CN110363848A - 一种基于数字岩心的孔隙网络模型的可视化方法及装置 - Google Patents

一种基于数字岩心的孔隙网络模型的可视化方法及装置 Download PDF

Info

Publication number
CN110363848A
CN110363848A CN201810316212.9A CN201810316212A CN110363848A CN 110363848 A CN110363848 A CN 110363848A CN 201810316212 A CN201810316212 A CN 201810316212A CN 110363848 A CN110363848 A CN 110363848A
Authority
CN
China
Prior art keywords
data
hole
pore network
network model
venturi
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
Application number
CN201810316212.9A
Other languages
English (en)
Inventor
孔强夫
胡松
王晓畅
李军
金武军
邹友龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Exploration and Production Research Institute
China Petrochemical Corp
Original Assignee
Sinopec Exploration and Production Research Institute
China Petrochemical Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sinopec Exploration and Production Research Institute, China Petrochemical Corp filed Critical Sinopec Exploration and Production Research Institute
Priority to CN201810316212.9A priority Critical patent/CN110363848A/zh
Publication of CN110363848A publication Critical patent/CN110363848A/zh
Pending legal-status Critical Current

Links

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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Processing Or Creating Images (AREA)

Abstract

公开了一种基于数字岩心的孔隙网络模型的可视化方法及装置。所述方法包括：基于岩心样本的CT扫描灰度图像获取孔隙网络的原始输入数据；利用最大球算法对所述原始输入数据进行计算，以生成孔隙数据和喉道数据；基于所述孔隙数据和所述喉道数据提取每个孔隙和喉道的坐标、半径和RGB值，并形成txt文件；基于所述txt文件中的数据，利用球体表示孔隙，利用管状结构表示喉道，在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。本发明具有方法原理可靠、易于理解、实际可操作性强等优点，并且能够解决图像处理软件难以解决大容量数据体的显示时间慢及孔隙半径等级进行分级颜色显示的难题，为后期在孔隙网络模型基础上进行岩石物理属性模拟和计算奠定基础。

