CN113530528A - 基于随钻电成像图像的异常数据检测和修复方法及系统 - Google Patents
基于随钻电成像图像的异常数据检测和修复方法及系统 Download PDFInfo
- Publication number
- CN113530528A CN113530528A CN202010285276.4A CN202010285276A CN113530528A CN 113530528 A CN113530528 A CN 113530528A CN 202010285276 A CN202010285276 A CN 202010285276A CN 113530528 A CN113530528 A CN 113530528A
- Authority
- CN
- China
- Prior art keywords
- data
- imaging
- point
- value
- measurement
- 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 150
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 82
- 238000005553 drilling Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008439 repair process Effects 0.000 title claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 65
- 238000010586 diagram Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000005067 remediation Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 9
- 238000012216 screening Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mining & Mineral Resources (AREA)
- Geochemistry & Mineralogy (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fluid Mechanics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于随钻电成像图像的异常数据检测和修复方法及系统,该方法包括:测量深度规范化处理步骤,对获取的随钻电成像测量数据进行等深数据的筛选和处理;异常数据检测和修复步骤,对经测量深度规范化处理后的随钻电成像测量数据进行异常数据的检测和修复;成像数据均衡处理步骤,对经异常数据检测和修复处理的随钻点成像测量数据进行成像数据均衡化处理,消除不同方位上测量数据的背景差异,使得成像图像中的特征具备连续性和均衡性。本发明能够有效的消除常见的随钻电成像图像数据中的异常数据情况,很好的修复原始图像信息,能有效提升随钻电成像的图像质量。
Description
技术领域
本发明涉及油田开发技术领域,特别涉及一种随钻测量环境下基于随钻电成像图像的异常数据检测和修复方法及系统。
背景技术
随着油气勘探开发中大斜度井和水平井的大量应用,常规电缆测井仪器难以下井测量,而随钻测井技术能够实现钻井过程中的实时测量,能很好的解决这一技术难题。同时,由于随钻测井是在钻开地层的第一时间进行测量,井眼环境对地层的改造程度较低,此时测量得到的地层参数信息更接近原始地层信息,能为储层评价提供更为可靠的测井资料,还能够为钻井的实时决策和完井优化设计提供重要的依据。
随钻电阻率测井技术是最早发展和应用的随钻测井技术之一,国外随钻电阻率成像测井技术与仪器已实现了现场应用,并相继进入商业应用阶段,主要用于地质导向和地层评价。国外油服公司相继推出了随钻电阻率成像测井仪器,如斯伦贝谢公司的MicroScope和MicroScope-HD、哈里伯顿公司的AFR、贝克休斯公司的StarTrak、Oliden公司的GeoFusion等。随钻电阻率成像测井技术逐渐成为大斜度井和水平井开发中常用重要测量手段。从整体技术水平和应用成熟度方面比较,国内油服公司在随钻电成像测井技术领域同国外相比,起步较晚,在技术成熟度方面仍具有较大差距。对国内企业而言,在随钻电成像仪器研发和配套数据处理软件等方面都存在技术壁垒,配套的电成像测井数据处理方法需要自己研究和开发。
