CN112324422A - 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 - Google Patents
一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 Download PDFInfo
- Publication number
- CN112324422A CN112324422A CN202011026920.2A CN202011026920A CN112324422A CN 112324422 A CN112324422 A CN 112324422A CN 202011026920 A CN202011026920 A CN 202011026920A CN 112324422 A CN112324422 A CN 112324422A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- data
- fracture
- hole
- cracks
- 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.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 91
- 239000011148 porous material Substances 0.000 title claims abstract description 45
- 238000012512 characterization method Methods 0.000 title claims abstract description 14
- 230000000877 morphologic effect Effects 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 25
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 20
- 238000005260 corrosion Methods 0.000 claims abstract description 18
- 230000007797 corrosion Effects 0.000 claims abstract description 18
- 230000003628 erosive effect Effects 0.000 claims description 60
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 11
- 230000003044 adaptive effect Effects 0.000 abstract description 9
- 238000005259 measurement Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 5
- 230000002708 enhancing effect Effects 0.000 abstract description 5
- 239000003208 petroleum Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 19
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000005755 formation reaction Methods 0.000 description 7
- 230000001629 suppression Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 102100035971 Molybdopterin molybdenumtransferase Human genes 0.000 description 1
- 101710119577 Molybdopterin molybdenumtransferase Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000706 filtrate Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种电成像测井缝洞识别方法、系统及孔隙结构表征方法，属于石油测井技术领域。针对一维纽扣电极板的测量信号，采用一维自适应形态学算法，实现压制噪声，剔除泥质条带和地层层理等地层基质低频分量的干扰信息，达到增强电成像图上缝洞体信息的目的，应用奇异谱分析插值方法填充电成像图像的空白条带，并针对二维电成像图，建立了裂缝和溶蚀孔洞的自动识别和提取方法。本发明方法，能够解决现有技术中的地层层理和泥质条带难以剔除、去噪效果不明显的问题，并且本发明用的奇异谱分析插值方法也考虑到了地层岩性和结构变化的电导率数据之间的内在关联度，因此能够显著提高缝洞自动识别的精度。
Description
技术领域
本发明属于石油测井技术领域，涉及一种电成像测井缝洞识别方法、系统及孔隙结构表征方法。
背景技术
电成像测井利用井下的探测电极阵列对井壁进行扫描测量，通过电缆将测量得到的井周大量地层的电性信息实时地传送到地上的采集系统中，在经过一系列的图像处理后，获得反映井壁信息的二维电导率图像。因其具备高覆盖率和高分辨率的优势，可直观地反映井筒内地层的岩性、孔隙、裂缝以及储层流体等信息，被广泛应用于石油勘探的测井解释与评价中。从其图像中提取缝洞信息已经成为解释人员进行缝洞型储层定量评价的关键步骤。
目前，在电成像测井自动识别和提取缝洞方面，面临着如下几个难点和问题：
1)在实际测量过程中，井下仪器受到与井壁的磕碰、仪器电子元器件和线路等的影响，造成电成像数据中存在不同程度的噪声。针对这一问题仍缺少行之有效的去噪方法。
2)由于泥浆滤液的侵入，造成裂缝、溶蚀孔洞与基质岩石的导电性有所不同。正是基于这个条件，利用图像分割的方法将裂缝和溶蚀孔洞分离开来。但井周地质结构例如地层层理，泥质条带以及诱导缝等也会表现与缝洞相似的特征，这就给缝洞自动分离带来极大困难。
3)由于电成像测井仪非全井眼覆盖，需对电成像图像进行插值填充。但现有的插值方法大多以空间距离加权或空白带领域内的电导率变化趋势进行填充，并未考虑地层岩性和结构变化的电导率数据之间的内在关联度。