Description

一种基于数字岩心的孔隙网络模型的可视化方法及装置
技术领域
本发明涉及数字岩石物理中的建模技术，更具体地，涉及一种基于数字岩心的孔隙网络模型的可视化方法及装置。
背景技术
由于直接以数字岩心为平台进行岩石物理属性模拟的时间非常长，尤其是进行两相或多相流模拟，而且基于数字岩心很难开展岩石微观属性对多相渗流的影响规律分析，因此构建拓扑结构和几何特征与数字岩心相同的孔隙网络模型进行渗流属性模拟和计算变得十分重要。随着X射线CT技术的出现，可以比较精确地获得反映储层岩石微观结构的三维图像，也就是数字岩心，以此对储层岩石进行定量表征，可以得到反映储层岩石微观结构的孔隙模型。基于数字岩心构建的孔隙网络模型是目前孔隙模型发展的最高水平，构建方法有很多种，其中最常用的是最大球方法。
该方法最早由Silin等人提出(Silin D B,Jin G.,Patzek TW.RobustDetermination of Pore Space Morphology in Sedimentary Rocks,Paper SPE 84296,Proceedings of SPE Annual Technical Conference and Exhibition,Denver,Colorado,USA,2003.)，用来识别数字岩心的孔隙和喉道，Silin只是计算了无量纲的排替毛管压力曲线而没有提取孔隙网络模型，但是他的工作为后来研究者提供了研究思路；Al-Kharusi和Blunt发展了Silin等人的最大球算法(Al-Kharusi A S,Blunt M J.NetworkExtraction from Sandstone and Carbonate Pore Space Images.Journal ofPetroleum Science and Engineering,2007,56:219-231.)，它们对最大球之间相互关系的定义更加全面，提出了友球的概念，友球是指相交且半径相等的最大球互为友球，这样可以解决将孔隙空间转化为最大球过程中的概念不清晰，Al-Kharusi和Blunt构建了碳酸盐岩和砂岩数字岩心等效的孔隙网络模型，但是他们的算法需要占用大量的内存，并且运行时间很长；Dong改进了Silin、Al-Kharusi的最大球方法(Dong H.Micro-CT imaging andpore network extraction[D].London,Imperial College,2007)。Silin将每一个孔隙体素逐步膨胀来寻找该孔隙体素对应的最大球，Dong采用两步寻找算法确定每个孔隙体素对应的最大球，极大的提高了运算效率，同时Dong改进后的算法也不再采用主球、仆球和友球这一分类关系，而是根据最大球的半径和等级，采用一种树状结构和成簇算法确定数字岩心孔隙空间的孔隙和喉道。树状结构的根节点定义为孔隙，两根节点共同的叶节点定义为喉道，Dong改进后的最大球算法极大地提高了建模速度，并且减少了内存的占用。
目前数字岩心领域国内外学者大都采用Dong的这一算法，可以实现孔隙网络模型参数提取但没有公开这一算法的具体实现程序；另外一方面，孔隙网络模型参数提取之后如何实现直观的三维显示目前大都借助于成熟的图像处理软件如ImageJ、Rhino、Avizo、Pergeos等，该流程实现三维直观显示的时间长且对输入的孔隙网络型数据大小有严格的要求，最重要的这些软件对于孔隙和喉道的颜色显示过于单一难以根据不同孔隙半径等级实现孔隙网络模型的直观显示。因此，有必要开发一种能够直观显示岩心拓扑结构的孔隙网络模型的可视化方法。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
为了解决现有技术中的上述问题，本发明提出了一种基于数字岩心的孔隙网络模型的可视化方法，包括：
1)基于岩心样本的CT扫描灰度图像获取孔隙网络的原始输入数据；
2)利用最大球算法对所述原始输入数据进行计算，以生成孔隙数据和喉道数据；
3)基于所述孔隙数据和所述喉道数据提取每个孔隙和喉道的中心点坐标、半径和RGB值，并形成txt文件；
4)基于所述txt文件中的数据，利用球体表示孔隙，利用管状结构表示喉道，在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
优选地，通过以下方式获取孔隙网络的原始输入数据：
将岩心样本的CT扫描灰度图像进行去噪、滤波二值化分割处理，生成二进制文件，其中，0代表孔隙，1代表骨架。
优选地，所述方法还包括：将二进制的原始输入数据中的1替换为0，以添加裂缝。
优选地，在步骤4)之前，对所述txt文件中的数据进行归一化处理。
