CN112561806A - 一种微电阻率扫描测井仪图像增强方法及系统 - Google Patents

一种微电阻率扫描测井仪图像增强方法及系统 Download PDF

Info

Publication number
CN112561806A
CN112561806A CN202011270349.9A CN202011270349A CN112561806A CN 112561806 A CN112561806 A CN 112561806A CN 202011270349 A CN202011270349 A CN 202011270349A CN 112561806 A CN112561806 A CN 112561806A
Authority
CN
China
Prior art keywords
image
data
enhancement
electrode
gray
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
CN202011270349.9A
Other languages
English (en)
Other versions
CN112561806B (zh
Inventor
吴俊卿
张阿朋
隋晓波
任路波
程翠鹏
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.)
Jari Automation Co ltd China
Original Assignee
Jari Automation Co ltd China
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 Jari Automation Co ltd China filed Critical Jari Automation Co ltd China
Priority to CN202011270349.9A priority Critical patent/CN112561806B/zh
Publication of CN112561806A publication Critical patent/CN112561806A/zh
Application granted granted Critical
Publication of CN112561806B publication Critical patent/CN112561806B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种微电阻率扫描测井仪图像增强方法及系统,所述方法包括以下步骤:对微电阻率扫描成像测井数据进行平滑滤波处理;对滤波处理后的数据进行归一化处理;基于上述处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元;对图像进行直方图变换增强处理。该微电阻率扫描测井仪图像增强方法,可以将原本模糊不清甚至根本无法分辨的原始测井图像处理成清楚、明晰的富含大量地质信息的可使用图像,从而提高成像图像识别效率,方便、快捷、准确反映地质特征。

