CN109146933A - 多尺度数字岩心建模方法及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种多尺度数字岩心建模方法及计算机可读存储介质，该方法包括：基于岩心样品，获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像；基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像；基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像；基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型；本发明实现了对岩心进行空间连续的多尺度表征，使得构建的数字岩心模型更加精细。

Description

多尺度数字岩心建模方法及计算机可读存储介质

技术领域

本发明涉及油气地球物理勘探领域，更具体地，涉及一种多尺度数字岩心建模方法及计算机可读存储介质。

背景技术

数字岩心是将岩石骨架矿物成分和孔隙空间用不同的整数表征后获得的数字化的岩心。储层在空间上具有强烈的尺度性，在长度尺度上有微米-毫米级的孔隙和岩石颗粒、微米级的微裂缝、厘米-米级的宏观裂缝，这种多尺度结构将对油气在储层空间中的分布和流动起控制作用。在空间上存在着不同的研究尺度，包括孔隙尺度、岩石尺度、岩体尺度和地质尺度等。而单一分辨率扫描获得的数字岩心，只能识别大于扫描分辨率尺寸以上的孔隙。对于常规储层岩心，孔隙以微米孔隙为主，亚微米及纳米孔隙对岩心渗流影响较小可以忽略不计，所以利用微米CT扫描获取的数字岩心进行声电渗流模拟可以得到和实验相近的结果。而对于致密储层(如泥页岩等)岩心，其有效的渗流孔隙多在纳米级，此时利用微米CT获取数字岩心的孔隙多为分散的不连通孔隙，无法形成渗流通道，数值模拟结果与实验相差很大。又如碳酸盐岩储层，孔隙大小变化可达好几个数量级，不同尺度上的孔隙对孔隙结构和渗流特征均有影响，单一孔隙尺寸分布的数字岩心无法精确地描述碳酸盐岩的多尺度孔隙特征。

综上所述，常规数字岩心构建方法存在两点不足：一是分辨率越高，所建岩心样品物理尺寸就越小，很难通过X射线CT扫描等构建既包括小尺度孔隙(纳米级)也包括大尺度裂缝(厘米级)的三维数字岩心；二是目前数字岩心的建模和物理属性数值模拟都还在厘米尺度或更小尺度，不能有效地解释宏观因素对岩石物理属性的影响规律。

因此有必要提供一种多尺度数字岩心建模方法，可以实现融合不同扫描分辨率下建立的三维数字岩心，构建多尺度三维数字岩心模型。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种多尺度数字岩心建模方法及系统，其能够通过基于特征点配准法进行图像配准，实现建立高分辨率的多尺度数字岩心模型。

根据本发明的一方面，提出了一种多尺度数字岩心建模方法，该方法包括：获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像；基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像；基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像；以及基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型。

根据本发明的另一方面，提出了一种多尺度数字岩心建模系统，该系统包括：用于获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像的单元；用于基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像的单元；用于基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像的单元；以及用于基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型的单元。

根据本发明的另一方面，提出了一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现以下步骤：获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像；基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像；基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像；基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型。

本发明提供了一种多尺度数字岩心建模方法及系统，解决了目前数字岩心建模技术中存在的岩心尺度与分辨率成反比的矛盾，实现了对岩心进行空间连续的多尺度表征，使得构建的数字岩心模型更加精细，为数值模拟的升尺度研究，在精细尺度上进行岩石物理属性的数值模拟奠定基础。

本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施例中将是显而易见的，或者将在并入本文中的附图和随后的具体实施例中进行详细陈述，这些附图和具体实施例共同用于解释本发明的特定原理。