优选地，通过将所述txt文件中的经归一化处理的数据映射到mathematics程序中的Temperature Map函数中，实现在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
根据本发明的另一方面，提出一种基于数字岩心的孔隙网络模型的可视化装置，包括：
原始数据获取模块，用于基于岩心样本的CT扫描灰度图像获取孔隙网络的原始计算数据；
计算模块，用于利用最大球算法对所述原始输入数据进行计算，以生成孔隙数据和喉道数据；
txt文件生成模块，用于基于所述孔隙数据和所述喉道数据提取每个孔隙和喉道的中心点坐标、半径和RGB值，并形成txt文件；
显示模块，用于基于所述txt文件中的数据，利用球体表示孔隙，利用管状结构表示喉道，在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
优选地，通过以下方式获取孔隙网络的原始输入数据：
将岩心样本的CT扫描灰度图像进行去噪、滤波二值化分割处理，生成二进制文件，其中，0代表孔隙，1代表骨架。
优选地，所述装置还包括交互显示模块，用于通过将二进制的原始输入数据中的1替换为0以添加裂缝。
优选地，还包括归一化模块，用于对所述txt文件中的数据进行归一化处理。
优选地，通过将所述txt文件中的经归一化处理的数据映射到mathematics程序中的Temperature Map函数中，实现在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
本发明所提出的基于数字岩心的孔隙网络模型三维可视化方法及装置不仅能够输出孔隙网络模型参数而且能快速直观地显示数字岩心孔隙网络拓扑结构，对不同的数据输入格式及大小有很强的适用性。与传统方法和手段相比，本发明具有方法原理可靠、易于理解、实际可操作性强等优点，并且能够解决图像处理软件难以解决大容量数据体的显示时间慢及孔隙半径等级进行分级颜色显示的难题，为后期在孔隙网络模型基础上进行岩石物理属性模拟和计算奠定基础，在日益兴起的数字岩心技术在非常规储层的岩石物理响应机理及微观因素对宏观物理属性的影响规律研究中具有重大的应用价值。
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方式进行更详细的描述，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方式中，相同的参考标号通常代表相同部件。
图1为根据本发明的示例性实施方式的基于数字岩心的孔隙网络模型的可视化方法的流程图；
图2为Berea砂岩三维孔隙网络模型；
图3为对Berea砂岩二维图像人工施加裂缝后的结果；
图4为Berea砂岩加裂缝三维孔隙网络模型；
图5为应用本发明的示例性实施方式实现的某实际岩心的孔隙网络模型三维显示。
具体实施方式
构建反映真实岩心孔隙空间的孔隙网络模型不仅可以直观的显示岩心内部拓扑结构，而且能极大的缩短以数字岩心为平台的岩石物理属性如渗透率模拟时间。本发明公开了最大球算法实现孔隙网络模型参数提取的具体流程，同时打破传统图像处理商业软件进行孔隙网络模型直观显示的束缚，自主实现了孔隙网络三维直观的交互式显示。
下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式，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方式所限制。相反，提供这些实施方式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。
图1为根据本发明的示例性实施方式的示例性实施方式的基于数字岩心的孔隙网络模型的可视化方法的流程图。如图1所示，该方法包括：
步骤1：基于岩心样本的CT扫描灰度图像获取孔隙网络的原始输入数据。
将岩心样品经CT扫描得到灰度图像，对灰度图像进行去噪、滤波二值化分割处理之后转换为0,1数据文件，即二进制文件，一般为dat格式，其中0代表孔隙，1代表骨架。
步骤2：利用最大球算法对所述原始输入数据进行计算，以生成孔隙数据和喉道数据。
基于最大球算法提取孔隙网络模型主要分为以下几个步骤：(1)搜索最大球；(2)取出冗余球；(3)最大球聚合；(4)孔喉分割；(5)参数计算。
利用最大球算法提取孔隙网络模型可以得到孔隙半径、喉道半径分布、孔喉比、配位数等参数。
具体地，以孔隙空间内任意一点为中心设置一个微半径球，随后逐渐增大球的半径直至接触岩石表面，最终整个孔隙空间被一系列相互包含、交叠的球充填。由于球与球之间存在相互交叠和包含，需要删除冗余信息，遍历所有球，删除所有被包含的球，然后将这些球连接成链路。假如某两个像素分别形成的最大球出现重叠，则半径大的为主球，小的为仆球。基于计算机中树的概念，局部最大球为根节点，与其相邻的球为它的子节点，子节点再寻找自身子节点，当一个球同时出现两个根节点就认为是链路连通。
