CN112529822A - 一种随钻测井成像数据处理方法 - Google Patents

一种随钻测井成像数据处理方法 Download PDF

Info

Publication number
CN112529822A
CN112529822A CN202110178894.3A CN202110178894A CN112529822A CN 112529822 A CN112529822 A CN 112529822A CN 202110178894 A CN202110178894 A CN 202110178894A CN 112529822 A CN112529822 A CN 112529822A
Authority
CN
China
Prior art keywords
image
function
data
representing
imaging data
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
Application number
CN202110178894.3A
Other languages
English (en)
Other versions
CN112529822B (zh
Inventor
耿淦
乔颖慧
顾鹏
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.)
Schlumberger Oilfield Technologies Shandong Co ltd
Original Assignee
Schlumberger Oilfield Technologies Shandong Co ltd
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 Schlumberger Oilfield Technologies Shandong Co ltd filed Critical Schlumberger Oilfield Technologies Shandong Co ltd
Priority to CN202110178894.3A priority Critical patent/CN112529822B/zh
Publication of CN112529822A publication Critical patent/CN112529822A/zh
Application granted granted Critical
Publication of CN112529822B publication Critical patent/CN112529822B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/73—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Abstract

本发明涉及随钻测井技术领域，提供一种随钻测井成像数据处理方法，测井仪器下井前将成像数据与方位角之间的概率密度函数写入存储器；测井过程中采集成像数据，结合概率密度函数得到方位角的一维分布或二维分布；获得成像数据概率分布后进行压缩处理，写入内存或传输；通过建立的成像数据恢复模型，实现成像数据的去模糊处理，获取高质量图像；优点为：本发明图像分辨率和抑制噪声能力提高；通过保存测井成像传感器数据，获处理写入内存或传输；通过建立的成像数据恢复模型，实现成像数据的去模糊处理，得整个圆周上的分布式数据，实现非方位敏感的测量。