4)缝洞体的识别主要依靠人机交互，其自动化程度不高，且人为因素影响大。现有的图像分割算法仍无法实现自适应裂缝和溶蚀孔洞形态的自动识别与提取，尤其对于不规则裂缝面和孔洞，以至于无法给出准确的定量的缝洞储层表征参数。
5)现有的孔隙度谱是通过Archie公式将井周电阻率转换为对应的孔隙度点阵，其得到的是对应层段内裂缝与孔洞的综合孔隙度响应，无法得到分离的裂缝和溶蚀孔洞孔隙度。
发明内容
本发明的目的在于克服上述现有技术中，去噪效果不理想、地层层理和泥质条带难以剔除及现有的插值方法未考虑地层岩性和结构变化的电导率数据之间的内在关联度，导致电成像测井难以实现高精度缝洞体自动识别与分离的技术问题，提供一种电成像测井缝洞识别方法、系统及孔隙结构表征方法。
为了达到上述目的，本发明采用以下技术方案予以实现：
一种电成像测井缝洞识别方法，包括如下步骤：
步骤一，获取纽扣电极测量的一维原始电极数据，并利用多尺度形态学方法对一维原始电极数据进行去噪，得到去噪后的一维纽扣电极数据；
步骤二，基于自适应多尺度形态学算法，对步骤一去噪后的一维纽扣电极数据进行地层基质低频分量的剔除，得到二维成像电导率数据；
步骤三，利用奇异谱分析插值方法，对步骤二的二维成像电导率数据进行重构，得到重构后的全井眼二维电导率数据；
步骤四，对步骤三的全井眼二维电导率数据进行图像预处理，生成电成像图，依据电成像图设计邻接图版，并计算裂缝和溶蚀孔洞的路径算子长度，完成缝洞的识别。
优选地，步骤一的具体操作包括：
11)获取纽扣电极测量的一维原始电极数据，对一维原始电极数据进行多形状结构元素的实验分析，确定用于去噪处理的结构元素形状；
12)逐点对比搜索一维电极数据的局部峰值，自适应地确定结构元素的尺寸和高度；
13)利用步骤11)和12)确定的结构元素，对一维原始电极数据执行形态学的开-闭和闭-开混合滤波，压制噪声，得到去噪后的一维纽扣电极数据。
优选地，步骤二的具体操作包括：
21)对步骤一去噪后的一维纽扣电极数据进行浅侧向刻度，得到一维电导率数据；
22)进行多形状结构元素的实验分析，确定用于地层基质低频分量的结构元素形状，所述地层基质低频分量包括地层层理和泥质条带；
23)自动搜索一维电导率数据的下包络，自适应地确定结构元素的尺寸和高度；
24)利用步骤22)和23)确定的结构元素，对一维电导率数据执行形态学滤波，分离地层层理和泥质条带；
25)定量计算分离出来的地层层理与泥质条带的厚度和产状参数，对剔除地层层理和泥质条带后的数据，进行精准识别缝洞体处理，得到二维成像电导率数据。
优选地，步骤三的具体操作包括：
31)对步骤二得到的二维成像电导率数据进行傅里叶变换，得到频率域的二维电导率数据；
32)对步骤31)得到的频率域二维电导率数据的每个频率切片应用奇异谱插值方法进行处理；
33)对步骤32)处理后的频率域的二维电导率数据进行逆傅里叶变换，得到重构后的全井眼二维电导率数据。
优选地，步骤四的具体操作包括：
41)对步骤三得到的全井眼二维电导率数据进行图像预处理，并生成动静态的电成像图；
42)依据不同裂缝和溶蚀孔洞在电成像图上的显示特征，设计邻接图版；
43)将电成像图的每个像素点投放到步骤42)的邻接图版中，确定待分离的裂缝和溶蚀孔洞的最大路径算子长度，以最大路径算子长度作为阈值；
44)基于步骤42)的邻接图版和步骤43)的裂缝及溶蚀孔洞的阈值，实现对裂缝和溶蚀孔洞的识别及获取，完成缝洞的识别。
基于所述电成像测井缝洞识别方法构建的孔隙结构表征方法，包括如下步骤：
S1：基于缝洞识别方法，分离并分别获取裂缝和溶蚀孔洞，依据不同尺度的结构元素进行缝洞体的形态学边缘检测，并进行缝洞边缘拟合，得到缝洞边缘线；
S2：基于S1的缝洞边缘线的开度计算裂缝和溶蚀孔洞的孔隙纵横比；
S3：分别计算单位深度内已分离出来的裂缝、溶蚀孔洞的面孔率，并按纵横比的大小顺序显示在二维波形图上，获得缝洞孔隙结构谱。
一种电成像测井缝洞识别系统，包括：
第一计算单元，根据纽扣电极测量的一维原始电极数据，利用多尺度形态学方法对一维原始电极数据进行去噪，获取去噪后的一维纽扣电极数据；
第二计算单元，对去噪后的一维纽扣电极数据进行地层基质低频分量的剔除，获取二维成像电导率数据；
第三计算单元，利用奇异谱分析插值方法，对二维成像电导率数据进行重构，获取重构后的全井眼二维电导率数据；
第一图像处理单元，对全井眼二维电导率数据进行图像预处理，获取动静态图像；
提取单元，依据动静态图像设计邻接图版，计算裂缝和溶蚀孔洞的路径算子长度，用于缝洞的识别。
一种基于电成像测井缝洞识别方法的孔隙结构表征的构建系统，包括：
数据处理单元，依据不同尺度的结构元素进行缝洞体的形态学边缘检测，并进行缝洞边缘拟合；
第四计算单元，基于拟合的缝洞边缘线开度大小，计算裂缝和溶蚀孔洞的孔隙纵横比；
第五计算单元，计算单位深度内已分离出来的裂缝、溶蚀孔洞的面孔率；
第二图像处理单元，将裂缝面孔率和溶蚀孔洞面孔率按纵横比的大小顺序显示在二维波形图上，获取缝洞孔隙结构谱。
一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述缝洞识别方法的步骤。
一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码使所述处理器执行所述权利要求1～5任意一项所述缝洞识别方法。
与现有技术相比，本发明具有以下有益效果：
本发明公开了电成像测井缝洞识别方法，针对一维纽扣电极板的测量信号，采用一维自适应形态学算法，实现压制噪声，剔除泥质条带和地层层理等地层基质低频分量的干扰信息，达到增强电成像图上缝洞体信息的目的。应用奇异谱分析插值方法填充电成像图像的空白条带，并针对二维电成像图，建立了裂缝和溶蚀孔洞的自动识别和提取方法，实现了基质孔、裂缝和溶蚀孔洞的定量表征。首先，从一维纽扣电极极板数据出发，利用自适应多尺度形态学算法初步压制了采集时井壁凹凸不平等引起的随机噪声；第二，利用自适应多尺度形态学算法，提取并剔除了包含泥质条带和地层层理信息的地层基质低频信息，实现了电成像图的裂缝和溶蚀孔洞信息增强的目的；第三，采用奇异谱分析法对电成像图进行空白条带插值补全，在充分考虑空白条带与极板数据间的分布距离和窗内电导率数据相关性的同时，兼顾基质背景与缝洞体的电导率响应信息，具备了反向距离加权插值的优势，插值后的全井眼电导率图像为基于图像的形态学缝洞提取方法奠定了良好的基础。最后，从二维电成像图出发，利用路径算子对直线形和弯曲形线性结构的自动追踪，实现裂缝和溶蚀孔洞的自动识别与提取。基于不同的邻接图版，较好地区分了不同倾斜角度的裂缝分布。路径形态学算法分离的缝洞子图像最大程度地保持了裂缝和溶蚀孔洞的原始形态。即利用本发明方法，能够解决现有技术中的地层层理和泥质条带难以剔除、去噪效果不明显的问题，并且本发明用的奇异谱分析插值方法也考虑到了地层岩性和结构变化的电导率数据之间的内在关联度，因此能够显著提高缝洞自动识别的精度。
