点的第一个探头之间的y轴上投影垂直距离大于给定的最大垂直距离时，则停止当前集合B的扫描（可以理解为，对于集合C中的每一个数据点，均依次取集合B中的所有数据点与之进行模式判别，模式判别是为了寻找符合损伤腐蚀类型定义的损伤腐蚀类型图像，在取集合B中的数据点进行模式判别时，如果集合B中当前选取的数据点与集合C中当前对比的数据点之间的垂直距离大于给定的最大垂直距离时，则停止集合B的扫描，进行下一个损伤腐蚀轮廓的识别）。
第三步：重复第二步，直至集合C中的数据点选取完毕为止。
第四步：对当前轮廓数据集C对应的当前损伤腐蚀特征模式与标准损伤腐蚀特征模式进行对比，如果符合某一种损伤腐蚀特征模式，则将当前轮廓数据集C判别为该种损伤腐蚀。当前轮廓数据集C求取特征模式如下：
选取轮廓数据集C中所有数据点在三维空间中对应的x坐标轴投影的x最小值、x最大值、y坐标轴投影的y最小值和y最大值，分别记为Xmin、Xmax、Ymin、Ymax，求取当前损伤腐蚀轮廓形状的特征模式也即轴向最大距离AXD和径向最大距离RAD，
AXD＝Xmax－Xmin，
RAD＝Ymax－Ymin，
当RAD>0.5倍套管周长并且AXD<2倍套管内径时，则当前损伤腐蚀轮廓形状为环状腐蚀；
当RAD<0.3倍套管周长并且AXD>4倍套管内径时，则当前损伤腐蚀轮廓形状为线状腐蚀；
当RAD>0.3倍套管周长并且AXD>2倍套管内径时，则当前损伤腐蚀轮廓形状为片状腐蚀；
当RAD<0.3倍套管周长并且AXD<4倍套管内径时，则当前损伤腐蚀轮廓形状为斑点状腐蚀。
第五步：顺序选取集合中的第二个至第k个数据点（k为趋势面一侧符合腐蚀定义条件的数据集的点子数目），在当前数据点扫描过程中，如果当前数据点不在集合D中，则将当前扫描到的数据点加入轮廓数据集C中，重复第二步、第三步和第四步。
第六步：重复第五步，直至集合C中的数据点选取完毕为止。
对于磁壁厚测井仪器的油套管剩余壁厚率图像，建模及方法处理过程类似。标准损伤腐蚀特征模式可以根据实际情况调整，以适应不同尺寸油套管的套损评价。此外，图2～图9是示出了利用本发明的方法得到的各种损伤腐蚀识别的结果的图，图2 是表示油套管内径穿透率图像损伤腐蚀类型形状识别结果的一个例子的图，图3是表示油套管壁厚剩余率图像损伤腐蚀类型形状识别结果的一个例子的图，图4是表示油套管内径穿透率图像环状腐蚀识别结果的一个例子的图，图5是表示油套管内径穿透率图像片状腐蚀识别结果的一个例子的图，图6是表示油套管内径穿透率图像斑点状腐蚀识别结果的一个例子的图，图7是表示油套管壁厚剩余率图像环状腐蚀识别结果的一个例子的图，图8是表示油套管壁厚剩余率图像片状腐蚀识别结果的一个例子的图，图9是表示油套管壁厚剩余率图像斑点状腐蚀识别结果的一个例子的图。根据这些图可知，利用本发明的方法能够清楚地识别出油套管的损伤腐蚀及其损伤腐蚀类型形状。
为了更清楚地明确本发明的优点，在以下的实施例中，对利用本发明的方法进行油套管内壁井径穿透率图像和壁厚剩余率图像进行损伤腐蚀特征形状识别，对识别的结果进行阐述。
实施例1
图10示出使用本发明的方法对某井多臂井径成像测井仪器油套管内径穿透率图像进行损伤腐蚀特征模式识别的结果图。该井油套管内径穿透率图像对应的原始测井数据深度采样间隔为0.003048米，多臂井径成像测井仪器有40个测量臂。按照本井实际套管情况和本发明的思路，定义四种损伤腐蚀类型划分标准即标准特征模式如下，
环状腐蚀：径向大于50%套管周长，轴向小于2 倍油管内径；
线状腐蚀：径向小于30%套管周长，轴向大于4 倍油管内径；
片状腐蚀：径向大于30%套管周长，轴向大于2 倍油管内径；
斑点状腐蚀：径向小于30%套管周长，轴向小于4 倍油管内径。
按照套损评价的要求，本井在实际内径穿透率大于0.3时定为损伤腐蚀，则本发明中的测度与穿透率限制条件设置如下，
，
其中，x1、x2、y1、y2为本井井径穿透率图像和壁厚剩余率图像对角线紧邻数据点在三维空间中对应的数据点的坐标值。
同理，按照本井实际套损评价的要求，设置图像扫描数据点之间最大垂直距离L为2米，即，油套管内壁损伤腐蚀最大轴向距离不超过2米，绝大多数情况下油套管内壁损伤腐蚀轴向距离均在此最大垂直距离范围内，该最大垂直距离可根据实际情况进行调整。该最大垂直距离越大，则本发明在图像特征模式识别时所耗费的时间就越长，反之则耗费的时间越短。
选取该井1800米至1810米共10米井段进行套损图像损伤腐蚀识别，经过本发明的图像损伤腐蚀特征模式识别，10米井段图像损伤腐蚀特征模式识别用时25秒，效率较高。图10为本井选取的10米井段套管损伤腐蚀识别结果图。