Description

一种微电阻率扫描测井仪图像增强方法及系统
技术领域
本发明属于地质勘探测井技术领域,特别涉及一种微电阻率扫描测井仪图像增强方法及系统。
背景技术
测井是一种井下油气勘探方法,用于发现油气藏,它在石油工业中占有重要的地位,是石油科学中的十大技术之一。微电阻率扫描测井能够提供高分辨率的、连续的井周图像,并且可直观、准确地识别储层中的裂缝。利用微电阻率扫描测井资料提取地层中的裂缝、孔、洞参数是成像测井资料处理及储层定量评价的重要方面,对预处理后的微电阻率扫描图像进行孔、洞、裂缝等子目标的识别与提取,再对分离出的图像提取相应表达孔、洞、裂缝特性的参数如长度、宽度等,有助于孔、洞、裂缝性地层的定性和定量描述。通过研究井壁成像原理以及典型图像模式,分析图像表现出的颜色、形态等信息,研究预处理方法,包括图像的增强、图像的去噪以及图像的细化等方法,从而提高成像图像质量,可方便、快捷、准确反映地质特征。
发明内容
本发明的目的在于提供一种微电阻率扫描测井仪图像增强方法,从而提高成像图像质量,方便、快捷、准确反映地质特征。
实现本发明目的的技术解决方案为:一种微电阻率扫描测井仪图像增强方法,所述方法包括以下步骤:
步骤1,对微电阻率扫描成像测井数据进行平滑滤波处理;
步骤2,对步骤1处理后的数据进行归一化处理;
步骤3,基于上述处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元;
步骤4,对图像进行直方图变换增强处理。
进一步地,步骤1所述对微电阻率扫描成像测井数据进行平滑滤波处理,具体采用低通滤波的方法,过程包括:
步骤1-1,采用一个滑动窗口在图像上滑动;
步骤1-2,求取滑动窗口内所有像素点的灰度值的平均值,利用该平均值替换窗口中心点对应的像素点的灰度值,计算公式为:
Figure BDA0002777523290000021
式中,I(i0,j0)为窗口中心点处像素点的灰度值,p(i,j)为窗口内像素点(i,j)处的灰度值,a(i,j)为p(i,j)的权重,n表示n*n的滑动窗口,
Figure BDA0002777523290000022
进一步地,步骤2所述对步骤1处理后的数据进行归一化处理,具体过程包括:
针对i号极板上的j号电极,对其在第l个深度采样所记录电阻率或电导率数据进行归一化处理:
Figure BDA0002777523290000023
其中,
Figure BDA0002777523290000024
式中,Rp[l,i,j]表示归一化后的电阻率或电导率,A表示电极系数,B表示电压零漂,Rm表示泥浆电阻率;Vg[l,i]表示i号极板上的保护电压基值,Vb[l,i,j]表示i号极板上j号电极的电压值,Kb[l]表示深度为l的电流测量值,Kg[l]表示深度为l的电流反馈值。
进一步地,步骤3所述基于上述处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元,具体过程包括:
步骤3-1,采用电极电流强度线性刻度法,将每个电极测量的电流强度按照预设关系刻度,得到灰度等级,以确定图像基准颜色;其中灰度等级计算公式为:
Figure BDA0002777523290000025
式中,P(l,i,j)为深度为l的第i个极板上第j个电极对应的灰度等级,C为归一化最大范围,D为最大灰度等级;
步骤3-2,将每个电极用一个色块显示在图像上,该色块显示时依据一个位置数据和一个灰度数据,该位置数据为电极的方位和深度,其中方位以顺时针偏离正北方向的角度表示,灰度数据为电极的灰度等级;所述图像的横坐标表示极板和电极的方位,纵坐标表示深度。
进一步地,步骤4所述对图像进行直方图变换增强处理,具体包括:
步骤4-1,构建图像增强函数:
t=EH(s)
式中,t、s分别为增强后的图像和原始图像上的像素点;
约束增强函数EH满足以下两个条件:
(1)增强函数EH在0≤s≤L-1的范围内为单调递增函数,L为最大灰度等级数;
(2)对于0≤s≤L-1,有0≤EH(s)≤L-1;
由此将上述图像增强函数转换为:
Figure BDA0002777523290000031
式中,p(·)为直方图分布统计,s[k]为源图像中灰度等级k对应的像素,t[k]为s[k]对应的增强后的像素,n[i]为灰度等级为i的像素个数,N为图像中像素的总数,k=0,1,2,…,L-1;
利用该增强函数获得直方图增强后各像素的灰度等级分布统计;
步骤4-2,对增强后的灰度等级进行取整处理,获得源灰度等级s[k]到t[k]的灰度映射,所用公式为:
t[k]=[(L-1)*t[k]+0.5]
重复上述步骤,得到所有的源图像各灰度级到目标图像各灰度级的映射关系,再按照新的映射关系对原图像各点像素颜色进行灰度转换,即可完成对源图的直方图增强。