本发明还公开了一种孔隙结构表征的方法，是基于上述方法构建的，首先根据已经分离的缝洞和溶蚀孔洞，进行缝洞边缘拟合，之后计算裂缝和溶蚀孔洞的孔隙纵横比，再分别计算裂缝和溶蚀孔洞的面孔率，并将裂缝面孔率和溶蚀孔洞面孔率按纵横比的大小顺序显示在二维波形图上，获得缝洞孔隙结构谱。通过本发明方法构建的缝洞孔隙结构谱很好地描述了储集空间的分布，有效地提高了储层定量评价解释的精度，为储层孔隙结构精细评价提供依据。
本发明还公开了一种电成像测井缝洞识别系统，包括第一计算单元、第二计算单元、第三计算单元、第一图像处理单元和提取单元，第一计算单元根据纽扣电极测量的一维原始电极数据，利用多尺度形态学方法对一维原始电极数据进行去噪，获取去噪后的一维纽扣电极数据；第二计算单元对去噪后的一维纽扣电极数据进行地层基质低频分量的剔除，获取二维成像电导率数据；第三计算单元利用奇异谱分析插值方法，对二维成像电导率数据进行重构，获取重构后的全井眼二维电导率数据；第一图像处理单元对全井眼二维电导率数据进行图像预处理，获取动静态图像；提取单元依据动静态图像设计邻接图版，计算裂缝和溶蚀孔洞的路径算子长度，用于缝洞的识别。该系统能够实现缝洞识别的程序化，更加便捷，实用性更强。
附图说明
图1是本发明缝洞识别方法的流程图；
图2是本发明缝洞识别方法的模拟信号及噪声分离，其中，2-1为原始信号，图2-2为高斯白噪声，图2-3为加入噪声后的模拟信号，图2-4为半圆形结构元素λ2B压制噪声后的信号；
图3是本发明缝洞识别方法的不同形状结构元素对模拟信号处理后傅里叶变换的振幅谱，其中，3-1为模拟信号，3-2为扁平型结构元素的振幅图，3-3为三角型结构元素的振幅图，图3-4为半圆型结构元素的振幅图，图3-5为不同形状结构元素多尺度相关系数对比图；
图4是本发明缝洞识别方法的自适应半圆型结构元素噪声压制对比图，其中，4-1为电成像图，4-2为与4-1对应的二值图；(a)为原始图；(b)为去噪后的图；(c)为噪声图；
图5是本发明缝洞识别方法的自适应多尺度半圆型结构元素提取地层层理(a)和泥质条带(b)；
图6是本发明缝洞识别方法的多尺度半圆型结构元素地层层理和泥质条带提取，其中，(a)为原始电成像图，(b)为提取的层理和泥质条带电成像图，(c)为去除基质后的缝洞图，(d)为图(c)的二值图；
图7是本发明缝洞识别方法的原始空白带测井图像和插值结果对比；
图8是本发明缝洞识别方法的电成像目标体的邻接图，其中，(a)为横向邻接图，(b)为纵向邻接图；
图9是本发明缝洞识别方法的裂缝与溶蚀孔洞单元的路径开运算示意图；
图10是本发明基于孔隙纵横比的缝洞孔隙结构谱分布示意图；
图11是裂缝型储层段路径形态学算法与多尺度形态学的缝洞提取对比；
图12是孔隙型储层段路径形态学算法与多尺度形态学的缝洞提取对比；
图13是裂缝孔隙型储层段路径形态学算法与多尺度形态学的缝洞提取对比；
图14是典型井综合测井分析成果图，其中，(a)为常规测井成果解释图，(b)为裂缝型储层形态学解释图，(c)为裂缝孔隙型储层形态解释图。
具体实施方式
下面结合附图对本发明做进一步详细描述：
本发明实施例提供的一种电成像测井缝洞识别方法，流程图如图1所示，该方法包括：
1)针对一维纽扣电极板的测量信号，采用一维自适应形态学算法，实现压制噪声；
2)针对去噪后的一维电极板数据剔除地层层理和泥质条带等地层基质低频分量的干扰信息，增强电成像图上缝洞体信息；
3)奇异谱分析插值方法重构全井眼二维电导率数据；
4)针对二维电成像图，应用路径形态学算法自动识别和提取裂缝和溶蚀孔洞。
5)构建缝洞孔隙结构谱，实现裂缝和溶蚀孔洞的定量表征。
一维纽扣电极数据去噪方法，包括下列步骤：
11)对纽扣电极测量的一维原始电极数据，进行多形状结构元素的实验分析，确定用于去噪处理的结构元素形状；
12)自动搜索一维电极数据的局部峰值，自适应地确定结构元素的尺寸和高度；
13)利用步骤11)和12)确定的结构元素，对一维电极数据执行形态学的开-闭和闭-开混合滤波，压制噪声。
一维电极数据地层层理和泥质条带的剔除方法，包括下列步骤：
21)对去噪后的一维纽扣电极数据进行浅侧向刻度；
22)进行多形状结构元素的实验分析，确定用于剔除地层层理和泥质条带等地层基质低频分量处理的结构元素形状；
23)自动搜索一维电导率数据的下包络，自适应地确定结构元素的尺寸和高度；
24)利用步骤22)和23)确定的结构元素，对一维电导率数据执行形态学滤波，分离地层层理和泥质条带；
25)对标记出来的地层层理与泥质条带，定量计算厚度、产状等相关参数。对剔除地层层理和泥质条带等地层基质低频分量后的数据，进行后期的精准识别缝洞体处理。
奇异谱分析插值方法重构全井眼二维电导率数据的方法，包括下列步骤：
31)对二维成像电导率数据应用傅里叶变换，得到频率域的二维电导率数据；
32)对频率域二维电导率数据的每个频率切片应用奇异谱插值方法；
33)对频率域的二维电导率数据做逆傅里叶变换，即得到重构后的井眼二维电导率数据。
二维电成像图的路径形态学的缝洞自动识别与提取，包括下列步骤：
41)对奇异谱分析插值法重构的全井眼二维电导率数据，进行图像预处理，并生成动静态图像；
42)依据不同目标体(裂缝和溶蚀孔洞)在电成像图上的显示特征，设计邻接图版；
43)将电成像图的每个像素点投放到设计好的邻接图中，用以确定所要分离目标体的最大路径算子长度，即确定合适的路径长度作为阈值；
44)通过构造邻接关系和确定路径算子长度(步骤2)和3))，实现对裂缝和溶蚀孔洞的自动识别与提取。
构建缝洞孔隙结构谱，包括下列步骤：
51)依据不同尺度的结构元素进行缝洞体的形态学边缘检测，并进行缝洞边缘拟合；
52)用拟合的边缘线开度大小与对应孔隙最大宽度的比值计算裂缝和溶蚀孔洞的孔隙纵横比；
53)分别计算单位深度内已分离出来裂缝、溶蚀孔洞和基质的面积占原始电成像图总面积的比例(即面孔率)；
54)将裂缝和溶蚀孔洞的面孔率按纵横比由小到大显示在二维波形图上，即获得缝洞孔隙结构谱图。
实施例1：
一种基于自适应形态学算法的一维电极板数据噪声的压制与地层基质低频分量(地层层理和泥质条带等)的剔除。
1、自适应多尺度结构元素构建
形态算子和结构元素决定了形态学的运算特性。形态学运算的关键是如何选择结构元素，特别是结构元素的长度和高度。因此自适应地选取结构元素，使其具备多尺度的形态学处理的功能，这对有效提取信号中不同尺度的形态特征有很重要的作用。
