CN112132965B - 一种岩土体孔裂隙结构多尺度表征方法 - Google Patents

一种岩土体孔裂隙结构多尺度表征方法 Download PDF

Info

Publication number
CN112132965B
CN112132965B CN202011021471.2A CN202011021471A CN112132965B CN 112132965 B CN112132965 B CN 112132965B CN 202011021471 A CN202011021471 A CN 202011021471A CN 112132965 B CN112132965 B CN 112132965B
Authority
CN
China
Prior art keywords
unit
resolution
image
voxel
voxel unit
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.)
Active
Application number
CN202011021471.2A
Other languages
English (en)
Other versions
CN112132965A (zh
Inventor
刘江峰
王阳光
浦海
黄炳香
陈旭
李震
倪宏阳
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 University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
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 China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202011021471.2A priority Critical patent/CN112132965B/zh
Publication of CN112132965A publication Critical patent/CN112132965A/zh
Application granted granted Critical
Publication of CN112132965B publication Critical patent/CN112132965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
    • 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
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • 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
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Geometry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种岩土体孔裂隙结构多尺度表征方法，包括：(1)获取不同尺度的岩土体孔裂隙结构图像；(2)对所述中图像分别进行预处理；(3)对经过预处理之后的图像进行阈值分割及二值化；(4)对所述阈值分割及二值化后的低分辨率图像进行三维数字模型重构，并进行细化处理后，使第一细化组合体素单元的分辨率和目标分辨率相同；(5)对所述阈值分割及二值化后的高分辨率图像进行粗化处理，并进行三维数字模型重构，使第二粗化组合体素单元的分辨率和目标分辨率相同；(6)对所述第一细化组合体素单元和第二粗化组合体素单元进行布尔叠加运算。本发明获得的多尺度三维图像具有较大的物理尺寸和较高的像素点分辨率。