Description

一种随钻测井成像数据处理方法
技术领域
本发明涉及随钻测井技术领域，尤其是涉及一种随钻测井成像数据处理方法。
背景技术
在石油钻井中通过测井来获取井眼和地层参数。测井是将地质信息转换成物理信号，然后再把物理信号反演回地质信息的一种技术。测井技术包括声波测井、井下压力、谱密度、中子密度、电阻率、伽马等。电缆测井应用于各类油、气井的测井，移除钻柱和井底钻具组合后，在地面系统与地下仪器之间通过电缆进行连接和传输测量数据。随钻测井是指在钻井过程中测量地层岩石物理参数，并用数据遥测系统将测量结果实时传送到地面进行处理。
随钻测量工具通常用于测量钻孔穿过的地层的物理性质，如电阻率、孔隙度、声波速度值等，供地质导向分析。为了做出正确的地质导向决策，通常需要地层信息，如油层边界的倾角和走向角等。这种信息可以从对地层性质的方位敏感测量中获得，特别是从这种方位敏感的图像数据中获得。
井下成像工具是电缆测井应用中的常规工具。这种电缆成像工具通过高速数据链路发送大量测井数据进行成像。电缆工具通过多个传感器从工具向外延伸，与井壁接触，稳定性强。但在随钻测井（LWD）中，作业时井下与地面通信采用泥浆脉冲技术，通信带宽不足以携带大量图像数据，并且随钻测井工具因运行过程不稳定，因此需要更高的传感器配置和数据处理技术。
随钻测井中成像技术的一个问题是，成像技术通常需要大量数据的存储和传输能力。由于井下仪器与地面之间的通信带宽有限，以及井下数据存储能力有限，通常会大幅减少用于井下成像的传感器数据。传统技术通过成像数据封装到多个方位区来实现数据量减少。虽然封装技术已用于随钻测量，但实时和内存随钻测量图像往往粗糙、图像模糊等。
发明内容
本发明的目的在于为解决现有技术的不足，而提供一种随钻测井成像数据处理方法。
本发明新的技术方案是：一种随钻测井成像数据处理方法，所述的成像数据处理方法如下：
步骤一：将图像数据和方位角数据之间的概率密度函数写入井下仪器的存储器；
图像数据的概率密度函数表示为：
Figure 100002_DEST_PATH_IMAGE001
（1）
其中，
Figure DEST_PATH_IMAGE002
表示方位角，
Figure 100002_DEST_PATH_IMAGE003
表示接收信号的总概率，
Figure DEST_PATH_IMAGE004
表示关于方位角的函数；公式（1）一维概率密度函数离散形式表示为：
Figure 100002_DEST_PATH_IMAGE005
（2）
其中，
Figure DEST_PATH_IMAGE006
表示离散方位角增量，
Figure 100002_DEST_PATH_IMAGE007
表示接收信号总概率，
Figure DEST_PATH_IMAGE008
表示方位角的离散函数；
步骤二：测井过程中，采集图像数据和方位角数据，组成数据对，结合相应的概率密度函数，得到图像数据的概率分布，概率分布包括一维概率分布和二维概率分布；
1）图像数据的一维概率分布为：
Figure 100002_DEST_PATH_IMAGE009
（3）
其中，
Figure DEST_PATH_IMAGE010
为离散角的个数，例如
Figure 100002_DEST_PATH_IMAGE011
表示临时的图像数组，
Figure DEST_PATH_IMAGE012
表示图像数据的概率分布，
Figure 100002_DEST_PATH_IMAGE013
表示离散概率密度函数，上述公式中
Figure 594006DEST_PATH_IMAGE010
=360，即增量为1°的360个方位角度；公式（3）减少测井传感器数据，即：
Figure DEST_PATH_IMAGE014
（4）
2）图像数据的二维概率分布为：
Figure 100002_DEST_PATH_IMAGE015
（5）
其中，
Figure 373130DEST_PATH_IMAGE010
为离散角的个数，例如
Figure DEST_PATH_IMAGE016
，
Figure 100002_DEST_PATH_IMAGE017
表示临时图像阵列中轴向位置的个数，如
Figure DEST_PATH_IMAGE018
，
Figure 100002_DEST_PATH_IMAGE019
表示最终图像阵列中轴向位置的个数，如
Figure DEST_PATH_IMAGE020
表示临时的二维图像数组，
Figure 100002_DEST_PATH_IMAGE021
表示图像数据的概率分布，
Figure DEST_PATH_IMAGE022
表示二维离散概率密度函数；公式（5）减少测井传感器数据，即：
Figure 100002_DEST_PATH_IMAGE023
（6）
通过公式（4）和（6）得到图像数据的概率分布；在存储和传输之前，对图像数据的概率分布数据进行压缩；对传感器数据进行概率分布处理，再采用频域压缩算法即可实现高质量压缩；
