CN109372497A - 一种超声成像动态均衡处理的方法 - Google Patents

Abstract

本发明公开了一种超声成像动态均衡处理的方法，包括：对输入超声成像图像进行平滑滤波，将超声输入图像与进行平滑滤波后的图像进行相减，得到高频分量，对平滑滤波图像进行椭圆拟合出椭圆中心偏移量，然后对该椭圆中心偏移量进行偏心校正，将校正结果与所得的高频分量相加，得到输入超声成像图像预处理结果；对预处理结果进行动态均衡处理，得到最终的处理结果。本发明处理效果，明显优于国外贝克休斯软件处理效果，能够显著提高裂缝等地质特征的分辨率和对比度。

Description

一种超声成像动态均衡处理的方法

技术领域

本发明属于石油开发和工程领域，是一种超声成像动态均衡处理的方法。

背景技术

随着测井技术的发展，超声成像仪器在裸眼井、套管井都有广泛的应用。在裸眼井中和微电阻率扫描组合使用，在井旁构造缝洞识别等有着重要的应用。套管井中在套损检测也有着一定的应用。超声仪器测量的数据值动态范围大，分辨率低，需要对成像数据进行进一步的增强处理，提高图像的分辨率、对比度。图像动态均衡处理就是一个很重要的处理方法。但是现有的传统动态均衡处理方法，存在一些问题，只从图像均衡处理角度进行处理，没有考虑偏心的影响，处理导致处理结果的裂缝显示不清晰。本发明采用了新的流程进行处理，达到了较好的处理效果。

发明内容

本发明的目的是针对目前超声图像动态均衡处理存在的分辨率不高、裂缝显示不清晰等问题，采用了新的均衡处理流程。本发明处理流程具备创新性，处理效果优于目前在用的国外贝克休斯软件处理效果，已经应用到了油田超声图像的数据处理中，得到了较好的处理效果，得到了油田的肯定和认可。

本发明的目的是通过下述技术方案来实现的。

一种超声成像动态均衡处理方法，包括以下步骤：

步骤1，对输入超声成像图像进行平滑滤波；

步骤2，将超声输入图像与进行平滑滤波后的图像进行相减，得到高频分量；

步骤3，对平滑滤波图像进行椭圆拟合出椭圆中心偏移量，然后对该椭圆中心偏移量进行偏心校正；

步骤4，将步骤3的校正结果与步骤2所得的高频分量相加，得到输入超声成像图像预处理结果；

步骤5，对预处理结果进行动态均衡处理，得到最终的处理结果。

对于上述技术方案，本发明还有进一步优选的方案：

优选的，对超声成像图像进行11*11～25*25滤波，滤除图像细节分量，保留图像低频分量，得到平滑滤波图像。

优选的，高频分量通过以下方式得到：

超声图像IMG是由高频细节分量HighCom和低频分量LowCom组成，计算高频分量为后续处理做准备。由下式计算高频分量：

HighCom(i,j)＝IMG(i,j)-LowCom(i,j)

i＝0,1,…N-1,j＝0,1,….M-1，

其中，IMG表示超声图像数据，HighCom表示超声图像高频细节分量，LowCom表示超声图像低频细节分量，N，M表示超声图像IMG、高频细节分量HighCom、低频分量LowCom共有N行，M列数据，i,j为整数，表示高频细节分量HighCom和低频分量LowCom的第i行，第j列。

优选的，对平滑滤波图像进行椭圆拟合偏心校正，通过下式进行校正：

θ_j＝(2*π*j/M),

i＝0,1,…N-1,j＝0,1,….M-1，

其中，(x_0,y₀)表示椭圆中心偏移量，θ_j表示低频分量LowCom的(i,j)数据对应的方位。

其中，Corr(i,j)表示超声图像偏心校正结果，(x_0,y₀)表示椭圆中心偏移量，θ_j表示低频分量LowCom的(i,j)数据对应的方位，i,j为整数，表示超声图像偏心校正结果Corr和低频分量LowCom的第i行，第j列，N，M表示超声图像偏心校正结果Corr、低频分量LowCom共有N行，M列数据。

优选的，步骤4中，输入超声成像图像校正结果通过下式得到：

PreResult(i,j)＝Corr(i,j)+HighCom(i,j)

i＝0,1,…N-1,j＝0,1,….M-1。

其中，PreResult(i,j)表示超声图像预处理结果，Corr(i,j)表示超声图像偏心校正结果，HighCom(i,j)表示高频细节分量，i,j为整数，表示偏心校正结果Corr(i,j)和高频细节分量HighCom的第i行，第j列，N，M表示超声图像预处理结果PreResult、高频分量HighCom共有N行，M列数据。

相对于现有传统图像均衡处理技术，本发明的有益效果在于：

本发明首先对超声图像进行17*17窗长滤波，原图像与滤波结果相减，得到高频细节分量，对滤波结果进行偏心校正，偏心校正结果和高频细节分量相加，得到新的预处理结果，最后对新的校正结果，进行动态均衡处理。本发明处理效果，明显优于国外贝克休斯软件处理效果，能够显著提高裂缝等地质特征的分辨率和对比度，得到了高度认可。

附图说明

图1为本发明处理流程示意图；

图2a-2f分别为实施例1中处理效果Ⅰ示意图；其中，图2a为输入超声成像图像；图2b为原静态图像处理效果示意图；图2c为原动态图像处理效果示意图；图2d为采用本发明方法处理图像的处理效果示意图；图2e为国外贝壳修斯静态图像处理效果示意图；图2f为国外贝壳修斯动态图像处理效果示意图；

图3a-3f为实施例1中处理效果Ⅱ示意图；其中，图3a为输入超声成像图像；图3b为原静态图像处理效果示意图；图3c为原动态图像处理效果示意图；图3d为采用本发明方法处理图像的处理效果示意图；图3e为国外贝壳修斯静态图像处理效果示意图；图3f为国外贝壳修斯动态图像处理效果示意图。

具体实施方式

下面结合具体相关流量测井数据，对本发明的具体的实施方式进行说明。

本发明的超声成像动态均衡处理方法，包括以下步骤：

步骤1，对输入超声成像图像进行平滑滤波，程序中采用17*17滤波。对超声成像图像进行11*11～25*25滤波，滤除图像细节分量，保留图像低频分量，得到平滑滤波图像。

步骤2，将超声输入图像与进行平滑滤波后的图像进行相减，得到高频分量。

超声图像IMG是由高频细节分量HighCom和低频分量LowCom组成，由下式计算高频分量：

HighCom(i,j)＝IMG(i,j)-LowCom(i,j)

i＝0,1,…N-1,j＝0,1,….M-1，

其中，IMG表示超声图像数据，HighCom表示超声图像高频细节分量，LowCom表示超声图像低频细节分量，N，M表示超声图像IMG共有N行，M列数据，i,j为整数，表示高频细节分量HighCom和低频分量LowCom的第i行，第j列。

步骤3，对平滑滤波图像进行椭圆拟合出椭圆中心偏移量，然后对该椭圆中心偏移量进行偏心校正，通过下式进行校正：

θ_j＝(2*π*j/M),

i＝0,1,…N-1,j＝0,1,….M-1，

其中，Corr(i,j)表示超声图像偏心校正结果，(x_0,y₀)表示椭圆中心偏移量，θ_j表示低频分量LowCom的(i,j)数据对应的方位，i,j为整数，表示超声图像偏心校正结果Corr和低频分量LowCom的第i行，第j列。

步骤4，将步骤3的校正结果与步骤2所得的高频分量相加，得到输入超声成像图像预处理结果，通过下式得到：

PreResult(i,j)＝Corr(i,j)+HighCom(i,j)

i＝0,1,…N-1,j＝0,1,….M-1

其中，PreResult(i,j)表示超声图像预处理结果，Corr(i,j)表示超声图像偏心校正结果，HighCom(i,j)表示高频细节分量，i,j为整数，表示偏心校正结果Corr(i,j)和高频细节分量HighCom的第i行，第j列，N，M表示超声图像共有N行，M列数据。

步骤5，对预处理结果进行动态均衡处理，得到最终的处理结果。

本程序处理流程参照处理流程图1。处理效果图2a-2f、图3a-3f。从处理效果图2a-2f来看，图2a为原图，原开发的静态图2b、动态图2c处理效果和贝克休斯处理的静态图2e、动态图2f相当，本发明处理效果图2d比贝壳分辨率高、裂缝清晰。图3a-3f中，6758-6760深度段贝克休斯处理的静态图3b、动态图3c像几乎没有裂缝信息，本发明处理效果图3d可以清晰的看到相关裂缝信息，处理效果很好。

以上对本发明实施例所提供的实施方案进行了详细介绍，本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种超声成像动态均衡处理的方法，其特征在于，包括以下步骤：

步骤1，对输入超声成像图像进行平滑滤波；

步骤2，将超声输入图像与进行平滑滤波后的图像进行相减，得到高频分量；

步骤3，对平滑滤波图像进行椭圆拟合出椭圆中心偏移量，然后对该椭圆中心偏移量进行偏心校正；

步骤4，将步骤3的校正结果与步骤2所得的高频分量相加，得到输入超声成像图像预处理结果；

步骤5，对预处理结果进行动态均衡处理，得到最终的处理结果。

2.根据权利要求1所述的方法，其特征在于，步骤1中，对超声成像图像进行11*11～25*25滤波，滤除图像细节分量，保留图像低频分量，得到平滑滤波图像。

3.根据权利要求1所述的方法，其特征在于，步骤2中，高频分量通过以下方式得到：

超声图像IMG是由高频细节分量HighCom和低频分量LowCom组成，由下式计算高频分量：

HighCom(i,j)＝IMG(i,j)-LowCom(i,j)

i＝0,1,...N-1,j＝0,1,....M-1，

其中，IMG表示超声图像数据，HighCom表示超声图像高频细节分量，LowCom表示超声图像低频细节分量，N，M表示超声图像IMG共有N行，M列数据，i,j为整数，表示高频细节分量HighCom和低频分量LowCom的第i行、第j列。

4.根据权利要求3所述的方法，其特征在于，步骤3中，对平滑滤波图像进行椭圆拟合偏心校正，通过下式进行校正：

θ_j＝(2*π*j/M),

i＝0,1,...N-1,j＝0,1,....M-1，

其中，Corr(i,j)表示超声图像偏心校正结果，(x_0,y₀)表示椭圆中心偏移量，θ_j表示低频分量LowCom的(i,j)数据对应的方位，i,j为整数，表示超声图像偏心校正结果Corr和低频分量LowCom的第i行，第j列。

5.根据权利要求1所述的方法，其特征在于，步骤4中，输入超声成像图像校正结果通过下式得到：

PreResult(i,j)＝Corr(i,j)+HighCom(i,j)

i＝0,1,...N-1,j＝0,1,....M-1

其中，PreResult(i,j)表示超声图像预处理结果，Corr(i,j)表示超声图像偏心校正结果，HighCom(i,j)表示高频细节分量，i,j为整数，表示偏心校正结果Corr(i,j)和高频细节分量HighCom的第i行，第j列，N，M表示超声图像共有N行，M列数据。