Description

一种岩土体孔裂隙结构多尺度表征方法
技术领域
本发明涉及图像处理技术领域，尤其涉及一种岩土体孔裂隙结构多尺度表征方法。
背景技术
诸多多孔介质材料，其内部往往分布有低至纳米-高至毫米等各种不同尺度的孔裂隙。利用计算机断层扫描技术(CT)、聚焦离子束/电子束双束显微成像技术(FIB/SEM)和模拟退火算法(SAA)的数值计算重构技术所获得的试样内部不同分辨率的三维孔裂隙结构模型，其内部包含从纳米尺度到微米尺度的孔裂隙，孔裂隙尺寸分布十分广泛。
目前的孔裂隙结构三维数字模型重构方法，无论是物理扫描重构法，还是数值模拟合成法，大多数方法均无法对试样内部的多尺度孔裂隙结构进行全面准确的表征。现阶段，造成上述问题的主要原因是成像技术条件的限制，即扫描成像前需要在试样分辨率和试样扫描区域两者间进行权衡：较高分辨率对应于较小扫描区域；较大扫描区域只能选择较低的分辨率。
对于基于数字图像法的多孔介质材料性质研究，不应只选择其中某一尺度进行孤立分析，应将不同尺度下的孔裂隙结构进行融合和叠加，而如何将不同尺度下的孔裂隙结构融合和叠加，是目前亟需解决的一个技术问题。
发明内容
针对如何将不同尺度下的孔裂隙结构融合和叠加问题，本发明提出一种岩土体孔裂隙结构多尺度表征方法。
为实现本发明的不同尺度下的孔裂隙结构融合和叠加的问题，本发明所采用的技术方案是：
一种岩土体孔裂隙结构多尺度表征方法，所述岩土体孔裂隙结构多尺度表征方法包括：
(1)获取不同尺度的岩土体孔裂隙结构图像，所述不同尺度得岩土体孔裂隙结构图像包括高分辨率图像和低分辨率图像；
(2)对所述高分辨率图像和低分辨率图像分别进行预处理；
(3)对经过所述预处理之后的高分辨率图像和低分辨率图像进行阈值分割及二值化；
(4)对所述阈值分割及二值化后的低分辨率图像进行三维数字模型重构，获取低分辨率图像的第一组合体素单元，对所述第一组合体素单元进行细化处理后，获取第一细化组合体素单元，所述第一细化组合体素单元的分辨率和目标分辨率相同；
(5)对所述阈值分割及二值化后的高分辨率图像进行粗化处理，对粗化处理后的所述高分辨率图像进行三维数字模型重构，得高分辨率图像的第二粗化组合体素单元，所述第二粗化组合体素单元的分辨率和目标分辨率相同；
(6)对所述第一细化组合体素单元和第二粗化组合体素单元进行布尔叠加运算，得多尺度三维图像。
更进一步地讲，所述获取不同尺度的岩土体孔裂隙结构图像的方式包括但不限于CT扫描成像、FIB/SEM扫描成像和SEM扫描成像。
更进一步地讲，所述预处理包括降噪处理、亮度调整和对比度调整中的至少一种。
更进一步地讲，对所述步骤(2)中预处理后的图像进行二值化处理后，其中白色为孔裂隙结构，黑色为基质结构。
更进一步地讲，采用模拟退火算法对所述步骤(4)和所述步骤(5)中的低分辨率图像和高分辨率图像进行三维数字模型重构。
更进一步地讲，在对所述第一细化组合体素单元和所述第二粗化组合体素单元进行布尔叠加运算之前，
若干个所述第一细化组合体素单元拼接组成第一基本图像单元，若干个所述第二粗化组合体素单元拼接组成第二基本图像单元；将所述第一基本图像单元和所述第二基本图像单元进行布尔叠加运算；所述第一基本图像单元的尺寸和所述第二基本图像单元的尺寸相同。
更进一步地讲，在将若干个所述第一细化组合体素单元拼接组成所述第一基本图像单元的过程中，可将至少一个所述第一细化组合体素单元进行旋转后再拼接；
在将若干个所述第二粗化组合体素单元拼接组成所述第二基本图像单元的过程中，可将至少一个所述第二粗化组合体素单元进行旋转后再拼接。
更进一步地讲，所述第一细化组合体素单元包括第一孔裂隙细化组合体素单元和第一基质细化组合体素单元；所述第二粗化组合体素单元包括第二孔裂隙粗化组合体素单元和第二基质粗化组合体素单元。
更进一步地讲，所述步骤(6)中的布尔叠加运算方式为：
式中，IF为多尺度三维图像；IL为低分辩率多尺度三维图像；IH为高分辩率多尺度三维图像；0L为第一基质细化组合体素单元；1L为第一孔裂隙细化组合体素单元；0H为第二基质粗化组合体素单元；1H为第二孔裂隙粗化组合体素单元。
有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：
本发明通过获取不同尺度的岩土体孔裂隙结构图像，对这些不同尺度的岩土体孔裂隙结构图像进行预处理以及阈值分割及二值化处理后，再进行三维重构得到不同得体素单元，通过对这些体素单元进行叠加运算，实现不同尺度下的孔裂隙结构融合和叠加。通过本发明岩土体孔裂隙结构多尺度表征的方法获得的多尺度三维图像同时具有较大的物理尺寸和较高的像素点分辨率。
附图说明
图1是本发明的一种实施方式流程图；
图2(a)是SEM成像技术获取的岩土体微观结构图像；
图2(b)是FIB/SEM成像技术获取的岩土体微观结构图像；
图3(a)是图2(a)二值化后的图像；
图3(b)是图2(b)二值化后的图像；
图4是图3(b)粗化后的二值化图像；
图5(a)是SAA-SEM三维重构数字模型；
图5(b)是SAA-FIB/SEM三维重构数字模型；