随钻电成像测井资料把数据直接变成反映地质现象的可视化图像,能更直观地反映地质特征,随钻电成像测井相比其它随钻测井仪器具有很高的测量分辨率,可以连续揭示井筒表面岩石结构的详细特征,是进行精细地质评价的重要手段。但由于实际随钻测井中测量环境的艰巨性和复杂性,测量得到的原始随钻电成像图像数据往往存在很多的异常数据,严重影响了随钻电成像图像的清晰度和图像质量,因此,需要研究一种专门的异常数据检测和处理的技术方案来应对该种情况。
发明内容
本发明所要解决的技术问题之一是需要提供一种基于随钻电成像图像的异常检测和修复方法,该方法能够有效的消除常见的随钻电成像图像数据中的异常数据情况,很好的修复原始图像信息,能有效提升随钻电成像的图像质量。
为了解决上述技术问题,本申请的实施例首先提供了一种基于随钻电成像图像的异常检测和修复方法,该方法包括:测量深度规范化处理步骤,对获取的随钻电成像测量数据进行等深数据的筛选和处理;异常数据检测和修复步骤,对经测量深度规范化处理后的随钻电成像测量数据进行异常数据的检测和修复;成像数据均衡处理步骤,对经异常数据检测和修复处理的随钻点成像测量数据进行成像数据均衡化处理,消除不同方位上测量数据的背景差异,使得成像图像中的特征具备连续性和均衡性。
在一个实施例中,在所述测量深度规范化处理步骤中,包括如下步骤,提取测量深度对应的各列数据;检测所有深度相同的区间,并且记录每个区间的起始深度和终止深度;对所有区间的所有列执行如下处理:根据起始深度和终止深度分别获取成像数据各列的数据;对区间内每一列数据进行分析得到一个校正值。
在一个实施例中,如果区间内当前列的所有数据均为测井无效值,则该列数据对应的校正值等于无效值,如果区间内当前列中的数据存在一个或多个有效值,则校正值为多个有效值的平均值。
在一个实施例中,在异常数据检测和修复步骤中,包括如下步骤:针对所有列的成像数据,按列对成像数据进行至少三次检测,识别并修复不同异常类型的异常数据,所述异常类型包括单点异常、纵向单列异常和横向连续多列纵向局部异常。
在一个实施例中,通过如下步骤进行单点异常的检测:设定检测比例阈值;若位于当前待识别的成像数据点上、下、左、右的多个成像数据点的数值均为有效测量值,且当前待识别的成像数据点与这些数据点的比值均满足与所述检测比例阈值之间的大小关系,则判定当前成像数据点为异常点,并依据位于当前成像数据点上、下、左、右的多个成像数据点的数值来修复该成像数据点的值。
在一个实施例中,通过如下步骤进行纵向单列异常的检测:若当前待识别的成像数据点左右相邻的成像数据点的数值均为有效测量值,且当前待识别的成像数据点与这些数据点的比值均满足与所述检测比例阈值的大小关系,则记当前数据点所在的行坐标为起始行;以该数据点所在列为准依次向后一行进行检测,直到所识别的成像数据点不满足上述条件,则将该数据点上一行坐标记为终止行;若起始行和终止行的差值满足与预先设定的异常数据长度阈值的大小关系,则判定该起始行至终止行的区间内的所有数据为异常数据;针对每个异常数据,以其左右相邻数据点的数值来进行数值修复。
在一个实施例中,通过如下步骤进行横向连续多列纵向局部异常的检测:设定极小值阈值;若当前待识别的成像数据点的数值满足与所述极小值阈值的大小关系,则记该数据点所在的行坐标为起始行和该成像数据点的上一行的点的数值为上端点值;以该数据点所在列为准依次向后一行进行检测,直到所识别的成像数据点不满足上述条件,则将该数据点上一行坐标记为终止行并记录该数据点的值为下端点值;若起始行和终止行的差值满足与预先设定的异常数据长度阈值的大小关系,则判定该起始行至终止行的区间内的所有数据为异常数据;利用上端点值和下端点值对该区间内的所有数据点进行修复。
在一个实施例中,还包括:对所述上端点值和下端点值分别进行有效性检测,判断是否能够使用上下端点值对该区域的数据点进行插值处理;若二者中任意一个数值是无效值,则不对该区间内的数据点进行修复。
在一个实施例中,基于上端点值和下端点值,利用反距离加权插值法对区域内的所有数据点进行插值处理完成修复。
在一个实施例中,若被检测的当前数据点位于第一列或最后一列时,则对当前数据点的表现形式进行变形。