一种微电阻率扫描测井仪图像增强系统,所述系统包括:
滤波模块,用于对微电阻率扫描成像测井数据进行平滑滤波处理;
归一化模块,用于对滤波后的数据进行归一化处理;
图像合成模块,用于基于上述模块处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元;
图像增强模块,用于对图像进行直方图变换增强处理。
本发明与现有技术相比,其显著优点为:1)采用数据平滑滤波处理,能有效剔除噪声干扰,提高数据成像质量;2)采用以泥浆电阻率为基准的常用对数归一化处理方法,使图像能够真实反映地层电阻率变化趋势;3)采用直方图变换处理图像的灰度变换,通过改变原始图像各像素在各灰度级上的概率分布来实现图像增强,该方法对于暗、弱信号的原始图像的目标识别和图像增强等有着良好的处理效果。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为本发明微电阻率扫描测井仪图像增强方法的流程图。
图2为一个实施例中微电阻率扫描成像图。
图3为一个实施例中直方图变换增强处理前后的直方图对比图,其中图(a)为未经处理的图像直方图,图(b)为经增强处理后的图像直方图。
图4为一个实施例中直方图变换增强处理后的效果对比图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,结合图1,提供了一种微电阻率扫描测井仪图像增强方法,所述方法包括以下步骤:
步骤1,对微电阻率扫描成像测井数据进行平滑滤波处理;
噪声并不限于人眼所能看的见的失真和变形,有些噪声只有在进行图像处理时才可以发现。图像中的噪声往往和信号交织在一起,如果平滑不当,就会使图像本身的细节如边界轮廓、线条等变得模糊不清。测井图像的能量主要集中在其低频部分,噪声所在的频段主要在高频段;
步骤2,对步骤1处理后的数据进行归一化处理;
微电阻率扫描成像测井所测量的数据反映了井下各深度位置地层电阻率或电导率值,对于动态范围很大的地层电阻率,石油行业中已习惯用常用对数的方式将其线性化显示绘图,它可以清晰地反映出不同模数范围值的大小分布情况。数据归一化处理主要是针对微电阻率扫描成像测井在图像合成前进行的电极增益及电导率或电阻率曲线的对数线性化处理。
步骤3,基于上述处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元;
步骤4,对图像进行直方图变换增强处理。图像的灰度变换处理是通过改变原始图像各像素在各灰度级上的概率分布来实现的。通过对图像的灰度值进行统计可以得到一个一维离散的图像灰度统计直方图函数式:
s[k]=n[k]/N
该式表示在第k个灰度级上的像素个数n[k]占全部像素总数N的比例,s[k]为对灰度等级k出现概率的一个估计,k=0,1,2……L-1表示灰度等级,L为灰度等级总数。因此该直方图函数实际是图像的各灰度级的分布情况的反映。通过该函数可以清楚地了解到图像对应的动态范围情况,可以了解到图像灰度的主要集中范围。因此可以通过图像增强程序的干预来改变直方图的灰度分布状况,使灰度均匀地或是按预期目标分布于整个灰度范围空间,从而达到增强图像对比度的效果。
进一步地,在其中一个实施例中,步骤1所述对微电阻率扫描成像测井数据进行平滑滤波处理,具体采用低通滤波的方法,过程包括:
步骤1-1,采用一个滑动窗口在图像上滑动;
步骤1-2,求取滑动窗口内所有像素点的灰度值的平均值,利用该平均值替换窗口中心点对应的像素点(每个点都是电阻率值)的灰度值,计算公式为:
Figure BDA0002777523290000051
式中,I(i0,j0)为窗口中心点处像素点的灰度值,p(i,j)为窗口内像素点(i,j)处的灰度值,a(i,j)为p(i,j)的权重,n表示n*n的滑动窗口,
Figure BDA0002777523290000052
进一步地,在其中一个实施例中,步骤2所述对步骤1处理后的数据进行归一化处理,提出了一种“以泥浆电阻率为基准的常用对数归一化处理”方法,具体过程包括:
针对i号极板上的j号电极,对其在第l个深度采样所记录电阻率或电导率数据进行归一化处理:
Figure BDA0002777523290000053
其中,
Figure BDA0002777523290000054
式中,Rp[l,i,j]表示归一化后的电阻率或电导率,A表示电极系数,B表示电压零漂,Rm表示泥浆电阻率;Vg[l,i]表示i号极板上的保护电压基值,Vb[l,i,j]表示i号极板上j号电极的电压值,Kb[l]表示深度为l的电流测量值,Kg[l]表示深度为l的电流反馈值。
这里优选地,A取1.131,B取4.107,
