CN108876923A - 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 - Google Patents
一种基于岩石微ct图像的三维孔隙尺度模型重建方法 Download PDFInfo
- Publication number
- CN108876923A CN108876923A CN201810617888.1A CN201810617888A CN108876923A CN 108876923 A CN108876923 A CN 108876923A CN 201810617888 A CN201810617888 A CN 201810617888A CN 108876923 A CN108876923 A CN 108876923A
- Authority
- CN
- China
- Prior art keywords
- image
- model
- micro
- skeleton
- rock
- 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.)
- Pending
Links
- 239000011435 rock Substances 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000011148 porous material Substances 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000011161 development Methods 0.000 claims abstract description 5
- 230000018109 developmental process Effects 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 238000011282 treatment Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 8
- 239000012530 fluid Substances 0.000 claims description 7
- 238000002203 pretreatment Methods 0.000 claims description 6
- 238000002591 computed tomography Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 238000005206 flow analysis Methods 0.000 claims 1
- 210000004027 cell Anatomy 0.000 abstract description 12
- 238000003860 storage Methods 0.000 abstract description 3
- 210000005056 cell body Anatomy 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000002247 constant time method Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 208000037805 labour Diseases 0.000 description 1
- 238000004215 lattice model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Generation (AREA)
Abstract
本申请公开了一种基于岩石微CT图像的三维孔隙尺度结构化网格模型重建方法,该方法通过数字图像降噪及二值化处理,完成岩石微CT图像中孔隙和骨架的分割和提取,并以三维数组矩阵的形式实现图像数据的存储;基于模型网格单元体与图像像素在空间位置的对应关系,利用自主开发的代码完成孔隙相和骨架相像素的搜索与空间位置标定,采用与像素尺寸相同的网格单元体构建骨架和孔隙的结构化网格模型,通过表面网格生长及几何重塑得到的最终模型可直接用于数值计算。本发明改善了传统重建模型网格质量差、拓扑结构失真等缺陷,可满足渗流、变形、传热等问题的数值模拟需求,对促进能源开采、岩土工程相关领域研究具有重要的意义。
Description
技术领域
本发明涉及岩石物理技术领域,特别涉及一种将岩石微CT图像转换为可直接用于数值模拟的三维孔隙或骨架网格模型的重建方法。
背景技术
目前基于岩石微观数字图像的计算模型重建方法可分为孔隙网络模型和网格模型两种。孔隙网络模型基于图像的孔隙与喉道特征,分别采用规则的几何结构代替孔隙与喉道以实现模型重建,如孔隙往往采用球、正方体表示,喉道往往采用圆柱、长方体、三棱柱等表示;这类模型简化了真实岩石的复杂孔隙结构特征,且只能用于岩石渗流性能分析。网格模型则是将数字图像转化为可用于数值分析的计算网格,并利用格子波兹曼法(LBM)、计算流体力学(CFD)或有限元法(FEM)等研究岩石的渗流及变形过程;但基于现有商用软件重建得到的多为非结构化网格模型(三角形和四面体网格),模型的网格质量难以保证;同时,在模型网格生成过程中采用的收缩或膨胀算法往往改变了真实岩石的复杂孔隙形状。
发明人发现现有技术中至少存在如下问题:重建模型与岩石图像相比,拓扑结构不精确,网格模型生成困难且网格质量难以保证,无法满足岩石变形及渗流过程等多物理场耦合的数值模拟要求。
发明内容
本申请实施例的目的是提供一种稳定、高效的基于岩石微CT图像的三维孔隙尺度模型重建方法,通过原始微CT图像的获取、数字图像处理及孔隙相(骨架相)模型的分割提取、初始结构化网格模型构建、面网格生长和模型封装等操作完成结构化网格模型的重建,解决现有重建方法无法真实再现天然岩石微观孔隙结构特征以及模型网格质量差的问题。
为了达到上述目的,本发明是这样实现的:
一种基于岩石微CT图像的三维孔隙尺度模型重建方法,包括:
通过岩心处理,制备用于微CT扫描成像的岩心柱样品;
通过微CT扫描成像系统,获取用于模型重建的原始微CT图像数据,并从圆柱体微CT图像中提取立方体形状的三维像素体作为建模图像;
基于数字图像处理技术,利用中值滤波对原始微CT图像开展降噪和滤波等前处理,为提高数据处理速度和重建模型精度,结合设备情况,可以对上一步骤前处理后的图像进行比例缩放处理;
针对前面步骤中获得的缩放后图像的三维像素数目及像素分辨率特征,构建与缩放后CT图像具有相同像素数目且单元尺寸等于图像像素分辨率的初始结构化网格模型,并以数据文件的形式进行存储(记为element.dat);
选取适当的分割阈值,对通过降噪和滤波处理得到的图像文件进行二值化处理,实现孔隙相和骨架相的分割提取;
利用Matlab软件对二值化图像进行数值化处理,将二值化图像转换为只包含“0”和“1”二值的数据文件,其中“1”对应孔隙相,“0”对应骨架相,并以三维数组矩阵的形式进行存储(记为rock.dat);
采用自主开发的代码搜索数值化文件(rock.dat),通过查找孔隙相(“1”)和骨架相(“0”)在矩阵中的空间位置并进行编号记录,以数组的形式进行存储,得到孔隙和骨架的位置文件(分别记为pore.dat和matrix.dat);
结合孔隙和骨架的位置文件,对初始结构化网格模型数据文件element.dat中相同空间位置的单元体进行标定编号,并提取对应单元体的节点数据信息。将与孔隙相和骨架相对应的单元体和节点数据以.inp数据形式保存,得到孔隙相和骨架相的结构化网格模型;
通过在提取的网格模型表面附着一层面网格,该模型就可以用于单场的数值模拟分析。将孔隙相和骨架相的网格模型在第三方软件中进行装配,以开展流固耦合的多场数值模拟研究。
与现有技术相比,本发明的有益效果在于:
结构化网格模型的构建思想是有限元网格模型单元体与三维微CT图像像素之间的一一对应,因此,在计算机硬件条件满足的情况下,可以完美再现岩石内部孔隙的真实拓扑结构特征;
大大提高了重建模型的网格质量以及数值模拟分析计算的收敛速度;
基于结构化网格模型的孔隙参数分析及输运特性预测与实验测试结果的吻合程度很好。
附图说明
为了更清楚地说明本发明方法的技术方案,下面结合附图和具体实施方式对本申请实施例作进一步说明。
图1为本发明实施例所述的建模方法流程图。
图2为本申请一个实施例提供的建模原始输入数据,(a)为岩石微CT图像三维视图,(b)为截面视图。
图3为本申请一个实施例提供的图像前处理操作结果,(a)为图像降噪,(b)为图像二值化分割结果。
图4为本申请一个实施例提供的二值化图形比例缩放操作,(a)为原始分割后图像(尺寸为400×400像素);(b)为缩放后图像(尺寸为200×200像素)。
图5为本申请一个实施例提供的图像数字化转换操作,(a)为二值图像;(b)为只包含灰度值“0”和“1”的二维数组矩阵,其中“1”对应孔隙相,“0”对应骨架相。
图6为本申请一个实施例提供的缩放因子(f)与分割图像孔隙度的变化关系。
图7为本申请一个实施例提供的缩放因子(f)与孔隙拓扑结构误差(Td)的变化关系。
图8为本申请一个实施例提供的包含岩石孔隙与骨架模型数据的初始结构化网格模型数据文件格式示意图。
图9为本申请一个实施例得到的结构化网格模型,(a)为骨架相网格重建模型;(b)为孔隙相网格重建模型;(c)为孔隙相模型细节图。
图10为本申请一个实施例得到的孔隙相与骨架相装配体模型,(a)为孔隙相和骨架相装配体网格模型;(b)为孔隙相和骨架相装配体几何模型。
具体实施方式
为了使本发明实现的技术手段、达成目的和模型功效易于说明,下面结合附图及实施例,对本申请实施例中的技术方案进行详细描述。需要知悉的是,所描述的实施例仅是本申请一部分实施例,而不是全部实施例。基于本申请的实施例,本领域的其他技术人员在没有其他创新性劳动的前提下获得的所有其他实施例,都应当属于本申请保护范围。
图1是本申请一种基于岩石微CT图像的三维孔隙尺度模型重建方法实施例的流程图,包括以下步骤。
S1:选择用于CT扫描的岩心样品,制备满足扫描尺寸要求的柱塞小岩心柱,开展CT扫描成像。
如图2所示为利用本方法进行模型重建的原始微CT图像数据,本申请实施例的岩芯微观CT实验主要采用西南石油大学油气藏地质及开发工程国家重点实验室的蔡司Xradia MicroXCT-400微观成像系统,采用的岩石样本为人造砂岩。
因为岩心的微CT成像得到的是圆柱体图像,本实施例选取了图2(b)方框中所示的典型区域(一般为4003~6003像素尺寸)作为后续图像处理的输入数据。这样也能明显减少重建模型的网格数量,提高模型重建的生成和计算速率。
S2:对获取的微CT图像进行必要的前处理、以及可选择性的图像比例缩放,为后续的图像处理与模型重建奠定基础。
所述的图像前处理技术包括图像的降噪与滤波:在微CT成像过程中,由于环境条件、成像设备等外部因素,图像往往存在各种噪声;为了消除噪声在后续图像分割过程中带来的影响,需要对原始图像进行降噪和滤波处理。由于中值滤波算法在消除噪声点的同时能有效保留图像的边缘特征,因此本实施例采用ImageJ软件中的中值滤波算法进行图像孤立噪声点的去除,以降低建模过程中孤立岩石颗粒对重建模型的影响。图3(a)所示为降噪处理后的CT图像。
结合图像的灰度值分布特征,选取合适的图像阈值对降噪后图像进行二值化处理,从而实现岩石骨架与孔隙图像的分割,图3(b)所示为采用大津法(Ostu)图像分割算法得到的二值化图像。
所述的可选择性图像比例缩放:为了减少后续重建模型中的网格数量、提高数据处理的效率,本实施例采用降低图像像素分辨率的方法对原始图像进行了缩放处理。如图4(a)所示为原始图像(尺寸400×400像素),图4(b)为降低分辨率后的图像(尺寸200×200像素)。图像分辨率的降低是通过将相邻的几个像素合并成一个像素,如在x/y/z方向上将n个像素进行合并,那么处理后的图像像素将减少至原图像像素数目的1/n3。从图4的对比中可以看出,两张图像在孔隙拓扑结构上几乎没有差别。
S3:统计处理后图像的像素数量,利用相同数量且尺寸与像素体分辨率相等的网格单元构建初始结构化网格模型。
所述的初始结构化网格模型的构建:基于网格单元与图像像素点在空间的一一对应关系,实现网格单元与像素点的替换。
S4:对分割后的二值化图像进行数字化处理,转换为只包含“0”和“1”的数字化文件,并以三维数组矩阵完成对三维图像的存储。
所述的图像数字化处理:利用Matlab软件将得到的二值化图像转换成图5(b)所示的数组矩阵形式。一个正方体岩样图像对应一个三维数组矩阵,并以数据文件的形式进行存储。通过搜索统计矩阵中灰度值“0”和“1”的数量就可以分别得到孔隙和骨架的像素数量。
为了进一步研究图像缩放对原始图像结构特征的影响,除了本实施例中的岩样,另外选取了其余四种不同岩性的样品进行处理,对比分析不同图像缩放因子f(f=1/n)对原始图像孔隙度的影响,计算结果如图6所示。从图中孔隙度的分布结果可以看出,图像分辨率的降低对孔隙度的影响不大。
为了研究图像缩放对孔隙拓扑结构的改变,提出了拓扑结构误差的概念以验证不
同的缩放因子对图像孔隙拓扑结构的影响。拓扑结构误差(Td)可以定义为:分割后图像中
每个像素的灰度值非“0”即“1”,将降低分辨率后的图像与原始图像对比,若两图在相同位
置上的图像灰度值发生改变,即说明该位置上孔隙或骨架的拓扑结构特征发生错动。图像
中孔隙拓扑结构误差可以由下式给出:
其中Nt为原始图像总的像素数目,Ns为缩放后的图像与原始图像相比发生错动的像素数目。
图7所示为几个不同岩性样品缩放因子与孔隙拓扑结构误差之间的变化关系。从图中可以看出,缩放因子0.5为一个临界值,当缩放因小于0.5时,拓扑结构误差快速增加;以f=0.25为例,该缩放因子下图像的像素数目少于1003,图像的拓扑结构误差最高可达12%,图像边缘会出现明显的马赛克效应。依据拓扑结构误差的定义可以看出,误差的大小与原始图像中小孔数目和图像的光滑程度相关。需要指出的是,当开展模型重建和数值计算的硬件性能较高时,可以不采取压缩而保持图像原始形态。本实施例基于PC机完成,结合分析结果,对图示中岩样S6取0.8的缩放因子,其余岩样取0.5的缩放因子。
S5:通过搜索数字化图像文件中孔隙相和骨架相像素点的位置信息,提取初始结构化网格模型中各自对应位置的网格单元体与关联节点的数据信息。
所述的孔隙相和骨架相像素点空间位置的搜素与对应网格单元和节点数据的提取:具体操作为基于缩放后的二值化图像,利用具有相同像素尺寸的结构化网格单元构建与压缩图像相同像素数量的初始结构化网格模型。例如基于具有1003个像素的图像,构建具有1003个结构化网格单元体和1013个节点的网格模型,单元体尺寸与像素尺寸相同。将该网格模型以数据文件形式(element.dat)进行保存,并在Matlab中以矩阵的形式进行存储(记为文件a),格式如图8所示。
前述步骤构建了压缩后二值化图像的数字化矩阵形式,通过搜索函数查找矩阵中孔隙相和骨架相的空间位置,实现孔隙和骨架的分离提取。对于具有相同空间分布形态的初始结构化网格模型文件a,通过提取文件a中相同空间位置的单元体编号和相关联的节点数据,并将得到的数据文件分别保存,就可以分别得到孔隙相和骨架相的结构化网格模型。搜索函数如下式所示:
当a(x)=0时,提取文件a中相同位置的单元体编号以及这些单元体所包含的节点数据即为岩样骨架模型;当a(x)=1时,得到相应的岩样孔隙网格模型。该模型文件以商用有限元软件Abaqus的.inp文件格式存储。
S6:分别对提取的孔隙相和骨架相网格模型进行表面网格的生长。
在数值分析计算中,可以在模型节点上施加边界条件和荷载进行固体的应力和变形分析。但是在通用的流体分析软件中,边界条件需要施加在与单元体相关联的面网格(Surface mesh)上。此外,在流固耦合的分析中,耦合界面的选取也需要面网格,因此需要在上一步骤S5得到的结构化网格模型表面附着一层面网格,生成可直接用于流体分析数值计算的重建模型。图9所示分别为(a)骨架相结构化网格模型;(b)孔隙相结构化网格模型;(c)网格模型的细节示意图。
S7:孔隙相和骨架相网格模型的封装。
为了开展多场耦合分析,如流固耦合计算,需要将孔隙相和骨架相结构化网格模型进行封装。图10(a)所示为孔隙相和骨架相的装配体网格模型。此外,对于某些需要模型几何文件进行数值模拟分析的软件(如Ansys Workbench),还需要将网格模型导入第三方软件完成几何模型的初始化,图10(b)所示为孔隙和骨架的装配体几何模型。
S8:边界条件施加及数值模拟。
将生成的模型导入数值模拟软件并施加相应的边界条件,即可开展相应的数值模拟研究。
以上所述仅为本发明的较佳实施例而已,用于描述本发明的基本原理、特征和主要优点,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于岩石微CT图像的三维孔隙尺度模型重建方法,其特征在于,所述的图像处理、骨架与孔隙识别、网格模型建模方法包括:
获取岩心微CT扫描图像,作为模型重建的数据基础;
采用数字图像处理技术对原始微CT图像进行前处理,包括:图像降噪与二值化处理,以及可选择性的对图像进行比例缩放;
利用与像素单元具有相同尺寸的网格单元替换图像中同一空间位置的像素单元,完成初始结构化网格模型的构建;
对二值化图像进行数字化处理,利用自主开发的代码完成孔隙相单元和骨架相单元的搜索,并对相同空间位置的单元体与节点数据进行编号与标定;
在提取的孔隙和骨架模型表面生成一层面网格,以实现流体场模拟边界条件的施加,最终完成孔隙相和骨架相结构化网格模型的重建;
将孔隙模型和骨架网格模型进行装配,得到的三维孔隙尺度模型可用于开展多物理场耦合的数值模拟分析。
2.根据权利要求1所述的一种基于岩石微CT图像的三维孔隙尺度模型重建方法,其特征在于,采用岩石微CT图像作为模型重建的基础数据,其他类似于扫描电镜、聚焦离子束—扫描电镜(FIB-SEM)等能够获取岩心微观孔喉结构图像数据的分析手段也可作为本方法的原始数据来源。
3.根据权利要求1所述的一种基于岩石微CT图像的三维孔隙尺度模型重建方法,其特征在于,对原始微CT图像进行前处理,采用的数字图像处理技术包括图像降噪、滤波和二值化分割等步骤,以实现岩心孔隙相与骨架相的分离,可通过选择性的对原始图像进行比例缩放处理以提高数据数理的精度和效率。
4.根据权利要求1所述的一种基于岩石微CT图像的三维孔隙尺度模型重建方法,其特征在于,对于具有特定像素尺寸的图像,采用相同尺寸的立方体网格单元在相同的空间位置对像素单元进行替换,生成初始结构化网格模型。
5.根据权利要求4所述的初始结构化网格模型生成方法,其特征在于,具有n3个像素的三维模型分别包含n3个单元和(n+1)3个节点。
6.根据权利要求1所述的一种基于岩石微CT图像的三维孔隙尺度模型重建方法,其特征在于,对二值化图像进行数字化转换,将图像文件转换为只包含“0”和“1”二值的数据文件,并以三维数组矩阵格式进行储存。
7.根据权利要求6所述的一种基于岩石微CT图像的三维孔隙尺度模型重建方法,其特征在于,以自主开发的代码对数字化图像文件进行孔隙相和骨架相的搜索,并分别对搜索得到的孔隙和骨架单元及节点进行空间位置的编号和标定,将孔隙相和骨架相的搜索结果分别进行存储。
8.根据权利要求7所述的一种基于岩石微CT图像的三维孔隙尺度模型重建方法,其特征在于,为了在CFD软件中开展流动分析的数值模拟计算,边界条件需要施加在与单元体相关联的面网格上,因此需要在提取出的孔隙和骨架模型表面生长一层面网格。
9.根据权利要求8所述的一种基于岩石微CT图像的三维孔隙尺度模型重建方法,其特征在于,为了开展多物理场耦合数值模拟研究,需要将独立的孔隙相模型和骨架相模型在第三方软件中进行装配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810617888.1A CN108876923A (zh) | 2018-06-17 | 2018-06-17 | 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810617888.1A CN108876923A (zh) | 2018-06-17 | 2018-06-17 | 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108876923A true CN108876923A (zh) | 2018-11-23 |
Family
ID=64338955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810617888.1A Pending CN108876923A (zh) | 2018-06-17 | 2018-06-17 | 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876923A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135311A (zh) * | 2019-05-06 | 2019-08-16 | 重庆科技学院 | 一种基于三维岩心扫描图像的孔隙与孔喉识别系统及方法 |
CN110471194A (zh) * | 2019-01-23 | 2019-11-19 | 上海理工大学 | 人眼前倾角的测量方法 |
CN111179296A (zh) * | 2020-01-08 | 2020-05-19 | 青岛科技大学 | 一种基于数字岩心技术研究岩石导热特性的新方法 |
CN111223186A (zh) * | 2020-01-15 | 2020-06-02 | 中南大学 | 三维随机孔结构模型的物理建模方法、系统和设备 |
CN111855712A (zh) * | 2020-07-03 | 2020-10-30 | 大连理工大学 | 一种基于ct图像的胶结型水合物沉积物三维建模方法 |
CN111862306A (zh) * | 2020-07-03 | 2020-10-30 | 大连理工大学 | 一种基于ct图像的孔隙填充型水合物沉积物三维建模方法 |
CN112085693A (zh) * | 2020-06-24 | 2020-12-15 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
CN112082917A (zh) * | 2020-08-03 | 2020-12-15 | 西南石油大学 | 一种基于动态网络模拟的气水非稳态两相渗流模拟方法 |
CN112132966A (zh) * | 2020-09-29 | 2020-12-25 | 成都理工大学 | 一种基于拓扑结构的页岩裂缝网络连通性表征方法 |
CN112162957A (zh) * | 2020-10-13 | 2021-01-01 | 中国空气动力研究与发展中心计算空气动力研究所 | 多块结构网格数据压缩存储方法、解压缩方法及装置 |
CN112382351A (zh) * | 2020-10-30 | 2021-02-19 | 华南理工大学 | 基于计算机模拟可控生成缺陷网状骨架材料模型的方法 |
CN113310877A (zh) * | 2021-06-07 | 2021-08-27 | 中国石油大学(华东) | 一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 |
CN114494637A (zh) * | 2022-01-11 | 2022-05-13 | 武汉大学 | 一种基于结构体矩阵的砂岩三维真实模型重构方法 |
CN114862783A (zh) * | 2022-04-27 | 2022-08-05 | 天津大学 | 一种表征岩石结构面吻合程度的方法及设备 |
CN116342815A (zh) * | 2023-05-12 | 2023-06-27 | 中国石油大学(华东) | 一种页岩孔隙空间的多尺度孔隙网络模型构建方法 |
CN117115370A (zh) * | 2023-08-15 | 2023-11-24 | 西南石油大学 | 一种高精度数字岩心模型构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325117B (zh) * | 2013-06-17 | 2016-08-10 | 中国石油天然气集团公司 | 一种基于matlab的岩心图像处理方法及系统 |
CN106525680A (zh) * | 2016-10-10 | 2017-03-22 | 中国石油天然气股份有限公司 | 岩心孔隙度参数场的获取方法 |
CN107240154A (zh) * | 2017-05-02 | 2017-10-10 | 中国石油天然气股份有限公司 | 一种双孔隙三维数字岩心建模方法及装置 |
-
2018
- 2018-06-17 CN CN201810617888.1A patent/CN108876923A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325117B (zh) * | 2013-06-17 | 2016-08-10 | 中国石油天然气集团公司 | 一种基于matlab的岩心图像处理方法及系统 |
CN106525680A (zh) * | 2016-10-10 | 2017-03-22 | 中国石油天然气股份有限公司 | 岩心孔隙度参数场的获取方法 |
CN107240154A (zh) * | 2017-05-02 | 2017-10-10 | 中国石油天然气股份有限公司 | 一种双孔隙三维数字岩心建模方法及装置 |
Non-Patent Citations (1)
Title |
---|
宋睿等: "《基于CT图像及孔隙网格的岩芯孔渗参数研究》", 《西南石油大学学报(自然科学版)》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471194A (zh) * | 2019-01-23 | 2019-11-19 | 上海理工大学 | 人眼前倾角的测量方法 |
CN110135311A (zh) * | 2019-05-06 | 2019-08-16 | 重庆科技学院 | 一种基于三维岩心扫描图像的孔隙与孔喉识别系统及方法 |
CN111179296A (zh) * | 2020-01-08 | 2020-05-19 | 青岛科技大学 | 一种基于数字岩心技术研究岩石导热特性的新方法 |
CN111223186A (zh) * | 2020-01-15 | 2020-06-02 | 中南大学 | 三维随机孔结构模型的物理建模方法、系统和设备 |
CN111223186B (zh) * | 2020-01-15 | 2022-03-25 | 中南大学 | 三维随机孔结构模型的物理建模方法、系统和设备 |
CN112085693A (zh) * | 2020-06-24 | 2020-12-15 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
CN112085693B (zh) * | 2020-06-24 | 2022-09-20 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
CN111855712B (zh) * | 2020-07-03 | 2023-04-11 | 大连理工大学 | 一种基于ct图像的胶结型水合物沉积物三维建模方法 |
CN111855712A (zh) * | 2020-07-03 | 2020-10-30 | 大连理工大学 | 一种基于ct图像的胶结型水合物沉积物三维建模方法 |
CN111862306A (zh) * | 2020-07-03 | 2020-10-30 | 大连理工大学 | 一种基于ct图像的孔隙填充型水合物沉积物三维建模方法 |
CN111862306B (zh) * | 2020-07-03 | 2023-09-19 | 大连理工大学 | 一种基于ct图像的孔隙填充型水合物沉积物三维建模方法 |
CN112082917A (zh) * | 2020-08-03 | 2020-12-15 | 西南石油大学 | 一种基于动态网络模拟的气水非稳态两相渗流模拟方法 |
CN112132966A (zh) * | 2020-09-29 | 2020-12-25 | 成都理工大学 | 一种基于拓扑结构的页岩裂缝网络连通性表征方法 |
CN112162957A (zh) * | 2020-10-13 | 2021-01-01 | 中国空气动力研究与发展中心计算空气动力研究所 | 多块结构网格数据压缩存储方法、解压缩方法及装置 |
CN112162957B (zh) * | 2020-10-13 | 2022-05-27 | 中国空气动力研究与发展中心计算空气动力研究所 | 多块结构网格数据压缩存储方法、解压缩方法及装置 |
CN112382351A (zh) * | 2020-10-30 | 2021-02-19 | 华南理工大学 | 基于计算机模拟可控生成缺陷网状骨架材料模型的方法 |
CN112382351B (zh) * | 2020-10-30 | 2022-03-25 | 华南理工大学 | 基于计算机模拟可控生成缺陷网状骨架材料模型的方法 |
CN113310877A (zh) * | 2021-06-07 | 2021-08-27 | 中国石油大学(华东) | 一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 |
CN114494637A (zh) * | 2022-01-11 | 2022-05-13 | 武汉大学 | 一种基于结构体矩阵的砂岩三维真实模型重构方法 |
CN114862783B (zh) * | 2022-04-27 | 2022-12-23 | 天津大学 | 一种表征岩石结构面吻合程度的方法及设备 |
CN114862783A (zh) * | 2022-04-27 | 2022-08-05 | 天津大学 | 一种表征岩石结构面吻合程度的方法及设备 |
CN116342815A (zh) * | 2023-05-12 | 2023-06-27 | 中国石油大学(华东) | 一种页岩孔隙空间的多尺度孔隙网络模型构建方法 |
CN117115370A (zh) * | 2023-08-15 | 2023-11-24 | 西南石油大学 | 一种高精度数字岩心模型构建方法 |
CN117115370B (zh) * | 2023-08-15 | 2024-03-19 | 西南石油大学 | 一种高精度数字岩心模型构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876923A (zh) | 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 | |
CN101364310B (zh) | 一种三维模型图形的生成方法和装置 | |
Pajarola et al. | Survey of semi-regular multiresolution models for interactive terrain rendering | |
Greaves et al. | Hierarchical tree‐based finite element mesh generation | |
CN104268934B (zh) | 一种由点云直接重建三维曲面的方法 | |
US10891786B2 (en) | Generating data for a three-dimensional (3D) printable object, including a truss structure | |
TW201301196A (zh) | 行星尺度之物件繪製 | |
CN111028335B (zh) | 一种基于深度学习的点云数据的分块面片重建方法 | |
CN101976468A (zh) | 一种多分辨率动态地形可视化方法及系统 | |
CN107240154A (zh) | 一种双孔隙三维数字岩心建模方法及装置 | |
CN112069704B (zh) | 真实混凝土试件的多自由度格构模型的构建方法 | |
CN102930597A (zh) | 一种外存三维模型的处理方法 | |
Zhou et al. | Neural network–based pore flow field prediction in porous media using super resolution | |
CN112184547B (zh) | 红外图像的超分辨率方法及计算机可读存储介质 | |
CN113281239A (zh) | 多尺度煤岩孔隙网络生成方法和装置 | |
Jaillet et al. | Fast Quadtree/Octree adaptive meshing and re-meshing with linear mixed elements | |
CN106846457B (zh) | 一种ct切片数据可视化重构的八叉树并行构造方法 | |
CN110532670B (zh) | 一种适分析样条实体模型构建方法及系统 | |
CN116740285A (zh) | 一种图像重构后的网格化方法 | |
CN115953541A (zh) | 一种四叉树lod地形生成方法、装置、设备及存储介质 | |
CN110457499A (zh) | 一种对大型点云数据的索引方法、装置、终端设备和介质 | |
CN106570934B (zh) | 针对大场景的空间隐函数建模方法 | |
CN1680943A (zh) | 分布型cad装置 | |
CN114818408A (zh) | 一种基于多孔介质孔隙结构的宏观角度建模方法 | |
KR20060069232A (ko) | 다단계 해상도를 갖는 3차원 이미지 표현 장치 및 방법 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181123 |
|
WD01 | Invention patent application deemed withdrawn after publication |