图6(a)是第一基质细化组合体素单元的细化过程；
图6(b)是第一孔裂隙细化组合体素单元的细化过程；
图7是多尺度叠加流程详图；
图8是第二基本图像单元的拼接过程示意图；
图9(a)是二维图像高分辨率孔裂隙像素点识别示意图；
图9(b)是二维图像高分辨率基质像素点识别示意图；
图10是通过本发明获得的多尺度孔裂隙结构模型。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。其中，所描述的实施例是本发明一部分实施例，而不是全部的实施例。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。
实施例1
针对如何将不同尺度下的孔裂隙结构融合和叠加问题，本发明提出一种岩土体孔裂隙结构多尺度表征方法。
如图1所示，该方法包括：
(1)获取不同尺度的岩土体孔裂隙结构图像，不同尺度得岩土体孔裂隙结构图像包括高分辨率图像和低分辨率图像。
具体的，获取不同尺度的岩土体孔裂隙结构图像的方式包括但不限于CT扫描成像、FIB/SEM扫描成像和SEM扫描成像。
采用不同物理扫描成像技术(CT、FIB/SEM和SEM等)，可以获得不同尺度的岩土体孔裂隙结构微观图像，不同的成像技术图像可以直观观测到不同尺度的孔裂隙微观结构，以SEM扫描成像和FIB/SEM扫描成像为例，如图2(a)所示，SEM扫描成像后的图像尺寸为500×500，像素分辨率为0.29μm。如图2(b)所示，FIB/SEM扫描成像后的图像尺寸为700×700，像素分辨率为21.83nm。
(2)对步骤(1)中的高分辨率图像和低分辨率图像分别进行预处理。
为了提高岩土体孔裂隙结构多尺度表征方法的精确度，需要通过图像预处理技术分别对高分辨率图像和低分辨率图像进行优化，预处理包括降噪处理、亮度调整和对比度调整中的至少一种，预处理的种类根据实际需要进行选择。
(3)对经过预处理之后的高分辨率图像和低分辨率图像进行阈值分割及二值化。
对高分辨率图像和低分辨率图像优化后，需要分别对高分辨率图像和低分辨率图像进一步处理，通过阈值分割及二值化，分别提取其中的孔裂隙结构和基质结构，如图3(a)所示，为SEM扫描成像后的低分辩率图像二值化图像，其中白色为孔裂隙结构，黑色为基质结构。如图3(b)所示，为FIB/SEM扫描成像后的高分辨率图像二值化图像，其中白色为孔裂隙结构，黑色为基质结构。
(4)对步骤(3)中阈值分割及二值化后的低分辨率图像进行三维数字模型重构，得低分辨率图像的第一组合体素单元，对第一组合体素单元进行细化处理后，得第一细化组合体素单元，第一细化组合体素单元的分辨率和目标分辨率相同。
对于低分辨率图像的三维数字模型重构，本发明的一种实施方式中采用模拟退火算法(SAA)，基于低分辨率SEM二值图像进行三维数字模型重构，获得如图5(a)所示的尺寸为100×100×100亚微米尺度三维数字模型。
为保证不同尺度图像像素点的分辨率相一致，对图5(a)所示的亚微米尺度三维数字模型中的第一组合体素单元进行细化处理，进而转化为具有高分辨率的体素单元。使得第一细化组合体素单元的分辨率和目标分辨率相同。第一组合体素单元包括第一孔裂隙细化组合体素单元和第一基质细化组合体素单元，第一孔裂隙细化组合体素单元的细化过程如图6(b)所示，第一基质细化组合体素单元的细化过程如图6(a)所示。
需要注意的是，该处及以下说明书中所提及的目标分辨率是指进行布尔叠加运算时，所需要的基准分辨率。
(5)对步骤(3)中阈值分割及二值化后的高分辨率图像进行粗化处理，对粗化处理后的高分辨率图像进行三维数字模型重构，得高分辨率图像的第二粗化组合体素单元，第二粗化组合体素单元的分辨率和目标分辨率相同。
为了多尺度叠加融合顺利进行，在对高分辨率图像进行三维重构前，需要先对高分辨率图像进行粗化处理，即对本实施例中的高分辨率FIB/SEM的二值图像进行组化处理，以两倍粗化处理为例，结果如图4所示，粗化图像尺寸为350×350，像素分辨率为43.66nm。
对于高分辨率图像的三维数字模型重构，本发明的一种实施方式中采用模拟退火算法(SAA)，基于高分辨率FIB/SEM粗化后的二值图像进行三维数字模型重构，获得如图5(b)所示350×350×350纳米级尺度三维数字模型。图5(b)所示的纳米级尺度三维数字模型的第二粗化组合体素单元的分辨率和目标分辨率相同。
(6)对步骤(4)中第一细化组合体素单元和步骤(5)中第二粗化组合体素单元进行布尔叠加运算，得多尺度三维图像。
可选的，如图7所示，在对第一细化组合体素单元和第二粗化组合体素单元进行布尔叠加运算之前，若干个第一细化组合体素单元拼接组成第一基本图像单元，若干个第二粗化组合体素单元拼接组成第二基本图像单元；将第一基本图像单元和第二基本图像单元进行布尔叠加运算；第一基本图像单元的尺寸和第二基本图像单元的尺寸相同。
可以看出通过分别将若干个第一细化组合体素单元拼接组成第一基本图像单元，若干个第二粗化组合体素单元拼接组成第二基本图像单元，然后再将第一基本图像单元和第二基本图像单元进行布尔叠加运算，不同于现有方法的逐个体素点进行叠加，而是按照组合体素单元的方式进行叠加，在确保准确性的前提下，这种叠加处理方式具有较高的叠加效率。