在一个实施例中,在成像数据均衡处理步骤中,使用标准偏差控制法来消除不同方位上测量数据的背景差异,使得成像图像中的特征具备连续性和均衡性。
在一个实施例中,还包括:成像数据显示处理步骤,根据设定的成像色标图,对经过成像数据均衡化处理后的数据,按照数值与色标的对应关系转化为色度数据进行显示。
根据本发明的另一方面,还提供了一种基于随钻电成像图像的异常数据检测和修复系统,该系统执行如上所述的方法。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
本发明实施例的方法,通过对获取的随钻电成像测量数据进行等深数据的筛选和测量数据深度重采样处理,并对经测量深度规范化处理后的随钻电成像测量数据主要进行三类异常数据的检测和修复,最后,对经异常数据检测和修复处理的随钻电成像测量数据进行成像数据均衡化处理,消除不同方位上测量数据的背景差异,使得成像图像中的特征具备连续性和均衡性。该方法能够有效的消除常见的随钻电成像图像数据中的异常数据情况,很好的修复原始图像信息,能有效提升随钻电成像的图像质量。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明的技术方案而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构和/或流程来实现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1表示本发明实施例一的基于随钻电成像图像的异常数据检测和修复方法的处理流程示意图。
图2表示本发明实施例中异常数据类型的示意图,其中白色亮点为异常数据点。
图3表示本发明实施例的异常数据的检测和修复步骤的实现流程。
图4表示本发明实施例对实测随钻电成像数据处理的效果图。
图5表示本发明实施例二的基于随钻电成像图像的异常数据检测和修复系统的功能结构示意图
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1表示本发明实施例的基于随钻电成像图像的异常数据检测和修复方法的处理流程示意图,下面参考图1来说明该方法的各个步骤。
在步骤S101中,执行随钻电成像数据的测量。
具体地,利用随钻电成像仪器测量来获得随钻电成像数据。
需要说明的是,随钻电成像测量数据具有以下特点:仪器在实际测量过程中是旋转测量的,其在周向上测量多个方位上的数据。在整个测量过程得到的数据是一个二维阵列数据,不同的列表示不同方位的测量值,不同行表示不同深度的测量值,将二维阵列数据按照规则用色标显示就生成了随钻电成像图像,其测量图像的特点是井眼周向360°全井眼覆盖,这是电缆电成像测井图像所不具备的。
在步骤S102中,执行测量深度规范化处理,即对获取的随钻电成像测量数据进行等深数据的筛选和处理。
需要说明的是,本步骤的目的是保证测量得到的随钻电成像的二维阵列数据的每一行数据在深度上具有唯一性。
进一步的,在进行等深测量数据的筛选过程包括:①提取测量深度对应的各列数据;②检测所有深度相同的区间,并且记录每个区间的起始深度Dsi和终止深度Dei;③根据起始深度Dsi和终止深度Dei分别获取成像数据各列的数据;④对区间内每一列数据进行分析得到一个校正值Vi,如果所有数据均为测井无效值(如-999.25),则Vi等于无效值,如果列数据存在一个或多个有效值,则Vi为多个有效值的平均值;然后使用经过筛选的Vi值作为当前深度的新的测量值,同时删除其它相同深度的测量数据,保证同一深度具有唯一测量值。⑤对所有区间的所有列执行步骤③④的处理。经过上述方法处理,成像测量数据将会消除测量值深度相同的情况,并且还能一定程度上减少无效值的数量。
在步骤S103中,执行异常数据监测和修复处理,即对经测量深度规范化处理后的随钻电成像测量数据进行异常数据的检测和修复。该步骤的目的是自动识别并修复异常数据,提高图像质量。
针对所有列的成像数据,按列对成像数据进行至少三次检测,识别并修复不同异常类型的异常数据。如图3所示,需要至少经过单点异常检测和修复、纵向单列异常的检测和修复,以及横向连续多列纵向局部异常的检测和修复。