附图说明

通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。

图1示出了根据本发明的多尺度数字岩心建模方法的步骤的流程图。

图2示出了根据本发明的一个实施例的构建高斯差分金字塔的示意图。

图3示出了根据本发明的一个实施例的尺度空间内的极值点检测的示意图。

图4示出了根据本发明的一个应用示例的第一尺度岩心的第一分辨率的三维图像。

图5示出了根据本发明的一个应用示例的第二尺度岩心的第二分辨率的三维图像。

图6a-图6d分别示出了根据本发明的一个应用示例的二维图像特征点提取的固定图像、固定图像特征点、浮动图像和浮动图像特征点。

图7示出了根据本发明的一个应用示例的二维图像特征点匹配图。

图8示出了根据本发明的一个应用示例的二维图像的配准图像。

图9示出了根据本发明的一个应用示例的三维图像的配准图像。

图10示出了根据本发明的一个应用示例的岩心灰度分布与矿物组分划分关系图。

图11示出了根据本发明的一个应用示例的多尺度多组分数字岩心示意图。

具体实施方式

下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

实施例1

图1示出了根据本发明的多尺度数字岩心建模方法的步骤的流程图。

在该实施例中，根据本发明的多尺度数字岩心建模方法包括：步骤101，基于岩心样品，获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像；步骤102，基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像；步骤103，基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像；以及步骤104，基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型。

该实施例基于特征点配准法进行图像配准，实现建立高分辨率的多尺度数字岩心模型。

下面详细说明根据本发明的多尺度数字岩心建模方法的具体步骤。

步骤101，基于岩心样品，获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像。

在一个示例中，所述第一尺度岩心的第一分辨率的三维图像通过CT扫描获得，所述第二尺度岩心的第二分辨率的三维图像通过离子束扫描电镜获得。

具体的，第一步，收集岩心样品，进行成分分析，得到岩心的矿物组分数据；第二步，采用CT扫描方法，获得所述第一尺度岩心的第一分辨率的三维图像，第一尺度岩心为分米-厘米级尺寸岩心，第一分辨率优选为几百微米-几微米；第三步，在第二步中所扫描的岩心上进行二次取样，钻取直径在毫米级的小岩心，即获得所述第二尺度岩心，采用离子束扫描电镜(FIB-SEM)技术，获得所述第二尺度岩心的第二分辨率的三维图像，第二分辨率优选为几百纳米-几十纳米。

步骤102，基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像。

在一个示例中，所述图像配准采用特征点配准法，所述特征点配准法包括如下步骤：

步骤1，特征点提取，基于高斯差值方程和图像的卷积求取尺度空间极值。

在一个示例中，所述尺度空间极值包括：

其中，D(x,y,σ)为所述尺度空间极值，G(x,y,σ)为尺度可变高斯函数，L(x,y,σ)为尺度空间中某一幅二维图像中任意一点，σ为尺度空间因子，*为卷积，k为固定系数，I(x,y)为描述像素点空间位置的函数，G(x,y,kσ)为与G(x,y,σ)相邻点的高斯函数，L(x,y,kσ)为与L(x,y,σ)相邻的点，x为尺度空间中的点的x轴坐标，y为尺度空间中的点的y轴坐标。

为了使特征具有尺度不变性，特征点的检测是在多尺度空间完成的。一幅二维图像的尺度空间定义为公式(3)：

L(x,y,σ)＝G(x,y,σ)*I(x,y) (3)

G(x,y,σ)为尺度可变高斯函数，具体表达式为公式(4)

其中，为*表示卷积，(x,y)代表图像的像素位置，σ为尺度空间因子，σ值越小表示图像被平滑的越少，相应的尺度也就越小；即第一尺度对应于图像的粗特征，第二尺度对应于图像的细节特征。

为了提高在尺度空间检测稳定特征点的效率，利用高斯差值方程同图像的卷积求取尺度空间极值，用D(x,y,σ)表示，即用与固定的系数k相乘的相邻的两个尺度的差值计算

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)

＝L(x,y,kσ)-L(x,y,σ) (1)