步骤三：图像数据的概率分布处理可降低噪声，但随钻测井传感器的方位和轴向灵敏度有限，导致井眼图像模糊；
图像模糊过程如下：
Figure DEST_PATH_IMAGE024
（7）
其中，
Figure 100002_DEST_PATH_IMAGE025
表示原始图像，
Figure DEST_PATH_IMAGE026
表示模糊函数，
Figure 100002_DEST_PATH_IMAGE027
表示模糊图像；模糊过程频域表示为：
Figure DEST_PATH_IMAGE028
（8）
采用二维高斯滤波器做模糊图像处理：
Figure 100002_DEST_PATH_IMAGE029
（9）
Figure DEST_PATH_IMAGE030
（10）
公式（9）和（10）中，
Figure DEST_PATH_IMAGE031
代表脉冲响应（模糊滤波器函数），
Figure DEST_PATH_IMAGE032
代表模糊滤波器函数的频率响应；
步骤四：建立成像数据恢复模型，实现成像数据的去模糊处理，获取高质量图像；
成像数据模糊和恢复的数学模型可表示为：
Figure DEST_PATH_IMAGE033
（11）
其中，
Figure DEST_PATH_IMAGE034
表示原始图像，
Figure 100002_DEST_PATH_IMAGE035
表示模糊函数，
Figure DEST_PATH_IMAGE036
表示模糊图像，
Figure DEST_PATH_IMAGE037
表示去模糊函数，
Figure DEST_PATH_IMAGE038
表示恢复图像；图像的模糊和去模糊过程频域表示为：
Figure DEST_PATH_IMAGE039
（12）
图像恢复采用非盲去模糊算法处理，模糊函数
Figure DEST_PATH_IMAGE040
已知，因此去模糊函数
Figure DEST_PATH_IMAGE041
可直接由模糊函数确定；图像恢复滤波器采用维纳滤波器表示为：
Figure DEST_PATH_IMAGE042
（13）
其中，
Figure DEST_PATH_IMAGE043
表示模糊函数和去模糊函数的频域表示，
Figure DEST_PATH_IMAGE044
表示模糊函数的共轭，
Figure DEST_PATH_IMAGE045
代表噪声功率的平方与信号功率的平方的比值。
本发明的有益效果为：本发明图像分辨率和抑制噪声能力提高；通过保存测井成像传感器数据，获处理写入内存或传输；通过建立的成像数据恢复模型，实现成像数据的去模糊处理，得整个圆周上的分布式数据，实现非方位敏感的测量。
附图说明
图1为本发明的流程图；
图2为一维离散概率密度函数图；
图3为二维离散概率密度函数图。
具体实施方式
下面结合附图对本发明作进一步地说明。
一种随钻测井成像数据处理方法，首先将成像数据（以伽马射线传感器为例）与方位角之间的响应函数（也称概率密度函数）写入存储器测井过程中，采集成像数据，结合概率密度函数得到方位角的一维分布，或方位角和轴向的二维分布；获得成像数据概率分布后进行压缩处理，写入内存或传输；通过建立的成像数据恢复模型，实现成像数据的去模糊处理以恢复图像。
测井过程中，采集图像数据和方位角数据，组成数据对，图像数据以伽马射线传感器数据为例，然后根据预先确定的概率密度函数得出图像数据的概率分布。例如，伽马射线传感器检测到单个伽马射线数，有大约15%的可能性来源于180°方位角（172.5°到187.5°的范围内，以15°为间隔），因此，如果伽马射线传感器一定时间内检测到200次计数，那么其中30次计数可能来自180°的方位角，以此类推，获得其他方位角的计数。
一种随钻测井成像数据处理方法，所述的成像数据处理方法如下：
步骤一：将图像数据和方位角数据之间的概率密度函数写入井下仪器的存储器；
图像数据的概率密度函数表示为：
Figure 511724DEST_PATH_IMAGE001
（1）
其中，
Figure 844616DEST_PATH_IMAGE002
表示方位角，
Figure 580360DEST_PATH_IMAGE003
表示接收信号的总概率，
Figure 809347DEST_PATH_IMAGE004
表示关于方位角的函数；公式（1）一维概率密度函数离散形式表示为：
Figure 62998DEST_PATH_IMAGE005
（2）
其中，
Figure 402844DEST_PATH_IMAGE006
表示离散方位角增量，
Figure 258673DEST_PATH_IMAGE007
表示接收信号总概率，
Figure 189720DEST_PATH_IMAGE008
表示方位角的离散函数；
步骤二：测井过程中，采集图像数据和方位角数据，组成数据对，结合相应的概率密度函数，得到图像数据的概率分布，概率分布包括一维概率分布和二维概率分布；