结构元素的构成有幅度、形状和尺寸等方面，其中它的形状很多，常用的有扁平型、三角型和半圆型等。有必要进行多形状结构元素的实验分析，确定适合的结构元素形状。结构元素就是被本文利用形态学算法探索数据结构的探针。
在本实施例中，多尺度的结构元素B定义为λmB＝(λl,λh),m＝l，其中λl表示结构元素的尺寸，λh表示结构元素的尺寸。利用信号中的局部峰值自适应地确定结构元素的多个尺寸，即计算信号F＝{fn|n＝0,1,2,L,N-1}的局部极大值，其中N表示信号长度。定义Y＝{yn|n＝1,2,L,Ny}为搜索到的峰值序列，X＝{xn|n＝1,2,L,Ny}为峰值所对应的横轴坐标，峰值的横轴间隔则为D＝{dn|dn＝xn+1-xn,n＝1,2,L,Ny-1}。
定义结构元素B的尺寸：
λl＝{λl min,λl min+1,...,λl max-1，λl max} (1)
其中，
结构元素B的高度：
λh＝{β[yn min+j(yn max-yn min)/(λl max-λl min)]} (3)
式中，j＝0,1,2,L,λl max-λl min；β为高度系数(0<β<1)。利用λmB作为半圆型结构元素对一维信号执行形态学运算，即可达到去除一维信号中噪声的目的。
为了证实多尺度结构元素对信号的降噪效果，用模拟信号进行实验：
y(t)＝x(t)+e(t) (4)
式中，x(t)＝cos(2πg45t)+cos(2πg60t)(如图2-1所示)；e(t)为标准差等于0.5的高斯白噪声如图2-2所示，模拟的含噪信号y(t)如图2-3所示。
在本实施例中，分别用扁平型、三角型以及半圆型结构元素对模拟信号进行处理，将不同结构元素处理的结果进行傅里叶变换，观察振幅谱中的噪声压制情况。如图3所示，降噪效果最好的是半圆型，其次是三角型，扁平型最差。因为扁平型结构元素只可以在单一方向上进行信号运算，存在很大的局限性，而半圆型则比三角型结构元素的处理效果更为接近原始信号，原始信号的轮廓在经过自适应结构元素的形态学运算后得以恢复，结构元素对目标信号的影响较小。
因此，为了压制随机噪声，在本发明实施例中,选择半圆形的结构元素及开-闭、闭-开混合滤波器处理模拟信号。利用信号的局部极值，自适应地确定应用于模拟信号噪声压制的多尺度半圆型结构元素的尺寸和高度，其中λ2B提取出的信号与原始信号最为相近，相关系数约为0.94，如图3-5所示，其压制噪声的效果最好，如图2-4所示。
2.噪声压制效果与分析
在井下仪器的实际测量过程中，仪器受到与井壁的磕碰、仪器电子元器件和线路等的影响，造成电成像图中存在不同程度的噪声。本发明实施例针对于电成像测井纽扣电极的电导率曲线进行自适应多尺度形态学滤波处理，再经电成像预处理后成图，可见噪声被很好地分离开来(如图4-1所示)。为了保持裂缝及溶蚀孔洞的连续性，这里选用奇异谱分析插值方法对电成像图中的空白条带进行填充处理。
在本发明实施例中，分别对原始电成像图，应用自适应半圆型结构元素进行形态学去噪后的电成像图以及应用最大类间方差法进行图像分割后的电成像图作对比。如图4-2所示，自适应形态学方法去噪后的图像分割效果较最大类间方差方法更为准确。最大类间方差方法在进行图像分割时往往会丢失部分极板的裂缝信息(如图4-2(c)中蓝色箭头所指)，然而用自适应形态学方法进行去噪后，丢失的极板信息得到恢复(如图4-2(b)所示)，使分割后裂缝的完整性得到增强，为后期提取精确裂缝信息奠定基础。
3.地层层理和泥质条带的剔除效果与分析
高分辨电成像测井数据富含如裂缝，溶蚀孔洞，泥质条带以及地层层理等地质信息。为了更准确的提取缝洞信息，在去除随机噪声后，还需将电成像测井数据反映地层基质的低频分量(地层层理和泥质条带)的影响消除。在本发明实施例中，首先将去噪后的一维纽扣电极数据进行浅侧向刻度，其次进行多形状结构元素的实验分析，确定用于剔除地层层理和泥质条带等地层基质低频分量处理的结构元素形状；再次自动搜索一维电导率数据的下包络，自适应地确定结构元素的尺寸和高度；最终利用确定合适的结构元素，对一维电导率数据执行形态学滤波，获得一条反映地层层理和泥质条带等信息的地层基质低频分量曲线。
在本发明实施例中，用自适应多尺度半圆型结构元素对典型井段进行处理，提取该层段内的地层层理和泥质条带，如图5所示，其中当半圆型结构元素的尺度为λ20时，提取出的基质电导率曲线最为理想。将原始纽扣电极电导率曲线减去提取出的基质电导率曲线，得到去除基质后的纽扣电极电导率曲线。再将处理后的纽扣电极电导率曲线成图，即可使电成像图中缝洞信息增强。如图6所示，利用自适应多尺度半圆型结构元素对原始纽扣电极电导率数据进行形态学滤波处理，即可提取出地层层理和泥质条带的信息(图6b所示)，在去除层理和泥质条带后的电成像图中，裂缝和溶蚀孔洞得到增强(如图6c和图6d所示)，尤其在二值图中的效果更加明显。一方面，对标记出来的地层层理，可提取其相应参数，实现层理，泥质与裂缝的自动分割；另一方面，将提取的低频分量剔除，使得处理后的电成像图能更有效地保留裂缝和溶蚀孔洞的信息，为后期精准分离缝洞体打好基础。
实施例2：奇异谱分析插值方法重构全井眼二维电导率数据的方法
1.奇异谱分析空白条带插值方法
在测量过程中，电成像测井仪的各极板并非是全井眼覆盖，这就造成图像中电导率数据缺失，出现空白条带的现象。在本实施例中，引入奇异谱分析插值方法，重构全井眼二维电导率数据。
(1)对二维成像电导率数据应用傅里叶变换，得到频率域的二维电导率数据；
(2)对频率域二维电导率数据的每个频率切片应用奇异谱插值方法；
对于每个频率切片S＝{s1,s2,…,sN}，构造Hankel矩阵：
式中，li＝[si,si+1,…,si+λ-1]T，(1≤λ≤N,1≤i≤K)为一维电导率频率信号的延迟向量，λ为延迟向量的长度；K为延迟向量的个数。
将Hankel矩阵进行奇异值分解，在截断小奇异值后，得到降秩的Hankel矩阵：
M*＝U[∑k]VH,k≤r (6)
式中，∑k是前面k个较大奇异值，r是原λ×K阶Hankel矩阵经过计算得到的秩，U和V分别为满足Hankel矩阵的奇异值分解的λ阶酉矩阵和K阶酉矩阵。对M*矩阵做反Hankel变换，新矩阵首列及末行的元素即为重构信号。
(3)对频率域的二维电导率数据做逆傅里叶变换，即得到重构后的空间域二维电导率数据。
2.插值结果分析
对奇异谱分析插值与反距离加权插值的结果进行对比。如图7所示，奇异谱分析插值在非均质性强的区域效果较好,且具有一定噪声压制能力，插值后的图像填补了未覆盖井壁处的信息，提高了成图质量，得到完整的全井眼电导率图像。
实施例3：一种基于路径形态学算法的缝洞自动识别与提取
1.路径形态学基本原理
1.1邻接关系