进一步地,在其中一个实施例中,步骤3所述基于上述处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元,具体过程包括:
步骤3-1,采用电极电流强度线性刻度法,将每个电极测量的电流强度按照预设关系刻度,得到灰度等级,以确定图像基准颜色;其中灰度等级计算公式为:
Figure BDA0002777523290000061
式中,P(l,i,j)为深度为l的第i个极板上第j个电极对应的灰度等级,C为归一化最大范围,D为最大灰度等级;
这里优选地,C通常设为65536,D通常设为1024;
步骤3-2,将每个电极用一个色块显示在图像上,该色块显示时依据一个位置数据和一个灰度数据,该位置数据为电极的方位和深度,其中方位以顺时针偏离正北方向的角度表示,灰度数据为电极的灰度等级;所述图像的横坐标表示极板和电极的方位,纵坐标表示深度(可以选用不同的深度比例绘图)。
作为一种具体示例,假设微电阻率扫描测井仪在井周方向共有6个平均分布极板,从正北开始沿顺时针方向依次记为1号至6号极板,每个极板沿井周方向有25个电极。根据上述步骤3-1至步骤3-2绘制出来的图像如图2所示,整个仪器的成像图是沿井壁正北方向向右的展开图,即成像图上所示的北—东—南—西—北的图像分区。图中从左至右的条状图依次代表1号至6号极板,每个条状图由该极板对应的25个电极数据形成,其中1号极板上的曲线表示1号极板偏离正北方向的位置,就是25个电极偏离正北方向的位置组合。
进一步地,在其中一个实施例中,步骤4所述对图像进行直方图变换增强处理,具体包括:
步骤4-1,构建图像增强函数:
t=EH(s)
式中,t、s分别为增强后的图像和原始图像上的像素点;
约束增强函数EH满足以下两个条件:
(1)增强函数EH在0≤s≤L-1的范围内为单调递增函数,L为最大灰度等级数;这个条件保证了在增强处理时没有打乱原始图像的灰度排列次序;
(2)对于0≤s≤L-1,有0≤EH(s)≤L-1,该条件保证了变换过程中灰度值的动态范围的一致性;
由此将上述图像增强函数转换为:
Figure BDA0002777523290000071
式中,p(·)为直方图分布统计,s[k]为源图像中灰度等级k对应的像素,t[k]为s[k]对应的增强后的像素,n[i]为灰度等级为i的像素个数,N为图像中像素的总数,k=0,1,2,…,L-1;
利用该增强函数获得直方图增强后各像素的灰度等级分布统计;
步骤4-2,对增强后的灰度等级进行取整处理,获得源灰度等级s[k]到t[k]的灰度映射,所用公式为:
t[k]=[(L-1)*t[k]+0.5]
重复上述步骤,得到所有的源图像各灰度级到目标图像各灰度级的映射关系,再按照新的映射关系对原图像各点像素颜色进行灰度转换,即可完成对源图的直方图增强。
在一个实施例中,提供了一种微电阻率扫描测井仪图像增强系统,所述系统包括:
滤波模块,用于对微电阻率扫描成像测井数据进行平滑滤波处理;
归一化模块,用于对滤波后的数据进行归一化处理;
图像合成模块,用于基于上述模块处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元;
图像增强模块,用于对图像进行直方图变换增强处理。
关于微电阻率扫描测井仪图像增强系统的具体限定可以参见上文中对于微电阻率扫描测井仪图像增强方法的限定,在此不再赘述。上述微电阻率扫描测井仪图像增强系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图3(a)为未经处理的图像直方图分布情况,图3(b)为经增强处理后的图像直方图分布情况,从两个直方图对比可以看出,原始图像灰度值在一个很小的区域分布,所有灰度值都在350-750间,经增强处理后的图像在全区域都有灰度值分布。
图4为成像经直方图增强处理后的效果对比实例,左边为未经处理图像,右边为经直方图增强处理后的图像。从对比效果可以看出左边图像整体比较暗,有些深度位置根本看不清细节,而处理过的图像则比较清晰。
综上,本发明微电阻率扫描测井仪图像增强方法,可以将原本模糊不清甚至根本无法分辨的原始测井图像处理成清楚、明晰的富含大量地质信息的可使用图像,从而提高成像图像识别效率,方便、快捷、准确反映地质特征。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种微电阻率扫描测井仪图像增强方法,其特征在于,所述方法包括以下步骤:
步骤1,对微电阻率扫描成像测井数据进行平滑滤波处理;
步骤2,对步骤1处理后的数据进行归一化处理;
步骤3,基于上述处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元;