图2示出了根据本发明的一个实施例的构建高斯差分金字塔的示意图。

如图2所示，在实际的尺度不变特征点提取中，将高斯尺度空间金字塔引入尺度空间。高斯尺度空间金字塔有两个概念：组和层。一个金字塔分为多组，每组里有若干层，第一组的第一层(a幅)一般是原始图像的二倍插值放大图像，以后每组图像的第一层由上一组第一层2倍降采样得到，获得高斯金字塔图像后，采用不同尺度因子的高斯核对图像进行卷积以得到图像的不同尺度空间，每组图像中相邻图像相减，得到高斯差分图像。

图3示出了根据本发明的一个实施例的尺度空间内的极值点检测的示意图。

为了寻找尺度空间的极值点，每一个采样点要和它的所有相邻点比较。如图3所示，被检测点和它同尺度的8个相邻点和上下相邻尺度的9x2个相邻点，共26个点比较，只有在尺度空间和二维图像空间都满足极大值或极小值的要求才是极值点。删除低对比度的极值点和不稳定的边缘响应点，获得特征极值点尺度，同时对特征极值点精确定位。

步骤2，特征点描述，基于特征点邻域像素的梯度方向分布特性指定所述特征点的方向参数。

在一个示例中，所述方向参数包括：

其中，m(x,y)为尺度空间中某一幅二维图像中任意一点的梯度幅值，θ(x,y)为尺度空间中某一幅二维图像中任意一点的方向。

利用特征点邻域像素的梯度方向分布特性为每个特征点指定方向参数，从而使算子具备旋转不变性。设L(x,y,σ)为尺度空间中某一幅图像中任意一点，则其梯度幅值m(x,y)和方向θ(x,y)可表示为公式(2)：

θ(x,y)＝tan^-1((L(x,y+1)-L(x,y-1)/(L(x+1,y)-L(x-1,y)) (2)

在以特征点为中心的邻域窗口内采样，并用梯度方向直方图来统计邻域像素的梯度方向。梯度直方图的范围是0°～360°，其中每10°为一个柱，总共36个柱。梯度方向直方图的峰值则代表了该特征点处邻域梯度的主方向，即作为该特征点的主方向。在梯度方向直方图中，当存在另一个相当于主峰值80％能量的峰值时，则将这个方向认为是该特征点的辅方向。一个特征点可能会被指定具有多个方向，即一个主方向和一个以上辅方向，这样指定可以增强匹配的效率。

特征点描述的目的是用一个具有独特性的特征向量把特征点描述出来。特征向量不仅要包括特征点本身的信息，一般也包括特征点邻域的信息。这个描述特征点信息的向量，一般用来作为特征点匹配的依据。通过采用不同特征点描述方法，可使特征点具有不同的特性，如对于图像模糊、平移、旋转、仿射变换具有不变性等。

步骤3，特征点匹配，基于高维空间中的特征向量和参考向量的夹角的近似最近邻进行搜索。

在上述算法的实际应用过程中，特征点的匹配是最重要的步骤之一。特征点用一个包含邻域梯度信息的128维向量来描述，因此本质上特征点的匹配是高维空间中特征向量的最近邻搜索问题。

为了提高特征向量的匹配速度，这里采用了一种基于向量夹角的近似最近邻搜索算法。此算法，首先，计算高维空间向量与随机选择的参考向量的夹角，并根据夹角对向量库中的向量进行排序。根据查询向量与参考向量的夹角，采用二分搜索算法在已排序的夹角中查找与其相等或最近的夹角；然后，在以此夹角为中心一定范围内的向量中，利用穷举搜索法查询给定向量的近似最近邻，从而避免每次查询都与特征向量库中所有向量进行比较。

步骤4，通过匹配的所述特征点求解变换矩阵获得二维的配准图像，进而通过对所有二维的配准图像的叠加获得所述配准图像。

根据匹配的特征点可以求解出最终的变换矩阵，通过对获得的每个第一尺度岩芯的第一分辨率的二维图像进行变换操作并重采样，得到每个最终的第二分辨率的二维配准图像；通过对所有的第二分辨率的二维配准图像进行叠加处理，获得所述配准图像。