可选的，在将若干个第一细化组合体素单元拼接组成第一基本图像单元的过程中，可将至少一个第一细化组合体素单元进行旋转后再拼接。
在将若干个第二粗化组合体素单元拼接组成第二基本图像单元的过程中，可将至少一个第二粗化组合体素单元进行旋转后再拼接。
在组合拼接过程中，对基本图像单元进行适当的旋转，从而确保相邻基本图像单元间的相交面具有良好的连通性，以第二基本图像单元的拼接为例，请参考图8：
当第二基本图像单元的相交面连通性较差时，可通过旋转其中的一个第二基本图像单元，使其与相邻要拼接的第二基本图像单元具有良好的连通性。图中以数字1、2、3、4、5、6标识了第二基本图像单元的六个面，通过旋转，可将标识相同的面拼接在一起，即具有良好连通性的面拼接在一起。
可选的，第一细化组合体素单元包括第一孔裂隙细化组合体素单元和第一基质细化组合体素单元；第二粗化组合体素单元包括第二孔裂隙粗化组合体素单元和第二基质粗化组合体素单元。
目前对于不同尺度试样的叠加主要按照式(1)进行。
式(1)中，IF为率的三维图像；IH为具有高分辨率的三维
图像；0和1分别代表三维图像中的基质像素和孔裂隙像素。
这种操作方式虽然操作简答和形象直观，但是根据其算法可以看出，孔裂隙像素间的叠加为逻辑或运算，即某一位置处只要任一尺度图像为孔裂隙，则最终的叠加结果为孔裂隙；基质像素间的叠加为逻辑与运算，即某一位置处所有尺度图像需均为基质，最终的叠加结果才为基质。这种运算可能会提高孔裂隙结构所占的比例，导致叠加结果会与实际不相符。
事实上，在低分辨率下能够分辨的孔裂隙或者基质，在高分辨率下可能为孔裂隙与基质的共同体，由于孔裂隙和基质二者之间的不同占比而在低分辨率条件下被识别为孔裂隙或者基质。以2D高分辨率为例，如图9所示。具体识别准则为：在高分辨率图像中，若孔裂隙体素数目大于基质体素数目，则该微体素组合单元识别为低分辨率下的孔裂隙体素；在高分辨率图像中，若孔裂隙体素数目不大于基质体素数目，则该微体素组合单元识别为低分辨率下的基质体素。
为了更加准确的通过叠加方法获得多尺度孔裂隙结构模型，本发明对叠加方法进行适当的改进，进而得到一种更加准确合理的叠加方法。即在叠加时，按照公式(2)进行判断叠加。
式中，IF为多尺度三维图像；IL为低分辩率多尺度三维图像；IH为高分辩率多尺度三维图像；0L为第一基质细化组合体素单元；1L为第一孔裂隙细化组合体素单元；0H为第二基质粗化组合体素单元；1H为第二孔裂隙粗化组合体素单元。
具体过程如下：
1)若低分辨体素点(第一细化组合体素单元)的所属类别与其所对应的高分辨率微体素组合单元(第二粗化组合体素单元)按照图9进行识别的结果相一致，则以高分辨率图像(第二粗化组合体素单元)为准，即直接将高分辨率微体素组合单元(第二粗化组合体素单元)作为叠加结果；
如式(2)右边第一行，按照图9进行识别，第一细化组合体素单元和第二粗化组合体素单元所属的类别均为基质，故以第二基质粗化组合体素单元作为叠加结果；又如式(2)右边第四行，第一细化组合体素单元和第二粗化组合体素单元所属的类别均为孔裂隙，故以第二孔裂隙粗化组合体素单元作为叠加结果。
3)若低分辨体素点的所属类别与其所对应的高分辨率微体素组合单元按照图9进行识别的结果不一致，则以低分辨率图像为准，即需将低分辨率体素点细化后的微体素组合单元作为叠加结果。
如式(2)右边第二行，按照图9进行识别，第一细化组合体素单元和第二粗化组合体素单元所属的类别不同，第一细化组合体素单元为基质，第二粗化组合体素单元为孔裂隙，此时则以第一基质细化组合体素单元作为叠加结果；又如式(2)右边第三行，第一细化组合体素单元和第二粗化组合体素单元所属的类别不同，第一细化组合体素单元为孔裂隙，第二粗化组合体素单元为基质，此时则以第一孔裂隙细化组合体素单元作为叠加结果。
本发明通过获取不同尺度的岩土体孔裂隙结构图像，对这些不同尺度的岩土体孔裂隙结构图像进行预处理以及阈值分割及二值化处理后，再进行三维重构得到不同得体素单元，通过对这些体素单元进行叠加运算，实现不同尺度下的孔裂隙结构融合和叠加，图10为通过本发明方法获得的多尺度孔裂隙结构模型。通过本发明岩土体孔裂隙结构多尺度表征的方法获得的多尺度三维图像同时具有较大的物理尺寸和较高的像素点分辨率。
基于多孔介质不同尺度下的图像，考虑不同尺度像素点进行缩放所遵循的内在逻辑关系，根据一种更加准确合理的融合叠加判定准则，构建能够同时包含不同尺度孔裂隙结构的多孔介质三维数字模型。多尺度孔裂隙结构模型的主要优点在于其同时具有较大的物理尺寸和较高的像素点分辨率，较传统单尺度模型能够更加准确地代表真实的孔裂隙结构。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构和方法并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均属于本发明的保护范围。