需要说明的是,在本发明实施例中定义的异常数据的类型如下:第一类-单点异常,是指当前点比与其相邻的上下左右测量值均小于一定量,在图像上表现为离散的亮色麻点。第二类-纵向单列异常,又分为单列局部异常和整列异常两种情况,其中异常是指当前列的连续多个点均比与其相邻的左右两侧的测量值相比较都小于一定量,在图像上表现为明显的亮色竖条纹;第三类-横向连续多列纵向局部异常,多列在纵向局部范围内的数值明显比其它区域的值异常小,在成像图中表现为连续多列的局部亮色条带。这三种类型的异常图像可参考图2。容易理解,以上三类异常类型仅是本申请实施例优先设定的,本领域技术人员可以根据需求增加其他类型的异常情况,本申请对此不做限定。另外,“异常小”的范围一般指正常测量值和相邻异常数据差异一般达到10倍以上,但具体到不同井或者仪器测量设置会存在一些差异,本申请不做限定。
进一步的,针对上述定义的三类异常数据类型设计相应的数据检测和修复方法,具体实现步骤如下。
(1)针对第一类-单点异常。
首先设定检测比例阈值,然后判断位于当前待识别的成像数据点上、下、左、右的多个成像数据点的数值是否均为有效测量值,若是则进一步判断当前待识别的成像数据点与这些数据点的比值是否均满足与检测比例阈值之间的大小关系,若是,则判定当前成像数据点为异常点,并依据位于当前成像数据点上、下、左、右的多个成像数据点的数值来修复该成像数据点的值。
以上述定义的异常类型均为异常小值的情况来说明如何按列对成像数据进行第一次检测。给定的检测比例阈值为P(P∈[0,1]),假设当前值为Vi,j(i表示行索引,j表示列索引),如果Vi-1,j,Vi+1,j,Vi,j-1,Vi,j+1的值均为有效测量值(非例如-999.25的无效值),并且判别式同时成立,则判断当前点为异常点,则Vi,j=(Vi-1,j+Vi+1,j+Vi,j-1+Vi,j+1)/4,通过如上步骤直至对所有列的数据完成上述第一次检测,以识别出单点异常并进行修复。
(2)针对第二类-纵向单列异常。
首先,判断当前待识别的成像数据点左右相邻的成像数据点的数值是否均为有效测量值,若是,则进一步判断当前待识别的成像数据点与这些数据点的比值是否均满足与检测比例阈值的大小关系,若是,则记当前数据点所在的行坐标为起始行。然后,以该数据点所在列为准依次向后一行进行检测,直到所识别的成像数据点不满足上述条件,则将该数据点上一行坐标记为终止行。判断起始行和终止行的差值是否满足与预先设定的异常数据长度阈值的大小关系,若是,则判定该起始行至终止行的区间内的所有数据为异常数据。最后,针对每个异常数据,以其左右相邻数据点的数值来进行数值修复。
以上述定义的异常类型均为异常小值的情况来说明如何按列对成像数据进行第二次检测。判断当前点Vi,j的左右相邻值Vi,j-1,Vi,j+1是否均为测量有效值,并且 判别式同时成立,记该点的行坐标为Index_s,继续向下进行检测,直到上述判别式不成立,记录该点上一个点的行坐标为Index_e,如果Index_e-Index_s≤K,则判定该区间内的数据为异常数据,K为预先给定的异常数据长度阈值。对该区间内的数据进行处理,每个点均校正为其左右相邻数据的平均值,即Vi,j=(Vi,j-1+Vi,j+1)/2,检测位置跳转到本区间末端继续向下进行检测,直至对所有列完成上述检测。
(3)针对第三类-横向连续多列纵向局部异常。
首先设定极小值阈值,然后判断当前待识别的成像数据点的数值是否满足与极小值阈值的大小关系,若是,则记该数据点所在的行坐标为起始行和该成像数据点的上一行的点的数值为上端点值。接着,以该数据点所在列为准依次向后一行进行检测,直到所识别的成像数据点不满足上述条件,则将该数据点上一行坐标记为终止行并记录该数据点的值为下端点值。最后,判断起始行和终止行的差值是否满足与预先设定的异常数据长度阈值的大小关系,若是,则判定该起始行至终止行的区间内的所有数据为异常数据;利用上下端点值对该区间内的所有数据点进行修复。
以上述定义的异常类型均为异常小值的情况来说明如何按列对成像数据进行第三次检。给定极小值阈值Vmin,对于当前点Vi,j判断Vi,j<Vmin是否成立,记该点的行坐标为Index_s和上一点的值V_s,继续向下进行检测,直到上述判别式不成立,记录该点的值V_e和上一个点的行坐标Index_e,如果Index_e-Index_s≤K,则判定该区间内(该区间是指由行坐标Index_e和行坐标Index_s所限定的与V(i,j)处于同一列的一列数据)的数据为异常数据,K为预先给定的异常数据长度阈值,然后使用上下端点值V_s和V_e对该区间内的所有数据点进行插值处理,得到该区域内新的值,然后检测位置跳转到本区间末端继续向下进行检测,直至对所有列完成上述检测。