利用最大球算法对原始二值化数据进行运算，最终会生成包括孔隙跟喉道信息的数据，具体来讲孔隙信息数据有：孔隙数目编号、孔隙半径、孔隙体积、孔隙连通数量、孔隙配位数等；喉道信息数据包括：喉道数目编号、喉道半径、喉道长度、喉道体积等。
步骤3：基于所述孔隙数据和所述喉道数据提取每个孔隙和喉道的中心点坐标、半径和RGB值，并形成txt文件。
从步骤2中生成的孔隙数据提取每个孔隙的中心点坐标、孔隙半径和RGB值，并将这些数据存储在txt文件中。
从步骤2中生成的喉道数据提取每个喉道的中心点坐标、喉道半径和RGB值，并将这些数据存储在txt文件中。
将孔隙的数据和喉道的数据存储在同一个txt文件中。
在一个示例中，基于孔隙和喉道的中心点坐标、半径和灰度值形成txt文件。
步骤4：基于所述txt文件中的数据，利用球体表示孔隙，利用管状结构表示喉道，在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
具体地，可以通过将所述txt文件中的经归一化处理的数据映射到mathematics程序中的Temperature Map函数中，实现在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
在一个示例中，在步骤4之前，对所述txt文件中的数据进行归一化处理。
在一个示例中，基于数字岩心的孔隙网络模型的可视化方法还包括将二进制的原始输入数据中的1替换为0，以添加裂缝。
对原始输入(0,1)数据文件进行修改，即对原始二进制文件中1代表的像素进行替换可以实现裂缝的添加，重复步骤2、3、4,即可实现添加裂缝之后的孔隙网络模型直观显示。
本发明还提出了一种基于数字岩心的孔隙网络模型的可视化装置，包括：
原始数据获取模块，用于基于岩心样本的CT扫描灰度图像获取孔隙网络的原始计算数据；
计算模块，用于利用最大球算法对所述原始输入数据进行计算，以生成孔隙数据和喉道数据；
txt文件生成模块，用于基于所述孔隙数据和所述喉道数据提取每个孔隙和喉道的中心点坐标、半径和RGB值，并形成txt文件；
显示模块，用于基于所述txt文件中的数据，利用球体表示孔隙，利用管状结构表示喉道，在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
在一个示例中，通过以下方式获取孔隙网络的原始输入数据：
将岩心样本的CT扫描灰度图像进行去噪、滤波二值化分割处理，生成二进制文件，其中，0代表孔隙，1代表骨架。
在一个示例中，该装置还包括交互显示模块，用于通过将二进制的原始输入数据中的1替换为0以添加裂缝。
在一个示例中，该装置还包括归一化模块，用于对所述txt文件中的数据进行归一化处理。
在一个示例中，通过将所述txt文件中的经归一化处理的数据映射到mathematics程序中的Temperature Map函数中，实现在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
应用示例：
以Berea砂岩(300*300*300体素)为例，对样品进行CT扫描生成CT扫描灰度图像。
首先，运行原始数据获取模块，对Berea砂岩的CT扫描灰度图像进行去噪、滤波二值化分割处理，生成Berea.dat格式的二进制原始数据。
之后运行计算模块，利用最大球算法对所述原始输入数据进行计算，生成4个文件分别为Berea_link1、Berea_link2、Berea_node1、Berea_node2。其中，Berea_link1、Berea_link2为孔隙数据文件，Berea_node1、Berea_node2为喉道数据文件。
接下来运行txt文件生成模块，基于所述孔隙数据和所述喉道数据提取每个孔隙和喉道的中心点坐标、半径和RGB值，生成Berea_RhinoVis.txt成果文件。
最后运行显示模块，三维坐标中按照孔隙及喉道的分级显示孔隙网络模型，如图2所示。其中，不同半径大小的球表示相对大小的孔隙，并用不同的灰度直观显示，喉道则用不同灰度的圆管表示。本领域技术人员应当理解，用不同RBG值来显示不同大小的孔隙和喉道会实现更好的效果。
运行交互显示模块可对原始二维图像进行人工施加裂缝，将骨架为1的像素置为0，即可实现裂缝的添加，如图3所示。图4示出了施加裂缝之后的Berea砂岩孔隙网络模型。
图5为应用本发明的示例性实施方式实现的某实际岩心的孔隙网络模型三维显示。
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)