步骤4,对图像进行直方图变换增强处理。
2.根据权利要求1所述的微电阻率扫描测井仪图像增强方法,其特征在于,步骤1所述对微电阻率扫描成像测井数据进行平滑滤波处理,具体采用低通滤波的方法,过程包括:
步骤1-1,采用一个滑动窗口在图像上滑动;
步骤1-2,求取滑动窗口内所有像素点的灰度值的平均值,利用该平均值替换窗口中心点对应的像素点的灰度值,计算公式为:
Figure FDA0002777523280000011
式中,I(i0,j0)为窗口中心点处像素点的灰度值,p(i,j)为窗口内像素点(i,j)处的灰度值,a(i,j)为p(i,j)的权重,n表示n*n的滑动窗口,
Figure FDA0002777523280000012
3.根据权利要求2所述的微电阻率扫描测井仪图像增强方法,其特征在于,步骤2所述对步骤1处理后的数据进行归一化处理,具体过程包括:
针对i号极板上的j号电极,对其在第l个深度采样所记录电阻率或电导率数据进行归一化处理:
Figure FDA0002777523280000013
其中,
Figure FDA0002777523280000014
式中,Rp[l,i,j]表示归一化后的电阻率或电导率,A表示电极系数,B表示电压零漂,Rm表示泥浆电阻率;Vg[l,i]表示i号极板上的保护电压基值,Vb[l,i,j]表示i号极板上j号电极的电压值,Kb[l]表示深度为l的电流测量值,Kg[l]表示深度为l的电流反馈值。
4.根据权利要求3所述的微电阻率扫描测井仪图像增强方法,其特征在于,步骤3所述基于上述处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元,具体过程包括:
步骤3-1,采用电极电流强度线性刻度法,将每个电极测量的电流强度按照预设关系刻度,得到灰度等级,以确定图像基准颜色;其中灰度等级计算公式为:
Figure FDA0002777523280000021
式中,P(l,i,j)为深度为l的第i个极板上第j个电极对应的灰度等级,C为归一化最大范围,D为最大灰度等级;
步骤3-2,将每个电极用一个色块显示在图像上,该色块显示时依据一个位置数据和一个灰度数据,该位置数据为电极的方位和深度,其中方位以顺时针偏离正北方向的角度表示,灰度数据为电极的灰度等级;所述图像的横坐标表示极板和电极的方位,纵坐标表示深度。
5.根据权利要求4所述的微电阻率扫描测井仪图像增强方法,其特征在于,步骤4所述对图像进行直方图变换增强处理,具体包括:
步骤4-1,构建图像增强函数:
t=EH(s)
式中,t、s分别为增强后的图像和原始图像上的像素点;
约束增强函数EH满足以下两个条件:
(1)增强函数EH在0≤s≤L-1的范围内为单调递增函数,L为最大灰度等级数;
(2)对于0≤s≤L-1,有0≤EH(s)≤L-1;
由此将上述图像增强函数转换为:
Figure FDA0002777523280000022
式中,p(·)为直方图分布统计,s[k]为源图像中灰度等级k对应的像素,t[k]为s[k]对应的增强后的像素,n[i]为灰度等级为i的像素个数,N为图像中像素的总数,k=0,1,2,…,L-1;
利用该增强函数获得直方图增强后各像素的灰度等级分布统计;
步骤4-2,对增强后的灰度等级进行取整处理,获得源灰度等级s[k]到t[k]的灰度映射,所用公式为:
t[k]=[(L-1)*t[k]+0.5]
重复上述步骤,得到所有的源图像各灰度级到目标图像各灰度级的映射关系,再按照新的映射关系对原图像各点像素颜色进行灰度转换,即可完成对源图的直方图增强。
6.一种微电阻率扫描测井仪图像增强系统,其特征在于,所述系统包括:
滤波模块,用于对微电阻率扫描成像测井数据进行平滑滤波处理;
归一化模块,用于对滤波后的数据进行归一化处理;
图像合成模块,用于基于上述模块处理后的数据进行图像合成,将测得的每个采样点的电阻率变为一个图元;
图像增强模块,用于对图像进行直方图变换增强处理。
CN202011270349.9A 2020-11-13 2020-11-13 一种微电阻率扫描测井仪图像增强方法及系统 Active CN112561806B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011270349.9A CN112561806B (zh) 2020-11-13 2020-11-13 一种微电阻率扫描测井仪图像增强方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011270349.9A CN112561806B (zh) 2020-11-13 2020-11-13 一种微电阻率扫描测井仪图像增强方法及系统