进一步的,如果上述步骤(1)(2)(3)中被检测的当前点位于第一列和最后一列时,则对当前数据点的表现形式进行变形。具体地,若数据位于第一列,将上述算式中的Vi,j-1变为Vi,M,若数据位于最后一列,将上述算式中的Vi,j+1变为Vi,1;
另外,在上述步骤(3)中需要先对上下端点值V_s和V_e进行有效性检测,再确定是否能够使用该值进行插值处理,若V_s和V_e两个值中任意一个值是无效值(如-999.25)则不对该区域进行处理,从该区域终点开始继续向下进行检测。
进一步的,上述步骤(3)中的使用上下端点值V_s和V_e对该区间内的所有数据点进行插值处理所使用的插值方法为反距离加权插值法,其方法描述为:假设当前插值点行坐标为i,列坐标为j,则当前点的值为:
上式1中符号的意义与步骤(3)中的描述和定义一致。
需要说明的是,由于上述定义的异常类型均为异常小值的情况,如果换成异常大值的情况,对其中判别公式的判别符号进行变号(“<”号变为“>”号),本处理方法和流程将同样适用于异常大值情况的处理。“异常大值”可理解为异常大值与相邻正常值比值在10倍以上。
在步骤S104中执行成像数据均衡处理,即对经异常数据检测和修复处理的随钻点成像测量数据进行成像数据均衡化处理,消除不同方位上测量数据的背景差异,使得成像图像中的特征具备连续性和均衡性。
在该步骤中,成像数据均衡处理方法优选为标准偏差控制法。该方法的具体实现步骤如下。
(1)给定一个纵向窗长W,在窗长内计算计算每列数据的平均值和标准偏差。
(2)计算窗长内所有数据的平均值和标准偏差。
(3)使窗长每一列的平均值和标准偏差与窗长内所有数据的平均值和标准偏差相匹配。
上式6中V′i,j表示各测量点平均值和标准偏差相匹配后的数值,其它符号与上述其它公式内的意义一致。
在步骤S105中执行成像数据显示处理。
对经过步骤S104成像数据均衡化处理后的数据根据给定的成像色标图,按照数值与色标的对应关系转化为色度数据进行显示,就得到了经过处理的随钻电成像图像。经过上述步骤处理后的成像图比直接使用原始测量数据得到的成像图的质量将得到明显的提升。
图4表示本发明实施例对实测随钻电成像数据处理的效果图。如图4所示,左侧两道为原始数据的静态图和动态图,中间为深度道,右侧两道为经过本发明实施例所述的方法处理后得到的静态图和动态图。可以看出,经过本发明实施例的方法处理后,能明显提升随钻电成像图像的质量,为后续基于图像的处理和解释提供便利。
实施例二
图5表示本发明实施例二的基于随钻电成像图像的异常数据检测和修复系统的功能结构示意图。下面参考图5来说明该系统60的组成和功能。
如图5所示,该系统60包括:测量深度规范化处理模块61、异常数据检测和修复模块62、成像数据均衡处理模块63和成像数据显示处理模块64。测量深度规范化处理模块61,其对获取的随钻电成像测量数据进行等深数据的筛选和测量数据深度重采样处理;异常数据检测和修复模块62,其经测量深度规范化处理后的随钻电成像测量数据进行异常数据的检测和修复;成像数据均衡处理模块63,其经异常数据检测和修复处理的随钻点成像测量数据进行成像数据均衡化处理,消除不同方位上测量数据的背景差异,使得成像图像中的特征具备连续性和均衡性。成像数据显示处理模块64,其根据设定的成像色标图,对经过成像数据均衡化处理后的数据,按照数值与色标的对应关系转化为色度数据进行显示。
本实施例的各个模块可以分别执行上述实施例的各个步骤,也就是说,测量深度规范化处理模块61、异常数据检测和修复模块62、成像数据均衡处理模块63和成像数据显示处理模块64可以分别执行步骤S102、S103、S104和S105,因此本实施例不再赘述。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构、处理步骤,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (13)
1.一种基于随钻电成像图像的异常数据检测和修复方法,该方法包括:
测量深度规范化处理步骤,对获取的随钻电成像测量数据进行等深数据的筛选和处理;
异常数据检测和修复步骤,对经测量深度规范化处理后的随钻电成像测量数据进行异常数据的检测和修复;
成像数据均衡处理步骤,对经异常数据检测和修复处理的随钻点成像测量数据进行成像数据均衡化处理,消除不同方位上测量数据的背景差异,使得成像图像中的特征具备连续性和均衡性。
2.根据权利要求1所述的方法,其特征在于,在所述测量深度规范化处理步骤中,包括如下步骤,