已知离散二维图像域E为像素点集合，用a表示E中各像素点间的方向关系，称像素点的邻接关系。集合E及它所满足的邻接关系组成一幅有向图，即邻接图。
x a y表示x到y存在一条路径，称y为x的后继点，x为y的前继点。已知邻接关系“a”，对于图像域集合E中的任意子集X(x∈X)有：
δ(X)＝{y∈E|x a y} (7)
式中，δ(X)为与X集前继点对应的所有后继点集。
1.2路径开运算
若集合a＝{a1,a2,...,aL}满足ak a ak+1或写为ak+1∈δ({ak})(k＝1,2,…,L-1)，则称a＝{a1,a2,...,aL}为长度L的δ-路径。已知图像域集合E中存在路径a，路径元素集合用σ(a)表示，即路径a上包含的所有像素点所组成的集合：
σ(a1,a2,...,aL)＝{a1,a2,...,aL} (8)
用算子αL(X)表示E集的子集X中所有长度为L的δ-路径元素的并集：
αL(X)＝∪{σ(a)|a∈ΠL(X)} (9)
式中，ΠL(X)表示E集的子集X里长度为L的δ-路径。
算子αL(X)具有形态学开运算的代数性质，它满足单调增、非扩展性和幂等性。因此，定义αL(X)为路径开算子，L为路径开算子长度。
在本实施例中，子集X为电成像图，缝洞提取的目标就是通过确定路径开算子长度L，在电成像图X中，找到所有满足路径开算子长度L的δ-路径元素的并集(αL(X))，即为所提取的溶蚀孔洞或者裂缝的子图像。
2.基于电成像图特征的邻接图模式
路径开运算处理的关键在于邻接图，因此邻接图的设计必须要满足所需识别目标体的路径。不同目标体(裂缝、孔洞和层理等)在电成像图中呈现出不同的角度、延伸程度以及连通程度，用邻接图衡量其角度，用路径开算子长度L衡量其延伸程度和连通程度。在本实施例中，依据不同目标体在电成像图上显示的不同特征，设计横向和纵向邻接图。如图8所示，黑点表示二维图像域的像素点集合，箭头代表邻接关系。
2.1横向邻接图
对于横向延伸程度较大的地质目标体，设计横向邻接图来区分它们。定义每个在E集中的像素点，使其满足这样的邻接关系：由该点出发到其-45°、0°和45°方向上的邻接像素点终止，那么集合E及它所满足的邻接关系即为横向邻接图，如图8a所示。将电成像图(X集)的每个像素点投放到定义的横向邻接图中，进行路径开运算，即可保留以径向为主的层界面、泥质条带以及在-45°到45°之间弯曲的中低角度裂缝，然后通过选取不同的路径开算子长度L，就可将层界面、泥质条带和中低角度裂缝分离开来。
2.2纵向邻接图
同样的，对于纵向延伸大的裂缝，设计纵向邻接图，即可将它们从图像中提取出来。定义每个在E集中的像素点，使其满足这样的邻接关系：由该点出发到其0°、45°、90°和135°方向上的邻接像素点终止，那么集合E及它所满足的邻接关系即为纵向邻接图，如图8b所示。将电成像图(X集)的每个像素点投放到定义的纵向邻接图中，进行路径开运算，即可保留以垂向为主的钻具缝、压裂缝以及在0°到135°之间弯曲的高角度裂缝，然后通过选取不同的路径开算子长度L，就可将钻具缝、压裂缝和高角度裂缝分离开来。
溶蚀孔洞在电成像图的延伸较小，在使用纵横向邻接图时，其路径长度远比构造缝和诱导缝的路径长度小，因此选取小的路径开算子长度L为阈值，即可将溶蚀孔洞分离出来。
将图8a作为邻接图执行路径开运算，结果如图9所示。图9中星形、方形和球形分别代表孤立点、面状结构和弯曲结构。为识别出面状结构和弯曲结构，给定路径开算子长度的阈值分别为L＝2和L＝6。通过算子α2(X)的处理后，星形的孤立像素点(如背景噪声)被过滤掉；算子α6(X)处理后，方形像素点的面状结构(如溶蚀孔洞)被过滤掉，保留了圆形像素点的弯曲结构(如裂缝)。因此，在进行电成像图的缝洞识别时，通过选取邻接图和不同长度的路径开算子αL(X)进行噪声压制和提取不同目标体。
3.构建缝洞孔隙结构谱
一般岩石基质的纵横比接近1.0；而裂缝开度小，延伸较长，纵横比远小于1.0；孔洞的形态是类圆形，其纵横比介于基质和裂缝之间，如图10所示。依据不同尺度的结构元素进行缝洞体的形态学边缘检测并进行缝洞边缘拟合后，用拟合的边缘线开度大小与对应孔隙最大宽度的比值计算裂缝孔隙纵横比；分别计算单位深度内已分离出来裂缝和溶蚀孔洞的面积占原始电成像图总面积的比例(即面孔率)，并将裂缝和溶蚀孔洞的面孔率按纵横比由小到大显示在二维波形图上，即为缝洞孔隙结构谱图。通过分析缝洞孔隙结构谱，可以根据裂缝的开度和孔隙的最大宽度范围定义张开缝、小孔隙、中孔隙和大孔隙，实现划分储集空间类型的目的。
4.实际资料处理与应用分析
在本实施例中，利用路径形态学算法分别处理裂缝型、孔隙型和裂缝-孔隙储层段。如图11所示，路径形态学算法将该井5005m-5007m层段内的裂缝子图像从少量溶蚀孔洞中提取出来。如图12所示，在5142.5m-5143.8m层段内，路径形态学算法不仅提取出溶蚀孔洞，而且分离出连通孔隙的裂缝。如图13所示，在5028m-5032m层段内，路径形态学算法在提取裂缝的同时，最大程度保留了溶蚀孔洞的形态。由此可见，路径形态学算法在自动提取缝洞体方面的优势。
对典型井综合测井进行分析解释，结果如图14所示。重点对比分析2号储层和8号储层。2号储层为典型裂缝型储层，图14b为其路径形态学缝洞提取结果。第二道电成像图显示，该段地层主要以裂缝发育为主，第四道显示路径形态学算法，很好地将高导裂缝与地层层理区分并分离出来，第五道的裂缝骨架提取也显示出完整的裂缝形态。第七道缝洞孔隙结构谱有效地指示了裂缝宽度，偏前的谱代表裂缝宽度小，偏后的谱代表裂缝宽度大，这也与第二道显示的原始裂缝信息相对应。8号储层为典型裂缝孔隙型储层，图14c为其路径形态学缝洞提取结果。从第二道电成像图上看到，该地层裂缝及溶蚀孔洞较为发育，其储集空间主要为孔洞，裂缝兼作储集空间及连通渠道。第四道和第五道分别为自动提取的裂缝和溶蚀孔洞子图像，可见路径形态学有效地将裂缝和溶蚀孔洞信息从原始图像中分离出来。第六道和第七道的骨架提取也良好地刻画出裂缝和溶蚀孔洞的边缘形态。从第八道的缝洞孔隙结构谱中，偏前的谱有效地指示裂缝，偏后的谱有效地指示溶蚀孔洞，其结果与第二道显示的原始缝洞信息对应较好。这些都验证了路径形态学算法提取缝洞信息的准确性。
本发明方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在示例性实施例中，还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述方法的步骤。处理器可能是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