Claims (3)

1.一种岩土体孔裂隙结构多尺度表征方法，其特征在于：所述岩土体孔裂隙结构多尺度表征方法包括：
(1)获取不同尺度的岩土体孔裂隙结构图像，所述不同尺度得岩土体孔裂隙结构图像包括高分辨率图像和低分辨率图像；
(2)对所述高分辨率图像和低分辨率图像分别进行预处理；
(3)对经过所述预处理之后的高分辨率图像和低分辨率图像进行阈值分割及二值化；
(4)对所述阈值分割及二值化后的低分辨率图像进行三维数字模型重构，获取低分辨率图像的第一组合体素单元，对所述第一组合体素单元进行细化处理后，获取第一细化组合体素单元，所述第一细化组合体素单元的分辨率和目标分辨率相同；
(5)对所述阈值分割及二值化后的高分辨率图像进行粗化处理，对粗化处理后的所述高分辨率图像进行三维数字模型重构，得高分辨率图像的第二粗化组合体素单元，所述第二粗化组合体素单元的分辨率和目标分辨率相同；
(6)对所述第一细化组合体素单元和第二粗化组合体素单元进行布尔叠加运算，得多尺度三维图像；
所述获取不同尺度的岩土体孔裂隙结构图像的方式包括但不限于CT扫描成像、FIB/SEM扫描成像和SEM扫描成像；
所述预处理包括降噪处理、亮度调整和对比度调整中的至少一种；
在对所述第一细化组合体素单元和所述第二粗化组合体素单元进行布尔叠加运算之前，若干个所述第一细化组合体素单元拼接组成第一基本图像单元，若干个所述第二粗化组合体素单元拼接组成第二基本图像单元；将所述第一基本图像单元和所述第二基本图像单元进行布尔叠加运算；所述第一基本图像单元的尺寸和所述第二基本图像单元的尺寸相同；
在将若干个所述第一细化组合体素单元拼接组成所述第一基本图像单元的过程中，可将至少一个所述第一细化组合体素单元进行旋转后再拼接；在将若干个所述第二粗化组合体素单元拼接组成所述第二基本图像单元的过程中，可将至少一个所述第二粗化组合体素单元进行旋转后再拼接；
所述第一细化组合体素单元包括第一孔裂隙细化组合体素单元和第一基质细化组合体素单元；所述第二粗化组合体素单元包括第二孔裂隙粗化组合体素单元和第二基质粗化组合体素单元；
所述步骤(6)中的布尔叠加运算方式为：
式中，IF为多尺度三维图像；IL为低分辩率多尺度三维图像；IH为高分辩率多尺度三维图像；0L为第一基质细化组合体素单元；1L为第一孔裂隙细化组合体素单元；0H为第二基质粗化组合体素单元；1H为第二孔裂隙粗化组合体素单元。
2.根据权利要求1所述的岩土体孔裂隙结构多尺度表征方法，其特征在于：对所述步骤(2)中预处理后的图像进行二值化处理后，其中白色为孔裂隙结构，黑色为基质结构。
3.根据权利要求1所述的岩土体孔裂隙结构多尺度表征方法，其特征在于：采用模拟退火算法对所述步骤(4)和所述步骤(5)中的低分辨率图像和高分辨率图像进行三维数字模型重构。
CN202011021471.2A 2020-09-25 2020-09-25 一种岩土体孔裂隙结构多尺度表征方法 Active CN112132965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011021471.2A CN112132965B (zh) 2020-09-25 2020-09-25 一种岩土体孔裂隙结构多尺度表征方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011021471.2A CN112132965B (zh) 2020-09-25 2020-09-25 一种岩土体孔裂隙结构多尺度表征方法