提取测量深度对应的各列数据;
检测所有深度相同的区间,并且记录每个区间的起始深度和终止深度;
对所有区间的所有列执行如下处理:
根据起始深度和终止深度分别获取成像数据各列的数据;
对区间内每一列数据进行分析得到一个校正值。
3.根据权利要求2所述的方法,其特征在于,
如果区间内当前列的所有数据均为测井无效值,则该列数据对应的校正值等于无效值,如果区间内当前列中的数据存在一个或多个有效值,则校正值为多个有效值的平均值。
4.根据权利要求1~3中任一项所述的方法,其特征在于,在异常数据检测和修复步骤中,包括如下步骤:
针对所有列的成像数据,按列对成像数据进行至少三次检测,识别并修复不同异常类型的异常数据,所述异常类型包括单点异常、纵向单列异常和横向连续多列纵向局部异常。
5.根据权利要求4所述的方法,其特征在于,通过如下步骤进行单点异常的检测:
设定检测比例阈值;
若位于当前待识别的成像数据点上、下、左、右的多个成像数据点的数值均为有效测量值,且当前待识别的成像数据点与这些数据点的比值均满足与所述检测比例阈值之间的大小关系,则判定当前成像数据点为异常点,并依据位于当前成像数据点上、下、左、右的多个成像数据点的数值来修复该成像数据点的值。
6.根据权利要求4或5所述的方法,其特征在于,通过如下步骤进行纵向单列异常的检测:
若当前待识别的成像数据点左右相邻的成像数据点的数值均为有效测量值,且当前待识别的成像数据点与这些数据点的比值均满足与所述检测比例阈值的大小关系,则记当前数据点所在的行坐标为起始行;
以该数据点所在列为准依次向后一行进行检测,直到所识别的成像数据点不满足上述条件,则将该数据点上一行坐标记为终止行;
若起始行和终止行的差值满足与预先设定的异常数据长度阈值的大小关系,则判定该起始行至终止行的区间内的所有数据为异常数据;
针对每个异常数据,以其左右相邻数据点的数值来进行数值修复。
7.根据权利要求4~6中任一项所述的方法,其特征在于,通过如下步骤进行横向连续多列纵向局部异常的检测:
设定极小值阈值;
若当前待识别的成像数据点的数值满足与所述极小值阈值的大小关系,则记该数据点所在的行坐标为起始行和该成像数据点的上一行的点的数值为上端点值;
以该数据点所在列为准依次向后一行进行检测,直到所识别的成像数据点不满足上述条件,则将该数据点上一行坐标记为终止行并记录该数据点的值为下端点值;
若起始行和终止行的差值满足与预先设定的异常数据长度阈值的大小关系,则判定该起始行至终止行的区间内的所有数据为异常数据;
利用上端点值和下端点值对该区间内的所有数据点进行修复。
8.根据权利要求7所述的方法,其特征在于,还包括:
对所述上端点值和下端点值分别进行有效性检测,判断是否能够使用上下端点值对该区域的数据点进行插值处理;
若二者中任意一个数值是无效值,则不对该区间内的数据点进行修复。
9.根据权利要求8所述的方法,其特征在于,
基于上端点值和下端点值,利用反距离加权插值法对区域内的所有数据点进行插值处理完成修复。
10.根据权利要求4~7中任一项所述的方法,其特征在于,
若被检测的当前数据点位于第一列或最后一列时,则对当前数据点的表现形式进行变形。
11.根据权利要求1所述的方法,其特征在于,在成像数据均衡处理步骤中,使用标准偏差控制法来消除不同方位上测量数据的背景差异,使得成像图像中的特征具备连续性和均衡性。
12.根据权利要求1~11中任一项所述的方法,其特征在于,还包括:
成像数据显示处理步骤,根据设定的成像色标图,对经过成像数据均衡化处理后的数据,按照数值与色标的对应关系转化为色度数据进行显示。
13.一种基于随钻电成像图像的异常数据检测和修复系统,该系统执行如权利要求1~12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285276.4A CN113530528B (zh) | 2020-04-13 | 2020-04-13 | 基于随钻电成像图像的异常数据检测和修复方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285276.4A CN113530528B (zh) | 2020-04-13 | 2020-04-13 | 基于随钻电成像图像的异常数据检测和修复方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113530528A true CN113530528A (zh) | 2021-10-22 |