步骤103，基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像。

基于所述配准图像，以第一尺度的第二分辨率数据的边界作为新的边界，以第一分辨率和第二分辨率两种分辨率进行插值和重采样，获得所述第一尺度岩心的第二分辨率的三维图像。

三维图像是由若干个二维图像叠加而成，对每个二维图像进行插值和重采样，然后将得到的新的二维图像按照原来的空间位置叠加，得到三维图像。

步骤104，基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型。

将所述岩心的矿物组分数据和所述第一尺度岩心的第二分辨率的三维图像一一对应，进而得到每一种矿物组分的灰度展布范围；经过孔隙分割与骨架矿物分割，将所述第一尺度岩心的第二分辨率的三维图像刻度为岩心组分的集合，便得到了多尺度、多组分的数字岩心模型。

应用示例

为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。

以西南地区页岩储层岩心为例进行说明。

第一步，采集页岩岩心进行取样和矿物组分分析。在页岩样品上钻取直径50毫米，长度约800毫米的圆柱状岩心，此圆柱状岩心的尺寸属于第一尺度，在烘箱中用40度左右温度烘烤72小时，准备用于CT扫描；对页岩岩心进行矿物组分分析，获得岩心主要矿物类型及含量数据。

第二步，对第一步中获得的第一尺度的圆柱状岩心进行CT扫描，由于样品尺寸的限制，扫描采用的分辨率只能达到75微米，即第一分辨率。扫描完成后，重构出第一尺度岩心的第一分辨率的三维图像，如图4所示。

第三步，在扫描完的第一尺度的圆柱状岩心上进行二次取芯，钻取直径2毫米，长5毫米的岩心，此岩心的尺寸属于第二尺度。

第四步，对第二尺度岩心进行FIB-SEM分析，由于岩心尺寸小，可以达到300纳米分辨率，即第二分辨率。根据SEM图像，重构出第二尺度岩心的第二分辨率的三维图像，如图5所示。

第五步，将第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像，图像配准采用特征点配准法。

如图6a-图6d所示，图6a和图6c两幅图像有部分的重合区域，图像配准的过程中以其中一幅图像(图6a)作为固定图像，另外一幅图像(图6c)作为浮动图像。依据配准的步骤，首先是提取各自图像的特征点。图6b为固定图像提取得到的特征点，图6d为浮动图像提取的特征点。提取完特征点之后进行特征点之间的匹配，利用上面提到的方法检验两幅图像特征点之间的一致性，任意匹配成功的两个特征点均对应一个空间变换矩阵。利用随机抽样检测一致性的原则可以将错误的匹配点剔除。如图7所示为剔除大部分的错误匹配点后的匹配图像，可以看到两幅图像之间是一个平移的关系。根据匹配的特征点可以求解出最终的变换矩阵，通过对浮动图像进行变换操作并重采样，得到最终的二维图像的配准结果，如图8所示。最后，通过对所有的二维配准图像进行叠加处理，获得所述配准图像。

利用上面介绍的图像配准方法对所述同一块页岩样品不同分辨率的两组三维图像进行了配准。分别做了75微米和300纳米两种分辨率的扫描。配准之前的扫描图像之间有一定的空间位置的偏移。以300纳米高分辨率的扫描数据作为固定图像，以75微米低分辨率的扫描数据作为浮动图像，利用特征点信息作为图像间的相似性度量进行两组数据的图像配准操作。利用最终的变换矩阵对低分辨率数据进行空间变换，得到每个最终的第二分辨率的二维配准图像；通过对所有的第二分辨率的二维配准图像进行叠加处理，获得所述配准图像，配准之后的结果如图9所示。