Publications (2)

Publication Number Publication Date
CN112132965A CN112132965A (zh) 2020-12-25
CN112132965B true CN112132965B (zh) 2024-03-26

Family

ID=73840030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011021471.2A Active CN112132965B (zh) 2020-09-25 2020-09-25 一种岩土体孔裂隙结构多尺度表征方法

Country Status (1)

Country Link
CN (1) CN112132965B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112967378A (zh) * 2021-03-03 2021-06-15 安徽理工大学 一种多孔介质内部大尺寸孔裂隙结构的快速随机重构方法
CN113310877B (zh) * 2021-06-07 2022-12-06 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
CN113689550B (zh) * 2021-08-03 2023-06-06 南昌威爱信息科技有限公司 一种vr超高清三维数字化建模系统
CN115131295B (zh) * 2022-06-06 2023-08-29 清华大学 工程岩体裂隙网络构建方法、系统与装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6389308B1 (en) * 2000-05-30 2002-05-14 Vladimir Shusterman System and device for multi-scale analysis and representation of electrocardiographic data
CN105487121A (zh) * 2015-12-03 2016-04-13 长江大学 基于ct扫描图像与电成像图像融合构建多尺度数字岩心方法
CN106127816A (zh) * 2016-03-08 2016-11-16 中国石油大学(华东) 一种页岩基质储层孔隙空间表征方法
CN106324002A (zh) * 2016-10-18 2017-01-11 中国石油大学(华东) 一种基于岩石分类和多尺度数字岩心的碳酸盐岩孔隙结构表征方法
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
CN109146933A (zh) * 2017-06-28 2019-01-04 中国石油化工股份有限公司 多尺度数字岩心建模方法及计算机可读存储介质
CN109242970A (zh) * 2018-10-11 2019-01-18 中国科学院力学研究所 页岩lREV尺度数字岩心重构方法及装置
CN109285222A (zh) * 2018-09-06 2019-01-29 中国地质大学（北京） 有机页岩高分辨率数字岩心构建与分析方法
WO2020093630A1 (zh) * 2018-11-09 2020-05-14 五邑大学 一种基于多尺度深度语义分割网络的天线下倾角测量方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9134457B2 (en) * 2009-04-08 2015-09-15 Schlumberger Technology Corporation Multiscale digital rock modeling for reservoir simulation