在图10中，最左侧成像道中是多臂井径成像测井仪器内径穿透率原始图像，图像中黑色点部分是根据实际套损评价的要求定义为损伤腐蚀部分，即套管内径穿透率较大部分，浅色部分是套管内壁与理论套管内壁相近的部分，即多臂井径成像测井仪器测得的套管内径与理论套管内径相比变化较小的部分。图中从左至右的4道分别是环状腐蚀识别结果图、斑点状腐蚀识别结果图、片状腐蚀识别结果图和线状腐蚀识别结果图。从识别结果图来看，本井1800米至1810米之间套管内壁有7处环状损伤腐蚀、多处斑点状损伤腐蚀和10处片状损伤腐蚀，没有线状损伤腐蚀，各种损伤腐蚀类型具体深度位置可以由图中给出。
由此可见，本发明能够很好地将几种损伤腐蚀形状从原始图像中识别出来，达到了很好的识别应用效果，能够满足实际要求。
本发明可适合于多臂井径成像测井仪器的X-Y、8臂、12臂、18臂、20臂、24臂、28臂、36臂、40臂、60臂和80臂等测井仪器资料图像的套损评价损伤腐蚀特征模式图像识别，可适合于磁壁厚测井仪器的12探头和20探头等测井仪器资料图像的套损评价损伤腐蚀特征模式图像识别。同时本发明也可以应用到其他领域具有类似图像特征模式的图像特征模式识别中，在本发明的基础上，还可以对标准特征模式进行改变，以适应不同图像中识别类型丰富的图像的要求。
以上，对将本发明应用于多臂井径成像测井仪器油套管内径穿透率图像和磁壁厚测井仪器油套管壁厚剩余率图像的情况进行了说明，但是并不限于此，本发明能够应用于任意套损成像测井类仪器所测的图像。
如上所述，对本发明的实施方式进行了说明，但是本发明并不限于此，应该理解为在本发明的技术思想的范围内进行的各种组合以及各种变更都包括在本发明的保护范围之内。
Claims (8)
1.一种油套管井筒套损图像特征模式识别方法，其特征在于，具备：
（1）输入套损图像的步骤；
（2）将所述套损图像从二维空间转换到三维空间，根据三维空间中数据点的数据阈值将三维空间中数据点划分为有损伤腐蚀的数据点和非损伤腐蚀的数据点的步骤；
（3）根据有损伤腐蚀的数据点的集合判断损伤腐蚀的类型的步骤。
2.如权利要求1所述的油套管井筒套损图像特征模式识别方法，其特征在于，
在所述步骤（2）中，设作为二维图像的所述套损图像对应的数据集合为式（1）所示的A，
(1)，
其中，n为测井仪器的测量臂个数，k为所述套损图像的数据点数，xi表示当前深度采样点的深度，yij表示当前深度采样点上多个测量臂对应的测量值，
记当前二维图像的开始深度处第一个测量臂对应的数据点位置为三维空间中的原点，二维空间中深度维转换为三维空间中的y坐标轴，二维空间中的测量臂位置转换为三维空间中的x坐标轴，数据点的数值转换为三维空间中数据点的z坐标轴，
记转换后的三维空间中所述套损图像的数据点为式（2）所示的pi（x,y,z），
(2)，
其中，x、y、z分别表示数据点pi的x坐标、y坐标和z坐标，N为图像的数据点个数，
在三维空间中，当前图像对应的数据集为式（6）所示的集合B，
(6)，
其中，pi为数据集中的数据点，x、y、z为数据点pi在三维空间中的位置，k为当前图像的数据点数目，
将预先给定的趋势面在三维空间中z坐标轴上的投影设为z'，当式（6）所示的集合B中的数据点pi的z坐标的值大于等于z'时，判断为油套管井筒被腐蚀。
3.如权利要求2所述的油套管井筒套损图像特征模式识别方法，其特征在于，
在判断损伤腐蚀的类型的所述步骤（3）中，定义整幅图像对应的数据集为式（8）所示的集合B，
(8)，
其中，是整幅图像的数据点，
设根据所述z'被判断为腐蚀的数据点的集合为式（9）所示的，
(9)，
其中，是被判断为腐蚀的数据点，x、y、z为数据点在三维空间中的位置，
设当前损伤腐蚀类型轮廓对应的特征模式集合为式（10）所示的C，
(10)，
设整幅图像已搜索过的被判断为腐蚀的数据点的集合为式（11）所示的D，
(11)，
设三维空间x-y平面内的距离测度为式（12）所示的m*E，
(12)，
其中，p1和p2表示三维空间中的两个数据点，x1、x2、y1、y2为p1和p2在三维空间中x坐标轴和y坐标轴上的投影，
在所述步骤（3）中包括如下的步骤（3-1）～（3-6）：
在步骤（3-1）中，取集合中的第一个数据点，将加入到当前轮廓对应的集合中，从第一个数据点开始顺序扫描式（8）所示的集合B，在扫描过程中按照上述的式（12）计算式（8）所示的集合B中的每一个数据点与第一个数据点之间的距离测度，当满足如下的式（13）所示的条件时，将扫描到的数据点加入到当前轮廓数据集C中，同时将扫描到的数据点加入到当前图像已搜索过的数据点集合，
(13)，
其中，m*E为两个数据点之间的距离测度，maxD为定义的能够归为同一类损伤腐蚀类型形状对应的特征模式中的数据点之间的最大允许距离，