1.一种基于数字岩心的孔隙网络模型的可视化方法，其特征在于，包括：
1)基于岩心样本的CT扫描灰度图像获取孔隙网络的原始输入数据；
2)利用最大球算法对所述原始输入数据进行计算，以生成孔隙数据和喉道数据；
3)基于所述孔隙数据和所述喉道数据提取每个孔隙和喉道的中心点坐标、半径和RGB值，并形成txt文件；
4)基于所述txt文件中的数据，利用球体表示孔隙，利用管状结构表示喉道，在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
2.根据权利要求1所述的基于数字岩心的孔隙网络模型的可视化方法，其特征在于，通过以下方式获取孔隙网络的原始输入数据：
将岩心样本的CT扫描灰度图像进行去噪、滤波二值化分割处理，生成二进制文件，其中，0代表孔隙，1代表骨架。
3.根据权利要求2所述的基于数字岩心的孔隙网络模型的可视化方法，其特征在于，还包括：将二进制的原始输入数据中的1替换为0，以添加裂缝。
4.根据权利要求1所述的基于数字岩心的孔隙网络模型的可视化方法，其特征在于，在步骤4)之前，对所述txt文件中的数据进行归一化处理。
5.根据权利要求4所述的基于数字岩心的孔隙网络模型的可视化方法，其特征在于，通过将所述txt文件中的经归一化处理的数据映射到mathematics程序中的Temperature Map函数中，实现在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
6.一种基于数字岩心的孔隙网络模型的可视化装置，其特征在于，包括：
原始数据获取模块，用于基于岩心样本的CT扫描灰度图像获取孔隙网络的原始计算数据；
计算模块，用于利用最大球算法对所述原始输入数据进行计算，以生成孔隙数据和喉道数据；
txt文件生成模块，用于基于所述孔隙数据和所述喉道数据提取每个孔隙和喉道的中心点坐标、半径和RGB值，并形成txt文件；
显示模块，用于基于所述txt文件中的数据，利用球体表示孔隙，利用管状结构表示喉道，在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
7.根据权利要求6所述的基于数字岩心的孔隙网络模型的可视化装置，其特征在于，通过以下方式获取孔隙网络的原始输入数据：
将岩心样本的CT扫描灰度图像进行去噪、滤波二值化分割处理，生成二进制文件，其中，0代表孔隙，1代表骨架。
8.根据权利要求7所述的基于数字岩心的孔隙网络模型的可视化装置，其特征在于，还包括交互显示模块，用于通过将二进制的原始输入数据中的1替换为0以添加裂缝。
9.根据权利要求6所述的基于数字岩心的孔隙网络模型的可视化装置，其特征在于，还包括归一化模块，用于对所述txt文件中的数据进行归一化处理。
10.根据权利要求9所述的基于数字岩心的孔隙网络模型的可视化装置，其特征在于，通过将所述txt文件中的经归一化处理的数据映射到mathematics程序中的TemperatureMap函数中，实现在三维坐标中按照孔隙及喉道的分级显示孔隙网络模型。
CN201810316212.9A 2018-04-10 2018-04-10 一种基于数字岩心的孔隙网络模型的可视化方法及装置 Pending CN110363848A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810316212.9A CN110363848A (zh) 2018-04-10 2018-04-10 一种基于数字岩心的孔隙网络模型的可视化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810316212.9A CN110363848A (zh) 2018-04-10 2018-04-10 一种基于数字岩心的孔隙网络模型的可视化方法及装置

Publications (1)

Publication Number Publication Date
CN110363848A true CN110363848A (zh) 2019-10-22

Family

ID=68214016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810316212.9A Pending CN110363848A (zh) 2018-04-10 2018-04-10 一种基于数字岩心的孔隙网络模型的可视化方法及装置

Country Status (1)

Country Link
CN (1) CN110363848A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110763169A (zh) * 2019-10-25 2020-02-07 中国石油大学(华东) 一种基于重构模型中轴线、中轴面的结构尺寸测量方法
CN113223170A (zh) * 2021-05-26 2021-08-06 东北石油大学 一种基于致密砂岩ct图像三维重构的孔隙识别方法
CN113313131A (zh) * 2021-07-29 2021-08-27 四川省冶勘设计集团有限公司 基于图像处理的数字化岩芯辨识方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103822865A (zh) * 2014-03-20 2014-05-28 中国石油大学(华东) 一种高分辨率三维数字岩心建模方法
CN104573198A (zh) * 2014-12-23 2015-04-29 长江大学 基于随机分形理论的数字岩心及孔隙网络模型重构方法
CN105021506A (zh) * 2015-07-09 2015-11-04 中国石油大学(华东) 一种基于孔隙网络模型的三相相对渗透率的计算方法
CN105279790A (zh) * 2014-06-13 2016-01-27 中国石油化工股份有限公司 裂缝网络三维数字岩心建模方法
US20160025895A1 (en) * 2014-07-28 2016-01-28 Schlumberger Technology Corporation Well Treatment with Digital Core Analysis
CN105427383A (zh) * 2015-11-23 2016-03-23 中国石油大学(华东) 一种考虑凹凸性的岩石孔隙网络模型的孔喉截面构造方法
CN106780744A (zh) * 2016-12-27 2017-05-31 中国石油天然气集团公司 利用不同分辨率ct图像构建多尺度三维数字岩心的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103822865A (zh) * 2014-03-20 2014-05-28 中国石油大学(华东) 一种高分辨率三维数字岩心建模方法
CN105279790A (zh) * 2014-06-13 2016-01-27 中国石油化工股份有限公司 裂缝网络三维数字岩心建模方法
US20160025895A1 (en) * 2014-07-28 2016-01-28 Schlumberger Technology Corporation Well Treatment with Digital Core Analysis
CN104573198A (zh) * 2014-12-23 2015-04-29 长江大学 基于随机分形理论的数字岩心及孔隙网络模型重构方法
CN105021506A (zh) * 2015-07-09 2015-11-04 中国石油大学(华东) 一种基于孔隙网络模型的三相相对渗透率的计算方法
CN105427383A (zh) * 2015-11-23 2016-03-23 中国石油大学(华东) 一种考虑凹凸性的岩石孔隙网络模型的孔喉截面构造方法
CN106780744A (zh) * 2016-12-27 2017-05-31 中国石油天然气集团公司 利用不同分辨率ct图像构建多尺度三维数字岩心的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
闫国亮: "基于数字岩心储层渗透率模型研究", 《中国博士学位论文全文数据库工程科技Ⅰ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110763169A (zh) * 2019-10-25 2020-02-07 中国石油大学(华东) 一种基于重构模型中轴线、中轴面的结构尺寸测量方法
CN113223170A (zh) * 2021-05-26 2021-08-06 东北石油大学 一种基于致密砂岩ct图像三维重构的孔隙识别方法
CN113313131A (zh) * 2021-07-29 2021-08-27 四川省冶勘设计集团有限公司 基于图像处理的数字化岩芯辨识方法及系统

Similar Documents

Publication Publication Date Title
CN108875595A (zh) 一种基于深度学习和多层特征融合的驾驶场景目标检测方法
CN106127777B (zh) 一种三维空间裂缝分离识别与表征方法
CN104077447B (zh) 基于纸质平面数据的城市三维空间矢量建模方法
Kim et al. CityCraft: 3D virtual city creation from a single image
CN110853057B (zh) 基于全局和多尺度全卷积网络的航拍图像分割方法
CN110084304A (zh) 一种基于合成数据集的目标检测方法
AU2021101142A4 (en) Method and System for Constructing Digital Rock
CN110134724A (zh) 一种建筑信息模型的数据智能提取与显示系统及方法
CN110363848A (zh) 一种基于数字岩心的孔隙网络模型的可视化方法及装置
CN111046917B (zh) 基于深度神经网络的对象性增强目标检测方法
CN108763376A (zh) 融合关系路径、类型、实体描述信息的知识表示学习方法
CN103325137B (zh) 天然气水合物藏储层孔隙骨骼结构的提取方法
CN111832615A (zh) 一种基于前景背景特征融合的样本扩充方法及系统
CN114154427B (zh) 基于深度学习的体积压裂裂缝扩展预测方法和系统
CN109900617B (zh) 一种基于声电成像测井图的裂缝性地层渗透率曲线计算方法
CN104036491B (zh) 基于区域划分和自适应多项式隐模型的sar图像分割方法
CN114549959A (zh) 基于目标检测模型的红外弱小目标实时检测方法和系统
CN116342815A (zh) 一种页岩孔隙空间的多尺度孔隙网络模型构建方法
KR101063827B1 (ko) 한국토지정보시스템 연속지적도와 수치지형도의 기하학적 지도 변환을 위한 반자동화된 공액점 쌍 추출방법
Paris et al. Synthesizing Geologically Coherent Cave Networks
CN110569871A (zh) 一种基于深度卷积神经网络的鞍部点识别方法
Jia et al. Sample generation of semi‐automatic pavement crack labelling and robustness in detection of pavement diseases
CN109241241A (zh) 一种基于通信数据的移动用户关系类型识别方法
CN114359510A (zh) 一种基于锚点检测的点云补全方法
CN103824283B (zh) 基于随机概率采样与多级融合的大幅面地形图分割方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191022