CN113530528B CN113530528B (zh) | 2024-06-11 |
Family
ID=78088198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010285276.4A Active CN113530528B (zh) | 2020-04-13 | 2020-04-13 | 基于随钻电成像图像的异常数据检测和修复方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113530528B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11187271A (ja) * | 1997-12-19 | 1999-07-09 | Ricoh Co Ltd | 画像処理装置 |
CN1756893A (zh) * | 2002-12-31 | 2006-04-05 | 施蓝姆伯格海外股份有限公司 | 成因-结果时移分析的方法和系统 |
CN1988591A (zh) * | 2005-12-21 | 2007-06-27 | 比亚迪股份有限公司 | 一种实现异常点数值校正的色彩插值方法 |
CN103046868A (zh) * | 2012-12-28 | 2013-04-17 | 中国石油集团川庆钻探工程有限公司 | 一种水平井一体化地质导向方法 |
CN105718715A (zh) * | 2015-12-23 | 2016-06-29 | 华为技术有限公司 | 异常检测方法和设备 |
CN106646634A (zh) * | 2016-12-08 | 2017-05-10 | 中石化石油工程技术服务有限公司 | 一种微电阻率扫描成像测井数据异常校正方法及装置 |
US20180120470A1 (en) * | 2016-10-28 | 2018-05-03 | Schlumberger Technology Corporation | Apparatus and method for obtaining petrophysical images using electrical imager and multi-frequency dispersion measurements |
CN108252707A (zh) * | 2017-11-30 | 2018-07-06 | 杭州迅美科技有限公司 | 一种电成像测井图像增强显示处理方法 |
CN110080754A (zh) * | 2019-04-25 | 2019-08-02 | 杭州迅美科技有限公司 | 一种电成像测井图像类周期性干扰处理方法 |
-
2020
- 2020-04-13 CN CN202010285276.4A patent/CN113530528B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11187271A (ja) * | 1997-12-19 | 1999-07-09 | Ricoh Co Ltd | 画像処理装置 |
CN1756893A (zh) * | 2002-12-31 | 2006-04-05 | 施蓝姆伯格海外股份有限公司 | 成因-结果时移分析的方法和系统 |
CN1988591A (zh) * | 2005-12-21 | 2007-06-27 | 比亚迪股份有限公司 | 一种实现异常点数值校正的色彩插值方法 |
CN103046868A (zh) * | 2012-12-28 | 2013-04-17 | 中国石油集团川庆钻探工程有限公司 | 一种水平井一体化地质导向方法 |
CN105718715A (zh) * | 2015-12-23 | 2016-06-29 | 华为技术有限公司 | 异常检测方法和设备 |
US20180120470A1 (en) * | 2016-10-28 | 2018-05-03 | Schlumberger Technology Corporation | Apparatus and method for obtaining petrophysical images using electrical imager and multi-frequency dispersion measurements |