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6389308B1 (en) * 2000-05-30 2002-05-14 Vladimir Shusterman System and device for multi-scale analysis and representation of electrocardiographic data
CN105487121A (zh) * 2015-12-03 2016-04-13 长江大学 基于ct扫描图像与电成像图像融合构建多尺度数字岩心方法
CN106127816A (zh) * 2016-03-08 2016-11-16 中国石油大学(华东) 一种页岩基质储层孔隙空间表征方法
CN106324002A (zh) * 2016-10-18 2017-01-11 中国石油大学(华东) 一种基于岩石分类和多尺度数字岩心的碳酸盐岩孔隙结构表征方法
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
CN109146933A (zh) * 2017-06-28 2019-01-04 中国石油化工股份有限公司 多尺度数字岩心建模方法及计算机可读存储介质
CN109285222A (zh) * 2018-09-06 2019-01-29 中国地质大学（北京） 有机页岩高分辨率数字岩心构建与分析方法
CN109242970A (zh) * 2018-10-11 2019-01-18 中国科学院力学研究所 页岩lREV尺度数字岩心重构方法及装置
WO2020093630A1 (zh) * 2018-11-09 2020-05-14 五邑大学 一种基于多尺度深度语义分割网络的天线下倾角测量方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Three-dimensional multiscale fusion for porous media on microtomography images of different resolutions;Li Xuan et al.;《Physical review. E》;全文 *
基于X射线微米CT扫描技术的煤岩孔裂隙多尺度精细表征——以沁水盆地南部马必东区块为例;陈彦君 等;《油气地质与采收率》;全文 *
基于多分辨率图像融合的多尺度多组分数字岩心构建;崔利凯 等;吉林大学学报(地球科学版)(06);全文 *

Also Published As

Publication number Publication date
CN112132965A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
CN112132965B (zh) 一种岩土体孔裂隙结构多尺度表征方法
KR102613438B1 (ko) 반도체 표본의 딥 러닝 - 기반 검사의 방법 및 그 시스템
CN109146933B (zh) 多尺度数字岩心建模方法及计算机可读存储介质
CN109285222A (zh) 有机页岩高分辨率数字岩心构建与分析方法
Miao et al. Linear feature separation from topographic maps using energy density and the shear transform
US20220130082A1 (en) Method for rapid reconstruction of woven composite material microstructure based on topological features
CN104217459B (zh) 一种球面特征提取方法
Rolnick et al. Morphological error detection in 3D segmentations
CN111833432A (zh) 一种基于岩心二维灰度图像的三维重建方法
CN113344110B (zh) 一种基于超分辨率重建的模糊图像分类方法
CN113240790B (zh) 一种基于3d模型和点云处理的钢轨缺陷图像生成方法
Yang et al. Crack identification of automobile steering knuckle fluorescent penetrant inspection based on deep convolutional generative adversarial networks data enhancement
CN102722718B (zh) 一种细胞分类方法
Feng et al. Reconstruction of three-dimensional grain structure in polycrystalline iron via an interactive segmentation method
Zhao et al. A hybrid crack detection approach for scanning electron microscope image using deep learning method
CN111340786B (zh) 一种复杂点阵结构内部缺陷的三维分割方法及系统
CN113899765A (zh) 一种基于聚焦离子束加工的电子显微三维重构地质样品制样方法
CN112734928B (zh) 一种三维阈值立体图形展开方法
Song et al. Conditional Generative Adversarial Networks for 2D core grayscale image reconstruction from pore parameters
CN109493354A (zh) 一种基于多视角图像的目标二维几何外形重构方法
US12020418B2 (en) Image processing method and system, and non-transitory computer readable medium
Zhang Comparative Study of Pore Structure Characterization for Different Rock Samples Using Digital Images
Helwing et al. Cycle-consistent generative adversarial networks for damage evolution analysis in fiber-reinforced polymers based on synthetic damage states
Brock et al. Image Analysis of Micro CT Scans of Fractures in 3D Printed Samples.
Chen et al. Integrating GAN and Texture Synthesis for Enhanced Road Damage Detection

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