综上所述，从一维纽扣电极极板数据出发，利用自适应多尺度形态学算法初步压制了采集时井壁凹凸不平等引起的随机噪声；利用自适应多尺度形态学算法，提取并剔除了包含泥质条带和地层层理信息的地层基质低频信息，实现了电成像图的裂缝和溶蚀孔洞信息增强的目的；采用奇异谱分析法对电成像图进行空白条带插值补全，在充分考虑空白条带与极板数据间的分布距离和窗内电导率数据相关性的同时，兼顾基质背景与缝洞体的电导率响应信息，具备了反向距离加权插值的优势，插值后的全井眼电导率图像为基于图像的形态学缝洞提取方法奠定了良好的基础。从二维电成像图出发，利用路径算子对直线形和弯曲形线性结构的自动追踪，实现裂缝和溶蚀孔洞的自动识别与提取。基于不同的邻接图版，较好地区分了不同倾斜角度的裂缝分布。路径形态学算法分离的缝洞子图像最大程度地保持了裂缝和溶蚀孔洞的原始形态。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种电成像测井缝洞识别方法，其特征在于，包括如下步骤：
步骤一，获取纽扣电极测量的一维原始电极数据，并利用多尺度形态学方法对一维原始电极数据进行去噪，得到去噪后的一维纽扣电极数据；
步骤二，基于自适应多尺度形态学算法，对步骤一去噪后的一维纽扣电极数据进行地层基质低频分量的剔除，得到二维成像电导率数据；
步骤三，利用奇异谱分析插值方法，对步骤二的二维成像电导率数据进行重构，得到重构后的全井眼二维电导率数据；
步骤四，对步骤三的全井眼二维电导率数据进行图像预处理，生成电成像图，依据电成像图设计邻接图版，并计算裂缝和溶蚀孔洞的路径算子长度，完成缝洞的识别。
2.根据权利要求1所述的电成像测井缝洞识别方法，其特征在于，步骤一的具体操作包括：
11)获取纽扣电极测量的一维原始电极数据，对一维原始电极数据进行多形状结构元素的实验分析，确定用于去噪处理的结构元素形状；
12)逐点对比搜索一维电极数据的局部峰值，自适应地确定结构元素的尺寸和高度；
13)利用步骤11)和12)确定的结构元素，对一维原始电极数据执行形态学的开-闭和闭-开混合滤波，压制噪声，得到去噪后的一维纽扣电极数据。
3.根据权利要求1所述的电成像测井缝洞识别方法，其特征在于，步骤二的具体操作包括：
21)对步骤一去噪后的一维纽扣电极数据进行浅侧向刻度，得到一维电导率数据；
22)进行多形状结构元素的实验分析，确定用于地层基质低频分量的结构元素形状，所述地层基质低频分量包括地层层理和泥质条带；
23)自动搜索一维电导率数据的下包络，自适应地确定结构元素的尺寸和高度；
24)利用步骤22)和23)确定的结构元素，对一维电导率数据执行形态学滤波，分离地层层理和泥质条带；
25)定量计算分离出来的地层层理与泥质条带的厚度和产状参数，对剔除地层层理和泥质条带后的数据，进行精准识别缝洞体处理，得到二维成像电导率数据。
4.根据权利要求1所述的电成像测井缝洞识别方法，其特征在于，步骤三的具体操作包括：
31)对步骤二得到的二维成像电导率数据进行傅里叶变换，得到频率域的二维电导率数据；
32)对步骤31)得到的频率域二维电导率数据的每个频率切片应用奇异谱插值方法进行处理；
33)对步骤32)处理后的频率域的二维电导率数据进行逆傅里叶变换，得到重构后的全井眼二维电导率数据。
5.根据权利要求1所述的电成像测井缝洞识别方法，其特征在于，步骤四的具体操作包括：
41)对步骤三得到的全井眼二维电导率数据进行图像预处理，并生成动静态的电成像图；
42)依据不同裂缝和溶蚀孔洞在电成像图上的显示特征，设计邻接图版；
43)将电成像图的每个像素点投放到步骤42)的邻接图版中，确定待分离的裂缝和溶蚀孔洞的最大路径算子长度，以最大路径算子长度作为阈值；
44)基于步骤42)的邻接图版和步骤43)的裂缝及溶蚀孔洞的阈值，实现对裂缝和溶蚀孔洞的识别及获取，完成缝洞的识别。
6.基于权利要求1～5所述的电成像测井缝洞识别方法构建的孔隙结构表征方法，其特征在于，包括如下步骤：
S1：基于缝洞识别方法，分离并分别获取裂缝和溶蚀孔洞，依据不同尺度的结构元素进行缝洞体的形态学边缘检测，并进行缝洞边缘拟合，得到缝洞边缘线；
S2：基于S1的缝洞边缘线的开度计算裂缝和溶蚀孔洞的孔隙纵横比；
S3：分别计算单位深度内已分离出来的裂缝、溶蚀孔洞的面孔率，并按纵横比的大小顺序显示在二维波形图上，获得缝洞孔隙结构谱，基于缝洞孔隙结构谱进行孔隙结构定量表征。
7.一种电成像测井缝洞识别系统，其特征在于，包括：
第一计算单元，根据纽扣电极测量的一维原始电极数据，利用多尺度形态学方法对一维原始电极数据进行去噪，获取去噪后的一维纽扣电极数据；
第二计算单元，对去噪后的一维纽扣电极数据进行地层基质低频分量的剔除，获取二维成像电导率数据；
第三计算单元，利用奇异谱分析插值方法，对二维成像电导率数据进行重构，获取重构后的全井眼二维电导率数据；
第一图像处理单元，对全井眼二维电导率数据进行图像预处理，获取动静态图像；
提取单元，依据动静态图像设计邻接图版，计算裂缝和溶蚀孔洞的路径算子长度，用于缝洞的识别。
8.一种基于电成像测井缝洞识别方法的孔隙结构表征的构建系统，其特征在于，包括：
数据处理单元，依据不同尺度的结构元素进行缝洞体的形态学边缘检测，并进行缝洞边缘拟合；
第四计算单元，基于拟合的缝洞边缘线开度大小，计算裂缝和溶蚀孔洞的孔隙纵横比；
第五计算单元，计算单位深度内已分离出来的裂缝、溶蚀孔洞的面孔率；
第二图像处理单元，将裂缝面孔率和溶蚀孔洞面孔率按纵横比的大小顺序显示在二维波形图上，获取缝洞孔隙结构谱。
9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1～5任意一项所述缝洞识别方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1～5任意一项所述缝洞识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011026920.2A CN112324422B (zh) | 2020-09-25 | 2020-09-25 | 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011026920.2A CN112324422B (zh) | 2020-09-25 | 2020-09-25 | 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112324422A true CN112324422A (zh) | 2021-02-05 |
| CN112324422B CN112324422B (zh) | 2024-06-25 |
Family
ID=74304072
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011026920.2A Active CN112324422B (zh) | 2020-09-25 | 2020-09-25 | 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112324422B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113393400A (zh) * | 2021-06-22 | 2021-09-14 | 中海油田服务股份有限公司 | 消除电成像图像噪声特征的处理方法及装置 |
| CN113818867A (zh) * | 2021-09-17 | 2021-12-21 | 成都理工大学 | 一种构建伪毛管压力曲线方法、系统、介质、设备及应用 |
| CN115829990A (zh) * | 2022-12-15 | 2023-03-21 | 吉林大学 | 一种基于成像测井图像处理的天然裂缝识别方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5012193A (en) * | 1989-11-01 | 1991-04-30 | Schlumberger Technology Corp. | Method and apparatus for filtering data signals produced by exploration of earth formations |
| US20110091078A1 (en) * | 2007-08-31 | 2011-04-21 | Josselin Kherroubi | Identifying geological features in an image of an underground formation surrounding a borehole |
| CN103592690A (zh) * | 2013-10-24 | 2014-02-19 | 长江大学 | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 |
| US20150023564A1 (en) * | 2013-07-18 | 2015-01-22 | Chevron U.S.A. Inc. | System and method for estimating porosity distribution in subterranean reservoirs |
| CN106014397A (zh) * | 2016-05-13 | 2016-10-12 | 中国石油天然气集团公司 | 一种成像测井缝洞储层参数提取方法 |
| CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
| US20170248728A1 (en) * | 2014-10-10 | 2017-08-31 | Halliburton Energy Services, Inc. | Formation resistivity measurement apparatus, systems, and methods |
-
2020
- 2020-09-25 CN CN202011026920.2A patent/CN112324422B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5012193A (en) * | 1989-11-01 | 1991-04-30 | Schlumberger Technology Corp. | Method and apparatus for filtering data signals produced by exploration of earth formations |
| US20110091078A1 (en) * | 2007-08-31 | 2011-04-21 | Josselin Kherroubi | Identifying geological features in an image of an underground formation surrounding a borehole |
| US20150023564A1 (en) * | 2013-07-18 | 2015-01-22 | Chevron U.S.A. Inc. | System and method for estimating porosity distribution in subterranean reservoirs |
| CN103592690A (zh) * | 2013-10-24 | 2014-02-19 | 长江大学 | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 |
| US20170248728A1 (en) * | 2014-10-10 | 2017-08-31 | Halliburton Energy Services, Inc. | Formation resistivity measurement apparatus, systems, and methods |
| CN106014397A (zh) * | 2016-05-13 | 2016-10-12 | 中国石油天然气集团公司 | 一种成像测井缝洞储层参数提取方法 |
| CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 李振苓 等: "成像测井电导率图像空白带奇异谱插值和缝洞孔隙度分离方法", 测井技术, vol. 41, no. 01, 28 February 2017 (2017-02-28), pages 33 - 40 * |
| 李曦宁 等: "用多尺度形态学方法实现成像测井电导率图像的缝洞参数表征", 中国石油大学学报(自然科学版), vol. 41, no. 01, 28 February 2017 (2017-02-28), pages 69 - 77 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113393400A (zh) * | 2021-06-22 | 2021-09-14 | 中海油田服务股份有限公司 | 消除电成像图像噪声特征的处理方法及装置 |
| CN113393400B (zh) * | 2021-06-22 | 2022-08-30 | 中海油田服务股份有限公司 | 消除电成像图像噪声特征的处理方法及装置 |
| CN113818867A (zh) * | 2021-09-17 | 2021-12-21 | 成都理工大学 | 一种构建伪毛管压力曲线方法、系统、介质、设备及应用 |
| CN115829990A (zh) * | 2022-12-15 | 2023-03-21 | 吉林大学 | 一种基于成像测井图像处理的天然裂缝识别方法 |
| CN115829990B (zh) * | 2022-12-15 | 2023-10-10 | 吉林大学 | 一种基于成像测井图像处理的天然裂缝识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112324422B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112324422A (zh) | 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 | |
| EP1815272B1 (en) | System and method for fault identification | |
| Assous et al. | Automated detection of planar geologic features in borehole images | |
| EP3055716B1 (en) | Automatic dip picking from wellbore azimuthal image logs | |
| US6125203A (en) | Method for automatically determining stratification beds in a site | |
| Szymczyk et al. | Preprocessing of GPR data | |
| CN111290021A (zh) | 基于梯度结构张量谱分解的碳酸盐岩缝洞增强识别方法 | |
| Al-Dossary et al. | Lineament-preserving filtering | |
| Samet et al. | Using interpolation techniques to determine the optimal profile interval in ground-penetrating radar applications | |
| Li et al. | Automatic fracture–vug identification and extraction from electric imaging logging data based on path morphology | |
| Karbalaali et al. | Channel boundary detection based on 2D shearlet transformation: An application to the seismic data in the South Caspian Sea | |
| Kawalec-Latała | Edge detection on images of pseudoimpedance section supported by context and adaptive transformation model images | |
| Boustani et al. | Mapping channel edges in seismic data using curvelet transform and morphological filter | |
| Adair et al. | Statistical edge detection operators for linear feature extraction in SAR images | |
| CN109427042B (zh) | 一种提取局部海域沉积层的分层结构和空间分布的方法 | |
| Li et al. | Fracture extraction from FMI based on multiscale mathematical morphology | |
| Yang et al. | An automatic method for discontinuity recognition in coal-measure strata borehole images | |
| Silvetti et al. | Quadratic self-correlation: An improved method for computing local fractal dimension in remote sensing imagery | |
| Zhang et al. | Application of image enhancement techniques to potential field data | |
| CN113947559A (zh) | 地震属性多尺度融合方法、装置、电子设备及介质 | |
| CN116256801B (zh) | 基于图像融合的深地油气精准导航断层表征方法与系统 | |
| Volcan et al. | Enhanced delineation of reservoir compartmentalization from advanced Pre and Post-stack seismic attribute analysis | |
| Chuai et al. | A seismic texture coherence algorithm and its application | |
| Shu et al. | Automatic Extraction of Martian Subsurface Layer from Radargrams Based on PDE Denoising and KL Filter | |
| Zhang et al. | Detection of fractures in borehole image |
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 |