CN106646634A (zh) * | 2016-12-08 | 2017-05-10 | 中石化石油工程技术服务有限公司 | 一种微电阻率扫描成像测井数据异常校正方法及装置 |
CN108252707A (zh) * | 2017-11-30 | 2018-07-06 | 杭州迅美科技有限公司 | 一种电成像测井图像增强显示处理方法 |
CN110080754A (zh) * | 2019-04-25 | 2019-08-02 | 杭州迅美科技有限公司 | 一种电成像测井图像类周期性干扰处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113530528B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6620477B2 (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
CN101539629B (zh) | 基于多特征证据融合与结构相似度的遥感图像变化检测方法 | |
CN115880304B (zh) | 基于复杂场景下的枕轨缺陷识别方法 | |
CN115661147B (zh) | 基于机器视觉的计量检测数据识别方法 | |
CN115290053B (zh) | 一种高层建筑施工建设异常快速检测方法 | |
JP4870016B2 (ja) | ひび割れ検出方法 | |
CN108318534B (zh) | 岩心约束的电成像测井图像处理方法和装置 | |
He et al. | Enhancing the monitoring of 3D scanned manufactured parts through projections and spatiotemporal control charts | |
JP7156527B2 (ja) | 路面検査装置、路面検査方法、およびプログラム | |
CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
CN113530528A (zh) | 基于随钻电成像图像的异常数据检测和修复方法及系统 | |
CN111105377B (zh) | 一种对微电阻率成像图像的修复方法 | |
McNeil et al. | Evaluation of errors in automated pavement-distress data acquisition | |
SG177844A1 (en) | Inspection apparatus for handrail of passenger conveyer and maintenance method of passenger conveyer | |
CN116295230A (zh) | 一种用于浅埋大断面隧道软弱围岩变形的智能监测系统 | |
CN107111873A (zh) | 用于检测轮胎中的条纹的方法 | |
CN113554673B (zh) | 一种基于随钻电成像图像的自动识别裂缝的方法及系统 | |
CN105241886B (zh) | 一种基于hvs与引导滤波器的土遗址裂缝检测方法 | |
CN110471105B (zh) | 一种层位约束下基于地震解析道的相干增强断层识别方法 | |
CN116342465A (zh) | 一种基于煤岩ct图像的割理发育定量表征方法 | |
Puan et al. | Automated pavement imaging program (APIP) for pavement cracks classification and quantification | |
Lee et al. | Parametric image-based concrete defect assessment method | |
CN107291968B (zh) | 压裂选段方法与系统 | |
JP4292409B2 (ja) | Tftアレイ検査装置及びtftアレイ検査方法 | |
CN117974639B (zh) | 基于图像数据的密封胶异常状态检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |