CN113609696A - 基于图像融合的多尺度多组分数字岩心构建方法及系统 - Google Patents
基于图像融合的多尺度多组分数字岩心构建方法及系统 Download PDFInfo
- Publication number
- CN113609696A CN113609696A CN202110939638.1A CN202110939638A CN113609696A CN 113609696 A CN113609696 A CN 113609696A CN 202110939638 A CN202110939638 A CN 202110939638A CN 113609696 A CN113609696 A CN 113609696A
- Authority
- CN
- China
- Prior art keywords
- core
- mineral
- pores
- scanning
- dimensional
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 title claims abstract description 32
- 239000011148 porous material Substances 0.000 claims abstract description 109
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 106
- 239000011707 mineral Substances 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000003384 imaging method Methods 0.000 claims abstract description 39
- 239000011435 rock Substances 0.000 claims abstract description 37
- 238000002591 computed tomography Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 230000011218 segmentation Effects 0.000 claims abstract description 19
- 238000011161 development Methods 0.000 claims abstract description 16
- 230000018109 developmental process Effects 0.000 claims abstract description 16
- 238000012163 sequencing technique Methods 0.000 claims abstract description 16
- 238000005553 drilling Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 239000008187 granular material Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 5
- 239000003208 petroleum Substances 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- DLHONNLASJQAHX-UHFFFAOYSA-N aluminum;potassium;oxygen(2-);silicon(4+) Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[Al+3].[Si+4].[Si+4].[Si+4].[K+] DLHONNLASJQAHX-UHFFFAOYSA-N 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 229910001919 chlorite Inorganic materials 0.000 description 1
- 229910052619 chlorite group Inorganic materials 0.000 description 1
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 229910001608 iron mineral Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052901 montmorillonite Inorganic materials 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 229910052655 plagioclase feldspar Inorganic materials 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Computer Hardware Design (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Dispersion Chemistry (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了基于图像融合的多尺度多组分数字岩心构建方法及系统,属于岩石物理学及石油测井的领域,该方法包括:S1:制备岩心薄片:对薄片进行成像和矿物成分分析,得到成像中矿物类型、微孔隙发育程度及矿物密度排序;S2:提取MAPS成像中的二维孔隙,确定岩心孔隙孔径尺寸分布特征,进而确定合适的扫描区域,并钻取子样品进行X‑ray CT扫描;S3:对X‑ray CT扫描的样品进行重建以获取三维灰度图,多阈值分割后得到多组分三维数字岩心;S4:将MAPS提取的孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。本发明能够有效解决扫描样品尺寸与扫描分辨率矛盾的问题,拓展数字岩石物理技术在非常规储层评价的应用。
Description
技术领域
本发明属于岩石物理学及石油测井的领域,具体涉及一种基于多分辨率扫描实验图像,采用图像融合技术完成多尺度多组分数字岩心的构建方法及系统。
背景技术
对于纳米孔隙发育的非常规储层,如页岩油气等储层,岩心孔隙尺寸分布跨度大,从毫米级到纳米级,单一分辨率扫描图像建立的数字岩心模型无法完整描述岩心孔隙结构特征。以X射线计算机断层扫描(X-ray CT)为例,单一扫描技术难以解决扫描分辨率与扫描样品视场之间的矛盾。当扫描样品尺寸相对较大,视场相对较广时,X-ray CT扫描分辨率则较低,样品中微观特征信息可能丧失,如微观孔隙特征。然而样品较小时,则分辨率较高,样品微观特征更为详细清楚,但视域太小不具有代表性。因此数字岩心建模要兼顾图像分辨率与岩心尺寸的平衡,综合多分辨率扫描图像信息构建数字岩心,这对储层特征的准确描述具有很大意义。
目前,数字岩心构建方法主要有两种方法:数值重构法与物理实验扫描法。数值重构法通常以岩心薄片二维图像为基础,处理后统计孔隙和矿物颗粒等信息,通过随机模拟法或沉积岩的过程模拟法来重建三维数字岩心的方法,这些方法可以很好的重现真实岩石的几何性质和传导性质。如今,随着高精度扫描仪器设备的快速发展,物理实验法成为构建数字岩心的主流手段,如:Xray-CT扫描法,序列成像法,聚焦扫描法,扫描电镜等,应用最为广泛的为Xray-CT扫描法和扫描电镜法。Xray-CT扫描法由于可以无损伤的检测岩心矿物组成及孔隙结构,因此广泛应用于数字岩心构建;扫描电镜能够衍生聚焦离子束显微镜(FIB-SEM)、二维大范围拼接成像(MAPS)等多种方法,可以对样品孔隙结构及矿物成分和分布特征进行高精度分析,因此应用十分广泛。
在数值重构方法中,高斯场法和模拟退火法对计算机性能的要求很高,且不适用于具有孔喉结构长距离连通性的多孔介质建模。多点统计法缺点是该方法过分依赖如铸体薄片或CT扫描切片,显然二维薄片不可能包含所有的孔隙结构模式,所以建模时应选择具有代表性的薄片面,此外数据样板或者条件数据的选取也有一定的随机性,会对所建模型有较大的影响。过程法中基于薄片统计的颗粒直径不能完全代表真实岩心的所有颗粒直径,且也没有考虑其他成岩作用。总的来说,数值重构法不太适用于描述复杂成岩过程的岩石。
在物理实验法中,X-ray CT受到扫描分辨和扫描样品尺寸矛盾的限制。对非均质较强且孔喉尺度较小的岩石来说并不适用,且该方法是根据矿物灰度值来分割矿物组分的,但分割时矿物之间可能会有灰度值的重合,造成分割的不准确,虽能和QEMSCAN技术相结合进行解决,但其价格相当昂贵。扫描电镜可对岩石特征在高分辨率尺度上进行表征,尤其是三维FIB-SEM可进行三维成像,但扫描样品尺寸极小,不具代表性;二维大尺度MAPS成像只能在单个截面进行分析,与实际岩石三维特征也有一定的差距。
有鉴于此,特提出本发明。
发明内容
本发明的目的是提供基于图像融合的多尺度多组分数字岩心构建方法及系统,能够有效解决扫描样品尺寸与扫描分辨率矛盾的问题,拓展数字岩石物理技术在非常规储层评价的应用。
为了实现上述目的,本发明提供的基于图像融合的多尺度多组分数字岩心构建方法,包括以下步骤:
S1:制备岩心薄片:对薄片进行成像和矿物成分分析,得到成像中矿物类型、微孔隙发育程度及矿物密度排序;
S2:提取MAPS成像中的二维孔隙,确定岩心孔隙孔径尺寸分布特征,进而确定合适的扫描区域,并钻取子样品进行X-ray CT扫描;
S3:对X-ray CT扫描的样品进行重建以获取三维灰度图,多阈值分割后得到多组分三维数字岩心;
S4:将MAPS提取的孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
进一步地,所述步骤S1包括:打磨岩心样品,制备岩心二维薄片样品,对岩心二维薄片样品进行大面积扫描电镜二维地图拼接MAPS成像和QEMSCAN矿物成分分析;将两者的图像重叠对比,确定MAPS成像中每个像素点对应的矿物类型、微孔隙发育程度及矿物密度排序。
进一步地,所述步骤S2包括:通过MAPS提取二维孔隙,确定岩心孔隙孔径尺寸分布特征,根据岩心孔隙孔径分布特征采用合适分辨率的X-ray CT扫描仪器,再基于QEMSCAN观察矿物分布来确定合适的扫描区域,之后钻取子样品进行X-ray CT扫描;
其中,合适分辨率为扫描分辨率处于或高于岩心孔径分布主要范围,合适的扫描区域应避开大颗粒矿物。
进一步地,所述步骤S3包括:将步骤S2中X-ray CT扫描的样品重建以获取三维灰度图,通过QEMSCAN矿物成分标定,并且结合XRD矿物分析,根据矿物密度排序采用多阈值分割法分割得到多组分三维数字岩心;
其中,重建工作包括背景扣除、中心点校正和伪影压制。
更进一步地,所述步骤S4包括:通过MAPS对孔隙进行精细提取,将孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
本发明还提供了基于图像融合的多尺度多组分数字岩心构建系统,包括:
扫描和分析模块,用于制备岩心薄片,其包括对薄片进行成像和矿物成分分析,得到成像中矿物类型、微孔隙发育程度及矿物密度排序;
第一处理模块,用于提取MAPS成像中的二维孔隙,确定岩心孔隙孔径尺寸分布特征,进而确定合适的扫描区域,并钻取子样品进行X-ray CT扫描;
重建模块,用于对X-ray CT扫描的样品进行重建以获取三维灰度图,多阈值分割后得到多组分三维数字岩心;
第二处理模块,用于将MAPS提取孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
进一步地,所述扫描和分析模块,用于打磨岩心样品,制备岩心二维薄片样品,对岩心二维薄片样品进行大面积扫描电镜二维地图拼接MAPS成像和QEMSCAN矿物成分分析;将两者的图像重叠对比,确定MAPS成像中每个像素点对应的矿物类型、微孔隙发育程度及矿物密度排序。
进一步地,所述第一处理模块,用于通过MAPS提取二维孔隙,确定岩心孔隙孔径尺寸分布特征,根据岩心孔隙孔径分布特征采用合适分辨率的X-ray CT扫描仪器,再基于QEMSCAN观察矿物分布来确定合适的扫描区域,之后钻取子样品进行X-ray CT扫描;
其中,合适分辨率为扫描分辨率处于或高于岩心孔径分布主要范围,合适的扫描区域应避开大颗粒矿物。
进一步地,所述重建模块,用于将第一处理模块的X-ray CT扫描的样品进行重建以获取三维灰度图,通过QEMSCAN矿物成分标定,并且结合XRD矿物分析,根据矿物密度排序采用多阈值分割法分割得到多组分三维数字岩心;
其中,重建工作包括背景扣除、中心点校正和伪影压制。
更进一步地,所述第二处理模块,用于通过MAPS对孔隙进行精细提取,将孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
本发明提供的基于多尺度多组分数字岩心构建方法及系统,考虑到岩石尺度引起的岩石物理特征差异性,为数字岩石物理高精度数值模拟奠定基础,通过多分辨率实验分析方法,精确分析岩心矿物成分和孔隙特征,充分了解了非常规储层孔隙结构特征、复杂矿物类型,为储层数字岩石物理高精度数值模拟与岩石物理特性准确评价奠定基础,能有效解决扫描样品尺寸与扫描分辨率矛盾的问题,拓展数字岩石物理技术在非常规储层评价的应用。
附图说明
图1为根据本发明的基于图像融合的多尺度多组分数字岩心构建方法的流程图。
图2为根据本发明的基于图像融合的多尺度多组分数字岩心构建方法的QEMSCAN矿物分析的示例图像。
图3为根据本发明的基于图像融合的多尺度多组分数字岩心构建方法的MAPS成像的示例图像。
图4为根据本发明的基于图像融合的多尺度多组分数字岩心构建方法的MAPS识别的干热岩样品孔径分布情况图。
图5为根据本发明的基于图像融合的多尺度多组分数字岩心构建方法的三维灰度图
图6为根据本发明的基于图像融合的多尺度多组分数字岩心构建方法的多组分数字岩心的示例图像。
图7为根据本发明的基于图像融合的多尺度多组分数字岩心构建方法的多尺度实验矿物组分分析对比图。
图8为根据本发明的基于图像融合的多尺度多组分数字岩心构建系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合具体实施方式对本发明作进一步的详细说明。
如图1所示,一种基于图像融合的多尺度多组分数字岩心构建方法,其能够通过多分辨率实验分析方法,精确分析岩心矿物成分和孔隙特征,融合多源实验图像。
该方法具体包括两个部分:
1、多分辨率扫描实验与分析。
对岩心进行X-ray CT、QEMSCAN和MAPS的多分辨率配套实验,其中X-ray CT为三维数字岩心构建的载体,QEMSCAN为矿物分析技术手段,MAPS为矿物及孔隙结构特征识别和分析。通过MAPS提取二维孔隙,并确定岩心孔隙尺寸,根据岩心孔隙尺寸分布特征采用合适分辨率X-ray CT扫描仪器,再通过QEMSCAN观察矿物分布来确定扫描区域,钻取子样品进行X-ray CT扫描。
2、多分辨率图像融合与多尺度多组分数字岩心构建。
X-ray CT扫描获取的三维灰度图和QEMSCAN结合,并且考虑XRD矿物分析,采用多阈值分割法得到多组分三维数字岩心。通过MAPS精细提取每种矿物中的孔隙,每种矿物在MAPS图像中选定多个区域,每个区域均提取微孔分,后取均值,完成矿物中整个孔隙空间的精细提取;将对应的孔隙等效添加到多组分数字岩心每个组分中,获得多尺度多组分数字岩心。
具体地,本发明的基于图像融合的多尺度多组分数字岩心构建方法,包括以下步骤:
S1:制备岩心薄片:对薄片进行成像和矿物成分分析,得到成像中矿物类型、微孔隙发育程度及矿物密度排序。
具体地,在该步骤S1中,打磨岩心样品,制备岩心二维薄片样品,对岩心二维薄片样品进行大面积扫描电镜二维地图拼接MAPS成像和QEMSCAN矿物成分分析,将两者的图像(MAPS成像图像和QEMSCAN分析图像)重叠对比,可以确定MAPS成像中每个像素点对应的矿物类型、微孔隙发育程度及矿物密度排序。
S2:提取MAPS成像中的二维孔隙,确定岩心孔隙孔径尺寸分布特征,进而确定合适的扫描区域,并钻取子样品进行X-ray CT扫描。
具体地,在该步骤S2中,通过MAPS提取二维孔隙,确定岩心孔隙孔径尺寸分布特征,根据岩心孔隙孔径分布特征采用合适分辨率的X-ray CT扫描仪器,合适分辨率应当满足:扫描分辨率应处于或高于岩心孔径分布的主要范围;再基于QEMSCAN观察矿物分布来确定合适的扫描区域,合适的扫描区域应避开大颗粒矿物;之后钻取子样品进行X-ray CT扫描。
S3:对X-ray CT扫描的样品进行重建工作以获取三维灰度图,多阈值分割后得到多组分三维数字岩心。
具体地,在该步骤S3中,将步骤S2中X-ray CT扫描的样品进行重建以获取三维灰度图,通过QEMSCAN矿物成分标定,并且结合XRD矿物分析,根据矿物密度排序采用多阈值分割法分割得到多组分三维数字岩心。
其中,重建工作包括背景扣除、中心点校正、伪影压制等。
S4:将MAPS提取的孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
具体地,在该步骤S4中,通过MAPS对孔隙进行精细提取,将孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心,其中,通过MAPS对孔隙进行精细提取时,每种矿物在MAPS图像中选定多个区域,每个区域采用灰度阈值及亮度阈值进行孔隙分割,可精细提取微孔微裂缝等细节部分,多个区域孔隙度取均值,则完成整个孔隙空间的精细提取;将对应的孔隙等效添加到多组分数字岩心每个组分中,相当于将每个矿物组分都看成具有一定孔隙度的次一级储层单元,获得多尺度多组分数字岩心。
如图2-4中,以给干热岩为例示出了根据本发明的基于图像融合的多尺度多组分数字岩心构建方法的构建结果,岩性为花岗岩,采用的QEMSCAN扫描精度为25μm,MAPS扫描精度为250nm,扫描结果分别如图2-3所示。将两者图像重叠对比,可以确定Maps每个像素点对应的矿物类型、微孔隙发育程度和矿物密度排序,为X-ray CT重建三维灰度图像的多阈值分割提供了参考。提取MAPS识别的孔隙,表征样品的孔隙结构特征。图3示出了MAPS识别的干热岩孔径分布情况,其中,2-D孔隙半径分布为MAPS结果,3-D孔隙半径为2-D孔隙半径尺寸数值上乘以4/3;由于干热岩样品孔隙尺寸主要分布范围为0.25μm-3μm,考虑到干热岩矿物分布的非均质性,扫描样品尽可能大,采用的X-ray CT扫描分辨率为1μm。
如图5-6所示,在X-ray CT结合QEMSCAN、XRD矿物组分分析,根据矿物密度排序对干热岩进行多阈值分割得到多组分数字岩心。样品矿物以石英(橙色)、斜长石(蓝色)和钾长石(白色)为主,少量绿泥石、蒙脱石等粘土矿物(红色),极少量铁矿物(黄色),X-ray CT识别岩心孔隙度仅为0.112%,与实验测量孔隙度1.64%相差巨大,因此多分辨图像融合建模是必须进行的。图7中示出了多尺度实验矿物组分分析对比,数字岩心与XRD均是三维岩心的测试结果,所以矿物占比接近,而QEMSCAN是二维测试结果,因此与其余两个有一定的差异。
通过MAPS技术对数字岩心矿物组分中微孔隙进行更为精细地划分,所有矿物均做孔隙提取处理,下面的表1示出了通过MAPS提取的矿物中的面孔率,将对应的矿物或组分类型赋予一定的面孔率,相当于将每个矿物组分都看成具有一定孔隙度的次一级储层单元,得到多尺度多组分数字岩心。多尺度多组分数字岩心孔隙度为1.34%,更为接近实验孔隙度,说明融合两种分辨率图像的多尺度数字岩心构建方法是准确、科学的,多尺度多组分数字岩心与MAPS最高分辨率保持一致,即250nm。因此,本发明实现了多尺度多组分数字岩心的构建,在一定程度上有效地解决了分辨率和岩心尺寸矛盾的难题。
表1干热岩各矿物组分MAPS识别的面孔隙率
在上述示例中,本发明以干热岩为例进行了多尺度多组分数字岩心构建,实际上对于包括碳酸盐岩、页岩或致密砂岩,本发明提出的方法均切实可行,并在本发明的保护范围内。
本发明的基于图像融合的多尺度多组分数字岩心构建方法的核心思想在于:一是开展X-ray CT扫描、QEMSCAN和MAPS多分辨率扫描配套测试实验;二是融合多源图像信息,采用多阈值和多分辨率图像融合方法构建多尺度多组分数字岩心。通过上述方式,能够充分了解非常规储层孔隙结构特征、复杂矿物类型,为储层数字岩石物理高精度数值模拟与岩石物理特性准确评价奠定基础。
如图8所示,本发明的已实施方式为一种基于图像融合的多尺度多组分数字岩心构建系统,包括:
扫描和分析模块1,用于制备岩心薄片,其包括对薄片进行成像和矿物成分分析,得到成像中矿物类型、微孔隙发育程度及矿物密度排序。
具体地,在扫描和分析模块1中,打磨岩心样品,制备岩心二维薄片,对薄片样品进行大面积扫描电镜二维地图拼接MAPS成像和QEMSCAN矿物成分分析,将两者图像重叠对比,可以确定MAPS成像中每个像素点对应的矿物类型、微孔隙发育程度及矿物密度排序。
第一处理模块2,用于提取MAPS成像中的二维孔隙,确定岩心孔隙孔径尺寸分布特征,进而确定合适的扫描区域,并钻取子样品进行X-ray CT扫描。
具体地,在第一处理模块2中,通过MAPS提取二维孔隙,确定岩心孔隙孔径尺寸分布特征,根据岩心孔隙孔径分布特征采用合适分辨率的X-ray CT扫描仪器,合适分辨率应当满足:扫描分辨率应处于或高于岩心孔径分布的主要范围,再基于QEMSCAN观察矿物分布来确定合适的扫描区域,合适的扫描区域应避开大颗粒矿物,之后钻取子样品进行X-rayCT扫描。
重建模块3,用于对X-ray CT扫描的样品进行重建工作以获取三维灰度图,多阈值分割后得到多组分三维数字岩心。
具体地,在重建模块3中,将第一处理模块2的X-ray CT扫描的样品进行重建以获取三维灰度图,通过QEMSCAN矿物成分标定,并且结合XRD矿物分析,根据矿物密度排序采用多阈值分割法分割得到多组分三维数字岩心。
其中,重建工作包括背景扣除、中心点校正、伪影压制等。
第二处理模块4,用于将MAPS提取的孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
具体地,在第二处理模块4中,通过MAPS对孔隙进行精细提取,将孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心,其中,通过MAPS对孔隙进行精细提取时,每种矿物在MAPS图像中选定多个区域,每个区域采用灰度阈值及亮度阈值进行孔隙分割,可精细提取微孔微裂缝等细节部分,多个区域孔隙度取均值,则完成整个孔隙空间的精细提取;将对应的孔隙等效添加到多组分数字岩心每个组分中,相当于将每个矿物组分都看成具有一定孔隙度的次一级储层单元,获得多尺度多组分数字岩心。
本文中应用了具体个例对发明构思进行了详细阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离该发明构思的前提下,所做的任何显而易见的修改、等同替换或其他改进,均应包含在本发明的保护范围之内。
Claims (10)
1.基于图像融合的多尺度多组分数字岩心构建方法,其特征在于,包括以下步骤:
S1:制备岩心薄片:对薄片进行成像和矿物成分分析,得到成像中矿物类型、微孔隙发育程度及矿物密度排序;
S2:提取MAPS成像中的二维孔隙,确定岩心孔隙孔径尺寸分布特征,进而确定合适的扫描区域,并钻取子样品进行X-ray CT扫描;
S3:对X-ray CT扫描的样品进行重建以获取三维灰度图,多阈值分割后得到多组分三维数字岩心;
S4:将MAPS提取的孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
2.根据权利要求1所述的基于图像融合的多尺度多组分数字岩心构建方法,其特征在于,所述步骤S1包括:打磨岩心样品,制备岩心二维薄片样品,对岩心二维薄片样品进行大面积扫描电镜二维地图拼接MAPS成像和QEMSCAN矿物成分分析;将两者的图像重叠对比,确定MAPS成像中每个像素点对应的矿物类型、微孔隙发育程度及矿物密度排序。
3.根据权利要求1所述的基于图像融合的多尺度多组分数字岩心构建方法,其特征在于,所述步骤S2包括:通过MAPS提取二维孔隙,确定岩心孔隙孔径尺寸分布特征,根据岩心孔隙孔径分布特征采用合适分辨率的X-ray CT扫描仪器,再基于QEMSCAN观察矿物分布来确定合适的扫描区域,之后钻取子样品进行X-ray CT扫描;
其中,合适分辨率为扫描分辨率处于或高于岩心孔径分布主要范围,合适的扫描区域应避开大颗粒矿物。
4.根据权利要求1所述的基于图像融合的多尺度多组分数字岩心构建方法,其特征在于,所述步骤S3包括:将步骤S2中X-ray CT扫描的样品重建以获取三维灰度图,通过QEMSCAN矿物成分标定,并且结合XRD矿物分析,根据矿物密度排序采用多阈值分割法分割得到多组分三维数字岩心;
其中,重建工作包括背景扣除、中心点校正和伪影压制。
5.根据权利要求1所述的基于图像融合的多尺度多组分数字岩心构建方法,其特征在于,所述步骤S4包括:通过MAPS对孔隙进行精细提取,将孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
6.基于图像融合的多尺度多组分数字岩心构建系统,其特征在于,包括:
扫描和分析模块,用于制备岩心薄片,其包括对薄片进行成像和矿物成分分析,得到成像中矿物类型、微孔隙发育程度及矿物密度排序;
第一处理模块,用于提取MAPS成像中的二维孔隙,确定岩心孔隙孔径尺寸分布特征,进而确定合适的扫描区域,并钻取子样品进行X-ray CT扫描;重建模块,用于对X-ray CT扫描的样品进行重建以获取三维灰度图,多阈值分割后得到多组分三维数字岩心;
第二处理模块,用于将MAPS提取的孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
7.根据权利要求6所述的基于图像融合的多尺度多组分数字岩心构建系统,其特征在于,所述扫描和分析模块,用于打磨岩心样品,制备岩心二维薄片样品,对岩心二维薄片样品进行大面积扫描电镜二维地图拼接MAPS成像和QEMSCAN矿物成分分析;将两者的图像重叠对比,确定MAPS成像中每个像素点对应的矿物类型、微孔隙发育程度及矿物密度排序。
8.根据权利要求6所述的基于图像融合的多尺度多组分数字岩心构建系统,其特征在于,所述第一处理模块,用于通过MAPS提取二维孔隙,确定岩心孔隙孔径尺寸分布特征,根据岩心孔隙孔径分布特征采用合适分辨率的X-ray CT扫描仪器,再基于QEMSCAN观察矿物分布来确定合适的扫描区域,之后钻取子样品进行X-ray CT扫描;
其中,合适分辨率为扫描分辨率处于或高于岩心孔径分布主要范围,合适的扫描区域应避开大颗粒矿物。
9.根据权利要求6所述的基于图像融合的多尺度多组分数字岩心构建系统,其特征在于,所述重建模块,用于将第一处理模块的X-ray CT扫描的样品进行重建以获取三维灰度图,通过QEMSCAN矿物成分标定,并且结合XRD矿物分析,根据矿物密度排序采用多阈值分割法分割得到多组分三维数字岩心;
其中,重建工作包括背景扣除、中心点校正和伪影压制。
10.根据权利要求6所述的基于图像融合的多尺度多组分数字岩心构建系统,其特征在于,所述第二处理模块,用于通过MAPS对孔隙进行精细提取,将孔隙添加到多组分数字岩心中,获得多尺度多组分数字岩心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110939638.1A CN113609696B (zh) | 2021-08-16 | 2021-08-16 | 基于图像融合的多尺度多组分数字岩心构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110939638.1A CN113609696B (zh) | 2021-08-16 | 2021-08-16 | 基于图像融合的多尺度多组分数字岩心构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113609696A true CN113609696A (zh) | 2021-11-05 |
CN113609696B CN113609696B (zh) | 2024-03-08 |
Family
ID=78308739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110939638.1A Active CN113609696B (zh) | 2021-08-16 | 2021-08-16 | 基于图像融合的多尺度多组分数字岩心构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113609696B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820312A (zh) * | 2022-01-11 | 2022-07-29 | 大连理工大学 | 一种非均质材料微观结构高通量表征与重建方法 |
CN115272156A (zh) * | 2022-09-01 | 2022-11-01 | 中国海洋大学 | 基于循环生成对抗网络的油气藏高分辨率井筒成像表征法 |
CN115266782A (zh) * | 2022-09-27 | 2022-11-01 | 中国科学院地质与地球物理研究所 | 一种基于双能ct技术评价非常规储层双甜点的方法 |
CN115290930A (zh) * | 2022-08-12 | 2022-11-04 | 西南石油大学 | 一种考虑非常规储层多组分特征的数字岩心随机构建方法 |
CN115356363A (zh) * | 2022-08-01 | 2022-11-18 | 河南理工大学 | 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 |
CN115753643A (zh) * | 2022-10-19 | 2023-03-07 | 山东大学 | 融合三维扫描与图像光谱的岩体裂隙智能识别方法及系统 |
CN116793919A (zh) * | 2023-05-06 | 2023-09-22 | 西南石油大学 | 一种用于氢气流动行为模拟的页岩数字岩心重构方法 |
CN116858630A (zh) * | 2023-06-14 | 2023-10-10 | 中国石油大学(华东) | 一种真实页岩干酪根孔隙模型的构建方法及系统 |
CN117036635A (zh) * | 2023-10-10 | 2023-11-10 | 中国石油大学(华东) | 一种基于图像纹理分类的页岩多尺度数字岩心构建方法 |
CN117848807A (zh) * | 2024-02-05 | 2024-04-09 | 中国科学院南京地质古生物研究所 | 一种包埋化石样品的定向切割方法及化石样品分析方法 |
WO2024119528A1 (zh) * | 2022-12-07 | 2024-06-13 | 中国石油天然气股份有限公司 | 一种岩心样品分析方法、系统、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150268149A1 (en) * | 2012-06-09 | 2015-09-24 | Schlumberger, Holdings Limited | Method for estimating porosity of a rock sample |
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
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 |
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 |
CN110320137A (zh) * | 2018-03-29 | 2019-10-11 | 中国石油化工股份有限公司 | 一种基于数字岩心的多尺度融合方法 |
CN111680440A (zh) * | 2020-06-03 | 2020-09-18 | 中国地质大学(北京) | 不同温度下数字岩心声学特性分析方法 |
-
2021
- 2021-08-16 CN CN202110939638.1A patent/CN113609696B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150268149A1 (en) * | 2012-06-09 | 2015-09-24 | Schlumberger, Holdings Limited | Method for estimating porosity of a rock sample |
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
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 |
CN110320137A (zh) * | 2018-03-29 | 2019-10-11 | 中国石油化工股份有限公司 | 一种基于数字岩心的多尺度融合方法 |
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 |
CN111680440A (zh) * | 2020-06-03 | 2020-09-18 | 中国地质大学(北京) | 不同温度下数字岩心声学特性分析方法 |
Non-Patent Citations (7)
Title |
---|
TARIK SAIF 等: "Multi-scale multi-dimensional microstructure imaging of oil shale pyrolysis using X-ray micro-tomography, automated ultra-high resolution SEM, MAPS Mineralogy and FIB-SEM", APPLIED ENERGY, vol. 202, 20 June 2017 (2017-06-20), pages 628, XP085136707, DOI: 10.1016/j.apenergy.2017.05.039 * |
刘学锋 等: "三维数字岩心建模方法综述", 地球物理学进展, vol. 28, no. 06, pages 3066 - 3072 * |
崔利凯 等: "基于多分辨率图像融合的多尺度多组分数字岩心构建", 吉林大学学报(地球科学版), vol. 47, no. 06, 26 November 2017 (2017-11-26), pages 1904 - 1912 * |
崔利凯 等: "基于多分辨率图像融合的多尺度多组分数字岩心构建", 吉林大学学报(地球科学版), vol. 47, no. 06, pages 1904 - 1912 * |
张铜耀 等: "渤中凹陷深层特低孔特低渗砂砾岩储层储集空间精细表征", 地质科技通报, vol. 39, no. 04, pages 117 - 124 * |
李潮流 等: "基于有限元的致密砂岩储层电阻率特性模拟", 石油学报, vol. 37, no. 06, pages 787 - 795 * |
李霞 等: "致密砂岩岩电响应规律与饱和度评价方法", 石油勘探与开发, vol. 47, no. 01, 5 December 2019 (2019-12-05), pages 202 - 212 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820312A (zh) * | 2022-01-11 | 2022-07-29 | 大连理工大学 | 一种非均质材料微观结构高通量表征与重建方法 |
CN115356363B (zh) * | 2022-08-01 | 2023-06-20 | 河南理工大学 | 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 |
CN115356363A (zh) * | 2022-08-01 | 2022-11-18 | 河南理工大学 | 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 |
CN115290930A (zh) * | 2022-08-12 | 2022-11-04 | 西南石油大学 | 一种考虑非常规储层多组分特征的数字岩心随机构建方法 |
CN115272156A (zh) * | 2022-09-01 | 2022-11-01 | 中国海洋大学 | 基于循环生成对抗网络的油气藏高分辨率井筒成像表征法 |
CN115272156B (zh) * | 2022-09-01 | 2023-06-30 | 中国海洋大学 | 基于循环生成对抗网络的油气藏高分辨率井筒成像表征法 |
US11734914B1 (en) | 2022-09-27 | 2023-08-22 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Method for evaluating geological and engineering sweet spots in unconventional reservoirs based on dual-energy computed tomography (CT) |
CN115266782A (zh) * | 2022-09-27 | 2022-11-01 | 中国科学院地质与地球物理研究所 | 一种基于双能ct技术评价非常规储层双甜点的方法 |
CN115753643A (zh) * | 2022-10-19 | 2023-03-07 | 山东大学 | 融合三维扫描与图像光谱的岩体裂隙智能识别方法及系统 |
WO2024119528A1 (zh) * | 2022-12-07 | 2024-06-13 | 中国石油天然气股份有限公司 | 一种岩心样品分析方法、系统、电子设备及存储介质 |
CN116793919A (zh) * | 2023-05-06 | 2023-09-22 | 西南石油大学 | 一种用于氢气流动行为模拟的页岩数字岩心重构方法 |
CN116858630A (zh) * | 2023-06-14 | 2023-10-10 | 中国石油大学(华东) | 一种真实页岩干酪根孔隙模型的构建方法及系统 |
CN116858630B (zh) * | 2023-06-14 | 2024-04-09 | 中国石油大学(华东) | 一种真实页岩干酪根孔隙模型的构建方法及系统 |
CN117036635A (zh) * | 2023-10-10 | 2023-11-10 | 中国石油大学(华东) | 一种基于图像纹理分类的页岩多尺度数字岩心构建方法 |
CN117036635B (zh) * | 2023-10-10 | 2024-01-05 | 中国石油大学(华东) | 一种基于图像纹理分类的页岩多尺度数字岩心构建方法 |
CN117848807A (zh) * | 2024-02-05 | 2024-04-09 | 中国科学院南京地质古生物研究所 | 一种包埋化石样品的定向切割方法及化石样品分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113609696B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113609696B (zh) | 基于图像融合的多尺度多组分数字岩心构建方法及系统 | |
CN105115874B (zh) | 多源信息融合的多组分三维数字岩心构建方法 | |
US9396547B2 (en) | Output display for segmented digital volume representing porous media | |
Mehmani et al. | Pore-scale modeling of carbonates | |
RU2576501C2 (ru) | Способы построения 3-мерных цифровых моделей пористой среды с использованием комбинации данных высокого и низкого разрешения и многоточечной статистики | |
AU2009250344B2 (en) | Image data processing | |
Fredrich | 3D imaging of porous media using laser scanning confocal microscopy with application to microscale transport processes | |
RU2543698C1 (ru) | Анализ петрографических изображений для определения капиллярного давления в пористых средах | |
US10223782B2 (en) | Digital rock physics-based trend determination and usage for upscaling | |
CN104619952A (zh) | 具可靠多相渗透性决定数字岩石分析系统及方法 | |
CN104685382A (zh) | 可靠地预测孔隙渗透性趋势的数字岩石分析系统及方法 | |
Al Ibrahim et al. | An automated petrographic image analysis system: Capillary pressure curves using confocal microscopy | |
Payton et al. | The influence of grain shape and size on the relationship between porosity and permeability in sandstone: A digital approach | |
Ji et al. | A multiscale reconstructing method for shale based on SEM image and experiment data | |
Landry et al. | Estimating mudrock oil-water relative permeability curves using digital rock physics | |
Liu et al. | Multicomponent digital core construction and three-dimensional micro-pore structure characterization of shale | |
Mahanta et al. | Digital rock physics and application of high-resolution micro-CT techniques for geomaterials | |
Kazak et al. | Integration of large-area Scanning-Electron-Microscopy imaging and automated mineralogy/petrography data for selection of nanoscale pore-space characterization sites | |
Kazak et al. | Integration of large-area SEM imaging and automated mineralogy-petrography data for justified decision on nano-scale pore-space characterization sites, as a part of multiscale digital rock modeling workflow | |
CN114705606A (zh) | 一种基于网络化分析的岩石内部关键渗流节点的封堵方法 | |
Hu et al. | Correlating recovery efficiency to pore throat characteristics using digital rock analysis | |
Schembre-McCabe et al. | A framework to validate digital rock technology | |
Liu et al. | Quantitative characterization of tight rock microstructure of digital core | |
CN118153404B (zh) | 气体互驱模型的构建方法和装置、计算机设备和存储介质 | |
Zhang | Comparative Study of Pore Structure Characterization for Different Rock Samples Using Digital Images |
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 |