1）图像数据的一维概率分布为：
Figure 927738DEST_PATH_IMAGE009
（3）
其中，
Figure 336854DEST_PATH_IMAGE010
为离散角的个数，例如
Figure 47190DEST_PATH_IMAGE011
表示临时的图像数组，
Figure 211455DEST_PATH_IMAGE012
表示图像数据的概率分布，
Figure 390763DEST_PATH_IMAGE013
表示离散概率密度函数，上述公式中
Figure 855767DEST_PATH_IMAGE010
=360，即增量为1°的360个方位角度；公式（3）减少测井传感器数据，即：
Figure 171342DEST_PATH_IMAGE014
（4）
2）图像数据的二维概率分布为：
Figure 693459DEST_PATH_IMAGE015
（5）
其中，
Figure 156802DEST_PATH_IMAGE010
为离散角的个数，例如
Figure 156987DEST_PATH_IMAGE016
，
Figure 592648DEST_PATH_IMAGE017
表示临时图像阵列中轴向位置的个数，如
Figure 98716DEST_PATH_IMAGE018
，
Figure 236305DEST_PATH_IMAGE019
表示最终图像阵列中轴向位置的个数，如
Figure 790914DEST_PATH_IMAGE020
表示临时的二维图像数组，
Figure 321560DEST_PATH_IMAGE021
表示图像数据的概率分布，
Figure 998529DEST_PATH_IMAGE022
表示二维离散概率密度函数；公式（5）减少测井传感器数据，即：
Figure 357835DEST_PATH_IMAGE023
（6）
通过公式（4）和（6）得到图像数据的概率分布；在存储和传输之前，对图像数据的概率分布数据进行压缩；对传感器数据进行概率分布处理，再采用频域压缩算法即可实现高质量压缩；
步骤三：图像数据的概率分布处理可降低噪声，但随钻测井传感器的方位和轴向灵敏度有限，导致井眼图像模糊；
图像模糊过程如下：
Figure 716135DEST_PATH_IMAGE024
（7）
其中，
Figure 923125DEST_PATH_IMAGE025
表示原始图像，
Figure 692367DEST_PATH_IMAGE026
表示模糊函数，
Figure 7811DEST_PATH_IMAGE027
表示模糊图像；模糊过程频域表示为：
Figure 169802DEST_PATH_IMAGE028
（8）
采用二维高斯滤波器做模糊图像处理：
Figure 217917DEST_PATH_IMAGE029
（9）
Figure 439951DEST_PATH_IMAGE030
（10）
公式（9）和（10）中，
Figure 773849DEST_PATH_IMAGE031
代表脉冲响应（模糊滤波器函数），
Figure 739531DEST_PATH_IMAGE032
代表模糊滤波器函数的频率响应；
步骤四：建立成像数据恢复模型，实现成像数据的去模糊处理，获取高质量图像；
成像数据模糊和恢复的数学模型可表示为：
Figure 655534DEST_PATH_IMAGE033
（11）
其中，
Figure 32158DEST_PATH_IMAGE034
表示原始图像，
Figure 604085DEST_PATH_IMAGE035
表示模糊函数，
Figure 357146DEST_PATH_IMAGE036
表示模糊图像，
Figure 596497DEST_PATH_IMAGE037
表示去模糊函数，
Figure 943689DEST_PATH_IMAGE038
表示恢复图像；图像的模糊和去模糊过程频域表示为：
Figure 268492DEST_PATH_IMAGE039
（12）
图像恢复采用非盲去模糊算法处理，模糊函数
Figure 559664DEST_PATH_IMAGE040
已知，因此去模糊函数
Figure 387943DEST_PATH_IMAGE041
可直接由模糊函数确定；图像恢复滤波器采用维纳滤波器表示为：
Figure 919419DEST_PATH_IMAGE042
（13）
其中，
Figure 715205DEST_PATH_IMAGE043
表示模糊函数和去模糊函数的频域表示，
Figure 826381DEST_PATH_IMAGE044
表示模糊函数的共轭，
Figure 758434DEST_PATH_IMAGE045
代表噪声功率的平方与信号功率的平方的比值。
通过成像数据恢复数学模型的处理，地层和图像的各种特征都比较明显，可以很好的恢复原始井眼图像，具有更好的图像分辨率和抑制噪声能力。