Publications (2)

Publication Number Publication Date
CN112561806A true CN112561806A (zh) 2021-03-26
CN112561806B CN112561806B (zh) 2024-06-18

Family

ID=75042242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011270349.9A Active CN112561806B (zh) 2020-11-13 2020-11-13 一种微电阻率扫描测井仪图像增强方法及系统

Country Status (1)

Country Link
CN (1) CN112561806B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118212250A (zh) * 2024-05-22 2024-06-18 山东聊和环保科技有限公司 基于图像增强处理的地下水修复检测方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104680500A (zh) * 2015-02-07 2015-06-03 江西科技学院 一种基于直方图均衡化的图像增强算法
CN104700376A (zh) * 2014-11-25 2015-06-10 桂林电子科技大学 基于伽马校正和平滑滤波的图像直方图均衡化增强方法
US20180374203A1 (en) * 2016-02-03 2018-12-27 Chongqing University Of Posts And Telecommunications Methods, systems, and media for image processing
CN109272461A (zh) * 2018-09-04 2019-01-25 张家港江苏科技大学产业技术研究院 基于中值滤波和全局直方图的红外图像增强方法
US20190043176A1 (en) * 2017-08-04 2019-02-07 Shanghai Zhaoxin Semiconductor Co., Ltd. Methods for enhancing image contrast and related image processing systems thereof
WO2019040049A1 (en) * 2017-08-22 2019-02-28 Halliburton Energy Services, Inc. NEW INDEPENDENT POROSITY METHODOLOGY FOR PERMEABILITY PREDICTION BASED ON MICRO-RESISTIVITY IMAGES AND LATEROLOGICAL RESISTIVITIES
CN110189266A (zh) * 2019-05-09 2019-08-30 湖北工业大学 一种自适应的快速图像增强方法
WO2019223069A1 (zh) * 2018-05-25 2019-11-28 平安科技(深圳)有限公司 基于直方图的虹膜图像增强方法、装置、设备及存储介质
CN110807736A (zh) * 2019-07-25 2020-02-18 北京爱诺斯科技有限公司 一种眼瞳图像预处理装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700376A (zh) * 2014-11-25 2015-06-10 桂林电子科技大学 基于伽马校正和平滑滤波的图像直方图均衡化增强方法
CN104680500A (zh) * 2015-02-07 2015-06-03 江西科技学院 一种基于直方图均衡化的图像增强算法
US20180374203A1 (en) * 2016-02-03 2018-12-27 Chongqing University Of Posts And Telecommunications Methods, systems, and media for image processing
US20190043176A1 (en) * 2017-08-04 2019-02-07 Shanghai Zhaoxin Semiconductor Co., Ltd. Methods for enhancing image contrast and related image processing systems thereof
WO2019040049A1 (en) * 2017-08-22 2019-02-28 Halliburton Energy Services, Inc. NEW INDEPENDENT POROSITY METHODOLOGY FOR PERMEABILITY PREDICTION BASED ON MICRO-RESISTIVITY IMAGES AND LATEROLOGICAL RESISTIVITIES
WO2019223069A1 (zh) * 2018-05-25 2019-11-28 平安科技(深圳)有限公司 基于直方图的虹膜图像增强方法、装置、设备及存储介质
CN109272461A (zh) * 2018-09-04 2019-01-25 张家港江苏科技大学产业技术研究院 基于中值滤波和全局直方图的红外图像增强方法
CN110189266A (zh) * 2019-05-09 2019-08-30 湖北工业大学 一种自适应的快速图像增强方法
CN110807736A (zh) * 2019-07-25 2020-02-18 北京爱诺斯科技有限公司 一种眼瞳图像预处理装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118212250A (zh) * 2024-05-22 2024-06-18 山东聊和环保科技有限公司 基于图像增强处理的地下水修复检测方法及系统
CN118212250B (zh) * 2024-05-22 2024-07-23 山东聊和环保科技有限公司 基于图像增强处理的地下水修复检测方法及系统

Also Published As

Publication number Publication date
CN112561806B (zh) 2024-06-18

Similar Documents

Publication Publication Date Title
KR970002885B1 (ko) 다수의 불연속 화상화소를 포함하는 신체 조직 초음파 화상 분석 방법
CN107301661A (zh) 基于边缘点特征的高分辨率遥感图像配准方法
CN112324422B (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
CN116137036B (zh) 基于机器学习的基因检测数据智能处理系统
Mzoughi et al. Histogram equalization-based techniques for contrast enhancement of MRI brain Glioma tumor images: Comparative study
CN111783583B (zh) 基于非局部均值算法的sar图像相干斑抑制方法
CN103454282A (zh) 一种基于图像灰度梯度的印刷品墨斑测量方法
Fu et al. An improved algorithm based on CLAHE for ultrasonic well logging image enhancement
CN112991287A (zh) 一种基于全卷积神经网络的自动压痕测量方法
CN112801141A (zh) 基于模板匹配和孪生神经网络优化的异源图像匹配方法
CN112561806B (zh) 一种微电阻率扫描测井仪图像增强方法及系统
US20080024359A1 (en) System and method for geometric apodization
CN106940782A (zh) 基于变差函数的高分sar新增建设用地提取软件
Linek et al. Rock classification based on resistivity patterns in electrical borehole wall images
CN116740579B (zh) 一种国土空间规划数据智能采集方法
CN115953604B (zh) 一种不动产地理信息测绘数据采集方法
CN104034288A (zh) 基于b超的防水层厚度检测方法和装置
CN112734666B (zh) 基于相似值的sar图像相干斑非局部均值抑制方法
CN114998876A (zh) 一种基于岩石薄片图像的海陆过渡相页岩纹层结构识别方法
CN113222976B (zh) 基于dcnn和迁移学习的时空图像纹理方向检测方法及系统
CN115406359A (zh) 一种基于图像的混凝土裂缝测量方法
Akl et al. Structure tensor regularization for texture analysis
CN106600535A (zh) 全井眼测井图像生成方法
CN112488120A (zh) 一种基于地质雷达图像预处理方法
Nema et al. Fractional calculus based via edge appreciation act in digital image processing

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