第六步，基于所述配准图像，以75微米高分辨率数据的边界作为新的边界，以75微米和300纳米两种分辨率进行插值和重采样，获得所述第一尺度岩心的第二分辨率的三维图像。

第七步，数字岩心建模。根据第五步得到的高分辨率配准图像，结合矿物分析结果将图像数字化，构建数字岩心模型。

将CT成像、扫描电镜成像和矿物定量分析相结合，可以将矿物组分和第一尺度岩心的第二分辨率的三维成像一一对应，进而得到每一种矿物的灰度展布范围，如图10所示，图中列出了样品中含量最多的五种矿物。从矿物灰度展布可以看出矿物成分与灰度值并非严格对应，相互之间有一定的交叉，如斜长石与伊利石和石英都有一定的灰度交叉。在骨架分割过程中，首先对有确定性对应关系的体素赋予相应的矿物组分，对于交叉部分的体素点，通过检索其周围26个相邻体素的矿物组分，赋与占比最大的矿物组分。

经过孔隙分割与骨架矿物分割，将第一尺度岩心的第二分辨率的三维成像刻度为岩心组分的集合，便得到了多尺度、多组分的数字岩心模型。如图11所示，左侧为粗尺度模型，右侧为细尺度模型，对应于粗尺度模型的一部分。为了便于区分，图中孔隙均为相应分辨率下的可识别孔隙，每一点仅标识为其占比最大的组分。

本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。

实施例2

根据本发明的实施例，提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现以下步骤：

步骤1：基于岩心样品，获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像；

步骤2：基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像；

步骤3：基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像；

步骤4：基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型。

在一个示例中，所述第一尺度岩心的第一分辨率的三维图像通过CT扫描获得，所述第二尺度岩心的第二分辨率的三维图像通过离子束扫描电镜获得。

在一个示例中，所述图像配准采用特征点配准法，所述特征点配准法包括如下步骤：

步骤1，特征点提取，基于高斯差值方程和图像的卷积求取尺度空间极值；

步骤2，特征点描述，基于特征点邻域像素的梯度方向分布特性指定所述特征点的方向参数；

步骤3，特征点匹配，基于高维空间中的特征向量和参考向量的夹角的近似最近邻进行搜索。

步骤4，通过匹配的所述特征点求解变换矩阵获得二维的配准图像，进而通过对所有二维的配准图像的叠加获得所述配准图像。

在一个示例中，所述尺度空间极值包括：

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)

＝L(x,y,kσ)-L(x,y,σ)

其中，D(x,y,σ)为所述尺度空间极值，G(x,y,σ)为尺度可变高斯函数，L(x,y,σ)为尺度空间中某一幅二维图像中任意一点，σ为尺度空间因子，*为卷积，k为固定系数，I(x,y)为描述像素点空间位置的函数，G(x,y,kσ)为与G(x,y,σ)相邻点的高斯函数，L(x,y,kσ)为与L(x,y,σ)相邻的点，x为尺度空间中的点的x轴坐标，y为尺度空间中的点的y轴坐标。

在一个示例中，所述方向参数包括：

θ(x,y)＝tan^-1((L(x,y+1)-L(x,y-1)/(L(x+1,y)-L(x-1,y))

其中，m(x,y)为尺度空间中某一幅二维图像中任意一点的梯度幅值，θ(x,y)为尺度空间中某一幅二维图像中任意一点的方向。

本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种多尺度数字岩心建模方法，其特征在于，该方法包括：

获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像；

基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像；

基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像；

基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型。

2.根据权利要求1所述的多尺度数字岩心建模方法，其中，所述第一尺度岩心的第一分辨率的三维图像通过CT扫描获得，所述第二尺度岩心的第二分辨率的三维图像通过离子束扫描电镜获得。

3.根据权利要求1所述的多尺度数字岩心建模方法，其中，所述图像配准采用特征点配准法，所述特征点配准法包括如下步骤：

特征点提取，基于高斯差值方程和图像的卷积求取尺度空间极值；

特征点描述，基于特征点邻域像素的梯度方向分布特性指定所述特征点的方向参数；

特征点匹配，基于高维空间中的特征向量和参考向量的夹角的近似最近邻进行搜索。

通过匹配的所述特征点求解变换矩阵获得二维的配准图像，进而通过对所有二维的配准图像的叠加获得所述配准图像。

4.根据权利要求3所述的多尺度数字岩心建模方法，其中，所述尺度空间极值包括：

其中，D(x,y,σ)为所述尺度空间极值，G(x,y,σ)为尺度可变高斯函数，L(x,y,σ)为尺度空间中某一幅二维图像中任意一点，σ为尺度空间因子，*为卷积，k为固定系数，I(x,y)为描述像素点空间位置的函数，G(x,y,kσ)为与G(x,y,σ)相邻点的高斯函数，L(x,y,kσ)为与L(x,y,σ)相邻的点，x为尺度空间中的点的x轴坐标，y为尺度空间中的点的y轴坐标。

5.根据权利要求3所述的多尺度数字岩心建模方法，其中，所述方向参数包括：

其中，m(x,y)为尺度空间中某一幅二维图像中任意一点的梯度幅值，θ(x,y)为尺度空间中某一幅二维图像中任意一点的方向。

6.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现以下步骤：

获得岩心的矿物组分数据、第一尺度岩心的第一分辨率的三维图像和第二尺度岩心的第二分辨率的三维图像；

基于所述第一尺度岩心的第一分辨率的三维图像和所述第二尺度岩心的第二分辨率的三维图像进行图像配准，获得配准图像；

基于所述第二分辨率和所述配准图像，通过插值算法和图像重构，获得所述第一尺度岩心的第二分辨率的三维图像；

基于所述第一尺度岩心的第二分辨率的三维图像和所述岩心的矿物组分数据进行图像数字化处理，构建数字岩心模型。

7.根据权利要求6所述的计算机可读存储介质，其中，所述第一尺度岩心的第一分辨率的三维图像通过CT扫描获得，所述第二尺度岩心的第二分辨率的三维图像通过离子束扫描电镜获得。

8.根据权利要求6所述的计算机可读存储介质，其中，所述图像配准采用特征点配准法，所述特征点配准法包括如下步骤：

特征点提取，基于高斯差值方程和图像的卷积求取尺度空间极值；

特征点描述，基于特征点邻域像素的梯度方向分布特性指定所述特征点的方向参数；

特征点匹配，基于高维空间中的特征向量和参考向量的夹角的近似最近邻进行搜索。

通过匹配的所述特征点求解变换矩阵获得二维的配准图像，进而通过对所有二维的配准图像的叠加获得所述配准图像。

9.根据权利要求8所述的计算机可读存储介质，其中，所述尺度空间极值包括：

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)

＝L(x,y,kσ)-L(x,y,σ)

其中，D(x,y,σ)为所述尺度空间极值，G(x,y,σ)为尺度可变高斯函数，L(x,y,σ)为尺度空间中某一幅二维图像中任意一点，σ为尺度空间因子，*为卷积，k为固定系数，I(x,y)为描述像素点空间位置的函数，G(x,y,kσ)为与G(x,y,σ)相邻点的高斯函数，L(x,y,kσ)为与L(x,y,σ)相邻的点，x为尺度空间中的点的x轴坐标，y为尺度空间中的点的y轴坐标。

10.根据权利要求8所述的计算机可读存储介质，其中，所述方向参数包括：

θ(x,y)＝tan^-1((L(x,y+1)-L(x,y-1)/(L(x+1,y)-L(x-1,y))

其中，m(x,y)为尺度空间中某一幅二维图像中任意一点的梯度幅值，θ(x,y)为尺度空间中某一幅二维图像中任意一点的方向。