Claims (1)

1.一种随钻测井成像数据处理方法，其特征在于：
所述的成像数据处理方法如下：
步骤一：将图像数据和方位角数据之间的概率密度函数写入井下仪器的存储器；
图像数据的概率密度函数表示为：
Figure DEST_PATH_IMAGE001
（1）
其中，
Figure 753066DEST_PATH_IMAGE002
表示方位角，
Figure DEST_PATH_IMAGE003
表示接收信号的总概率，
Figure 342179DEST_PATH_IMAGE004
表示关于方位角的函数；公式（1）一维概率密度函数离散形式表示为：
Figure DEST_PATH_IMAGE005
（2）
其中，
Figure 73374DEST_PATH_IMAGE006
表示离散方位角增量，
Figure DEST_PATH_IMAGE007
表示接收信号总概率，
Figure 456951DEST_PATH_IMAGE008
表示方位角的离散函数；
步骤二：测井过程中，采集图像数据和方位角数据，组成数据对，结合相应的概率密度函数，得到图像数据的概率分布，概率分布包括一维概率分布和二维概率分布；
1）图像数据的一维概率分布为：
Figure DEST_PATH_IMAGE009
（3）
其中，
Figure 338844DEST_PATH_IMAGE010
为离散角的个数，例如
Figure DEST_PATH_IMAGE011
表示临时的图像数组，
Figure 200490DEST_PATH_IMAGE012
表示图像数据的概率分布，
Figure DEST_PATH_IMAGE013
表示离散概率密度函数，上述公式中
Figure 848509DEST_PATH_IMAGE010
=360，即增量为1°的360个方位角度；公式（3）减少测井传感器数据，即：
Figure 340670DEST_PATH_IMAGE014
（4）
2）图像数据的二维概率分布为：
Figure DEST_PATH_IMAGE015
（5）
其中，
Figure 706929DEST_PATH_IMAGE010
为离散角的个数，例如
Figure 312879DEST_PATH_IMAGE016
，
Figure DEST_PATH_IMAGE017
表示临时图像阵列中轴向位置的个数，如
Figure 284246DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE019
表示最终图像阵列中轴向位置的个数，如
Figure 744046DEST_PATH_IMAGE020
表示临时的二维图像数组，
Figure DEST_PATH_IMAGE021
表示图像数据的概率分布，
Figure 597601DEST_PATH_IMAGE022
表示二维离散概率密度函数；公式（5）减少测井传感器数据，即：
Figure DEST_PATH_IMAGE023
（6）
通过公式（4）和（6）得到图像数据的概率分布；在存储和传输之前，对图像数据的概率分布数据进行压缩；对传感器数据进行概率分布处理，再采用频域压缩算法即可实现高质量压缩；
步骤三：图像数据的概率分布处理可降低噪声，但随钻测井传感器的方位和轴向灵敏度有限，导致井眼图像模糊；
图像模糊过程如下：
Figure 57840DEST_PATH_IMAGE024
（7）
其中，
Figure DEST_PATH_IMAGE025
表示原始图像，
Figure 883713DEST_PATH_IMAGE026
表示模糊函数，
Figure DEST_PATH_IMAGE027
表示模糊图像；模糊过程频域表示为：
Figure 514415DEST_PATH_IMAGE028
（8）
采用二维高斯滤波器做模糊图像处理：
Figure DEST_PATH_IMAGE029
（9）
Figure 855266DEST_PATH_IMAGE030
（10）
公式（9）和（10）中，
Figure 800088DEST_PATH_IMAGE031
代表脉冲响应（模糊滤波器函数），
Figure 214889DEST_PATH_IMAGE032
代表模糊滤波器函数的频率响应；
步骤四：建立成像数据恢复模型，实现成像数据的去模糊处理，获取高质量图像；
成像数据模糊和恢复的数学模型可表示为：
Figure 222684DEST_PATH_IMAGE033
（11）
其中，
Figure 722935DEST_PATH_IMAGE034
表示原始图像，
Figure DEST_PATH_IMAGE035
表示模糊函数，
Figure 533766DEST_PATH_IMAGE036
表示模糊图像，
Figure 68652DEST_PATH_IMAGE037
表示去模糊函数，
Figure 978839DEST_PATH_IMAGE038
表示恢复图像；图像的模糊和去模糊过程频域表示为：
Figure 966387DEST_PATH_IMAGE039
（12）
图像恢复采用非盲去模糊算法处理，模糊函数
Figure 456274DEST_PATH_IMAGE040
已知，因此去模糊函数
Figure 848597DEST_PATH_IMAGE041
可直接由模糊函数确定；图像恢复滤波器采用维纳滤波器表示为：
Figure 195264DEST_PATH_IMAGE042
（13）
其中，
Figure 670108DEST_PATH_IMAGE043
表示模糊函数和去模糊函数的频域表示，
Figure 760424DEST_PATH_IMAGE044
表示模糊函数的共轭，
Figure 4323DEST_PATH_IMAGE045
代表噪声功率的平方与信号功率的平方的比值。
CN202110178894.3A 2021-02-09 2021-02-09 一种随钻测井成像数据处理方法 Active CN112529822B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110178894.3A CN112529822B (zh) 2021-02-09 2021-02-09 一种随钻测井成像数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110178894.3A CN112529822B (zh) 2021-02-09 2021-02-09 一种随钻测井成像数据处理方法

Publications (2)

Publication Number Publication Date
CN112529822A true CN112529822A (zh) 2021-03-19
CN112529822B CN112529822B (zh) 2021-04-20

Family

ID=74975626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110178894.3A Active CN112529822B (zh) 2021-02-09 2021-02-09 一种随钻测井成像数据处理方法

Country Status (1)

Country Link
CN (1) CN112529822B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699509A (zh) * 2009-11-11 2010-04-28 耿则勋 一种利用气象数据进行大气模糊遥感影像恢复的方法
CN102708550A (zh) * 2012-05-17 2012-10-03 浙江大学 一种基于自然图像统计特性的盲去模糊算法
CN107301628A (zh) * 2017-06-27 2017-10-27 武汉大学 基于震颤像移轨迹的卫星平台震颤影像去模糊方法
CN109741273A (zh) * 2018-12-26 2019-05-10 江苏优胜信息技术有限公司 一种手机拍照低质图像的自动处理与评分方法
CN111144432A (zh) * 2018-11-01 2020-05-12 通用汽车环球科技运作有限责任公司 在传感器融合系统中消除模糊检测的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699509A (zh) * 2009-11-11 2010-04-28 耿则勋 一种利用气象数据进行大气模糊遥感影像恢复的方法
CN102708550A (zh) * 2012-05-17 2012-10-03 浙江大学 一种基于自然图像统计特性的盲去模糊算法
CN107301628A (zh) * 2017-06-27 2017-10-27 武汉大学 基于震颤像移轨迹的卫星平台震颤影像去模糊方法
CN111144432A (zh) * 2018-11-01 2020-05-12 通用汽车环球科技运作有限责任公司 在传感器融合系统中消除模糊检测的方法
CN109741273A (zh) * 2018-12-26 2019-05-10 江苏优胜信息技术有限公司 一种手机拍照低质图像的自动处理与评分方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张墨华: ""基于先验学习的图像复原技术研究"", 《中国优秀博士论文全文数据库》 *

Also Published As

Publication number Publication date
CN112529822B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
EP2179302B1 (en) Probablistic imaging with azimuthally sensitive mwd/lwd sensors
US8271199B2 (en) Binning method for borehole imaging
US20070223822A1 (en) Data compression method used in downhole applications
CA2573530C (en) Apparent dip angle calculation and image compression based on region of interest
CN103988096B (zh) 具有井下地震波形压缩的方法和装置
CA2583865C (en) Enhancing the quality and resolution of an image generated from single or multiple sources
US7283910B2 (en) Incremental depth measurement for real-time calculation of dip and azimuth
US9182509B2 (en) System and method for generating true depth seismic surveys
US6725162B2 (en) Method for determining wellbore diameter by processing multiple sensor measurements
US8942064B2 (en) Sending a seismic trace to surface after a vertical seismic profiling while drilling measurement
CN109143374B (zh) 一种井周散射体成像方法及系统
CA2895600C (en) Acoustic data compression technique
GB2437152A (en) Image compression in downhole applications
US10955581B2 (en) Using an adjusted drive pulse in formation evaluation
CN112529822B (zh) 一种随钻测井成像数据处理方法
US11947063B2 (en) Method of conditioning seismic data for first-break picking using nonlinear beamforming
US11022711B2 (en) Correcting eccentering effect in pulse-echo imaging
Orban et al. Enhancement in real-time ultrasonic borehole imaging: Case study with LWD amplitude images from deepwater Brazil operations
US11774628B2 (en) Probabilistically distinguishing between true and false scintillator pulses
WO2018080486A1 (en) Dipole shear velocity estimation
Denney Optimizing well construction: Full-waveform data from while-drilling seismic measurements
Lean et al. Comparison of FEWD and Wireline Log Responses: a Case History from Offshore South Africa
Stevens et al. PSReal-Time Resistivity Images Using High Data-Rate Telemetry in Papua New Guinea

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