当扫描式（8）所示的集合B的过程中，扫描的数据点对应的油套管内壁横截面所在测点的第一个探头与开始数据点对应的油套管内壁横截面所在测点的第一个探头之间的垂直距离大于给定的最大垂直距离时，停止当前的扫描；
在步骤（3-2）中，顺序选取集合C中的数据点，每次取到一个数据点，均扫描式（8）所示的集合B，在扫描过程中判断当前扫描到的数据点是否存在于集合C和集合D中，如果集合C或者集合D中存在当前扫描的集合B的数据点，则跳过集合B的当前扫描到的数据点，进行下一个数据点的扫描，如果当前数据点不在集合C和集合D中并且满上述的式（13）的条件，则将当前扫描的数据点加入到集合C中，直至集合B扫描的数据点对应的油套管内壁横截面所在测点的第一个探头与开始数据点对应的油套管内壁横截面所在测点的第一个探头之间的垂直距离大于给定的最大垂直距离时，停止当前的扫描；
在步骤（3-3）中，重复执行上述的步骤（3-2），直至集合C中的数据点选取完毕为止；
在步骤（3-4）中，对当前轮廓数据集C对应的当前损伤腐蚀特征模式与预先定义的标准损伤腐蚀特征模式进行对比，如果符合某一种损伤腐蚀特征模式，则将当前轮廓数据集C判别为该种损伤腐蚀；
在步骤（3-5）中，顺序选取集合中的第二个至第k个数据点，k为集合中的数据点的数目，在当前数据点扫描过程中，如果当前数据点不在集合D中，则将当前扫描到的数据点加入轮廓数据集C中，重复步骤（3-2）～（3-4）；
在步骤（3-6）中，重复步骤（3-5），直至集合C中的数据点选取完毕为止。
4.如权利要求3所述的油套管井筒套损图像特征模式识别方法，其特征在于，
在步骤（3-4）中，选取轮廓数据集C中所有数据点在三维空间中对应的x坐标轴投影的x最小值、x最大值、y坐标轴投影的y最小值和y最大值，分别记为Xmin、Xmax、Ymin、Ymax，求取轴向最大距离AXD和径向最大距离RAD，其中，AXD＝Xmax－Xmin，RAD＝Ymax－Ymin，将AXD和RXD与预先定义的标准损伤腐蚀特征模式进行对比，从而判断数据集C属于何种损伤腐蚀。
5.如权利要求4所述的油套管井筒套损图像特征模式识别方法，其特征在于，
预先定义的标准损伤腐蚀特征模式包括：径向大于N1倍套管周长且轴向小于M1倍油管内径的环状腐蚀；径向小于N2倍套管周长且轴向大于M2倍油管内径的线状腐蚀；径向大于N3倍套管周长且轴向大于M3倍油管内径的片状腐蚀；以及径向小于N4倍套管周长且轴向小于M4倍油管内径的斑点状腐蚀，其中，N1、N2、N3、N4、M1、M2、M3、M4是大于零的常数。
6.如权利要求5所述的油套管井筒套损图像特征模式识别方法，其特征在于，
在所述标准损伤腐蚀特征模式中，N1=0.5且M1=2，N2=0.3且M2=4，N3=0.3且M3=2，N4=0.3且M4=4。
7.如权利要求1～6的任意一项所述的油套管井筒套损图像特征模式识别方法，其特征在于，
所述套损图像是多臂井径成像测井仪器油套管内径穿透率图像。
8.如权利要求1～6的任意一项所述的油套管井筒套损图像特征模式识别方法，其特征在于，
所述套损图像是磁壁厚测井仪器油套管壁厚剩余率图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710288571.3A CN108805147B (zh) | 2017-04-27 | 2017-04-27 | 一种油套管井筒套损图像特征模式识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710288571.3A CN108805147B (zh) | 2017-04-27 | 2017-04-27 | 一种油套管井筒套损图像特征模式识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108805147A true CN108805147A (zh) | 2018-11-13 |
| CN108805147B CN108805147B (zh) | 2019-10-11 |
Family
ID=64069416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710288571.3A Active CN108805147B (zh) | 2017-04-27 | 2017-04-27 | 一种油套管井筒套损图像特征模式识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108805147B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113587802A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油化工股份有限公司 | 一种井下套管变形类型识别方法及装置 |
| CN116128850A (zh) * | 2023-02-18 | 2023-05-16 | 西安正实智能科技有限公司 | 一种射孔测量的方法、装置、设备和可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8312930B1 (en) * | 2011-06-08 | 2012-11-20 | Hydropressure Cleaning, Inc. | Apparatus and method for water well cleaning |
| CN204252861U (zh) * | 2014-10-29 | 2015-04-08 | 新奥气化采煤有限公司 | 套管保护装置及套管井 |
| CN106194158A (zh) * | 2016-09-28 | 2016-12-07 | 北京捷威思特科技有限公司 | 油管套管综合探伤系统 |
-
2017
- 2017-04-27 CN CN201710288571.3A patent/CN108805147B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8312930B1 (en) * | 2011-06-08 | 2012-11-20 | Hydropressure Cleaning, Inc. | Apparatus and method for water well cleaning |
| CN204252861U (zh) * | 2014-10-29 | 2015-04-08 | 新奥气化采煤有限公司 | 套管保护装置及套管井 |
| CN106194158A (zh) * | 2016-09-28 | 2016-12-07 | 北京捷威思特科技有限公司 | 油管套管综合探伤系统 |
Non-Patent Citations (3)
| Title |
|---|
| WANG CHANGJIN ET AL: "《Research Status of Oil Well Casing Damage Image Recognition Technology》", 《ADVANCES IN PETROLEUM EXPLORATION AND DEVELOPMENT》 * |
| 张予生 等；: "《用三十六臂井径成像测井技术评价套损情况》", 《海洋石油》 * |
| 潘敏: "《MIT-MITT套损组合检测技术与应用》", 《中国石油和化工标准与质量》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113587802A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油化工股份有限公司 | 一种井下套管变形类型识别方法及装置 |
| CN113587802B (zh) * | 2020-04-30 | 2023-08-25 | 中国石油化工股份有限公司 | 一种井下套管变形类型识别方法及装置 |
| CN116128850A (zh) * | 2023-02-18 | 2023-05-16 | 西安正实智能科技有限公司 | 一种射孔测量的方法、装置、设备和可读存储介质 |
| CN116128850B (zh) * | 2023-02-18 | 2023-11-21 | 西安正实智能科技有限公司 | 一种射孔测量的方法、装置、设备和可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108805147B (zh) | 2019-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Robinson et al. | Acoustic imaging of perforation erosion in hydraulically fractured wells for optimizing cluster efficiency | |
| US10995606B2 (en) | Well integrity analysis using sonic measurements over depth interval | |
| CN101152718B (zh) | 使用全向图像确定机器人位置的方法和设备 | |
| US10156653B2 (en) | Techniques for removing interface noise from acoustic log data | |
| Liu et al. | Window feature-based two-stage defect identification using magnetic flux leakage measurements | |
| CN109557532B (zh) | 基于三维霍夫变换的检测前跟踪方法、雷达目标检测系统 | |
| EP3461282B1 (en) | Quantitative surface measurements by combining image and height profile data | |
| US11782181B2 (en) | Data fusion enhanced multi-modality wellbore integrity inspection system | |
| CN108805147B (zh) | 一种油套管井筒套损图像特征模式识别方法 | |
| CN108692193A (zh) | 一种小管径管道缺陷的脉冲涡流检测系统与方法 | |
| CN108830140B (zh) | 一种基于电成像测井分形维数的火山岩岩性识别方法 | |
| JP5023238B2 (ja) | 薬莢ベースの自動領域セグメンテーションと薬莢比較用のベスト痕跡領域の選択の方法 | |
| Vidal-Calleja et al. | Learning spatial correlations for Bayesian fusion in pipe thickness mapping | |
| CN105242311B (zh) | 预估初至拾取的时窗的方法和装置 | |
| Li | Ballistics projectile image analysis for firearm identification | |
| CN206091960U (zh) | 多功能井筒检测装置 | |
| CN116556925A (zh) | 井孔椭圆度的计算方法、装置、计算设备及存储介质 | |
| CN115875008A (zh) | 一种地质钻机智能钻探数据采集方法、系统和存储介质 | |
| CN106778515B (zh) | 一种法兰轴向漏磁阵列信号自动识别方法 | |
| CN108019202B (zh) | 一种三维图像的显示方法 | |
| CN108961638A (zh) | 基于小波系数能量和算法的振动光纤入侵事件检测方法 | |
| CN116201526B (zh) | 微环隙检测方法、装置、计算设备及存储介质 | |
| CN116953196B (zh) | 一种钢制三通的缺陷检测与安全状态评估方法 | |
| CN113837163B (zh) | 一种基于三维探地雷达的隧道监测方法、系统以及存储介质 | |
| CN115977617B (zh) | 套管外串槽识别方法、装置、计算设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201021 Address after: No. 6, liupukang, Xicheng District, Beijing 100120 Patentee after: CHINA NATIONAL PETROLEUM Corp. Patentee after: CHINA NATIONAL LOGGING Corp. Patentee after: China National Petroleum Corporation Great Wall Drilling Engineering Co.,Ltd. Address before: 100101 Beijing Chaoyang District Anli Road No. 101 Patentee before: China National Petroleum Corporation Great Wall Drilling Engineering Co.,Ltd. Patentee before: CHINA NATIONAL LOGGING Corp. |
|
| TR01 | Transfer of patent right |