CN114359569A - 岩石的层理识别方法、装置、设备及存储介质 - Google Patents

岩石的层理识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114359569A
CN114359569A CN202210221224.XA CN202210221224A CN114359569A CN 114359569 A CN114359569 A CN 114359569A CN 202210221224 A CN202210221224 A CN 202210221224A CN 114359569 A CN114359569 A CN 114359569A
Authority
CN
China
Prior art keywords
rock
determining
bedding
value
image
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
CN202210221224.XA
Other languages
English (en)
Other versions
CN114359569B (zh
Inventor
郝进
杨继进
李国梁
周润青
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.)
Institute of Geology and Geophysics of CAS
Original Assignee
Institute of Geology and Geophysics of CAS
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 Institute of Geology and Geophysics of CAS filed Critical Institute of Geology and Geophysics of CAS
Priority to CN202210221224.XA priority Critical patent/CN114359569B/zh
Publication of CN114359569A publication Critical patent/CN114359569A/zh
Priority to US17/728,935 priority patent/US11436738B1/en
Application granted granted Critical
Publication of CN114359569B publication Critical patent/CN114359569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本申请属于油气勘探开发技术领域，具体提供一种岩石的层理识别方法、装置、设备及存储介质，方法包括：获取所述岩石的多组CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像，所述第一CT切片图像和第二CT切片图像为对所述岩石的同一深度切面扫描得到的，所述第一CT切片图像与所述第二CT切片图像对应的扫描能量不同；根据所述多组CT切片图像，确定所述岩石的多个双能量指数；根据所述多个双能量指数确定所述岩石的层理。可以采用CT识别大尺度岩石的层理。

Description

岩石的层理识别方法、装置、设备及存储介质
技术领域
本申请涉及油气勘探开发技术领域，尤其涉及一种岩石的层理识别方法、装置、设备及存储介质。
背景技术
沉积岩是由层层岩石组成，不同岩石的层理可以反映不同地层的沉积和成岩过程。沉积岩中包括大量矿产，通过准确识别沉积岩的层理，可以有效判断沉积岩中油气富集的层理，进而提高油气勘探开发的效率。
相关技术中，岩石的层理可以通过岩石的成分和结构特征来识别。具体可以使用微米电子计算机断层扫描（Computed Tomography，CT）来识别岩石的层理。但是微米CT的分析范围较小，只能识别小尺度岩石的层理，无法识别大尺度岩石的层理。
发明内容
本申请提供一种岩石的层理识别方法、装置、设备及存储介质，可以采用CT识别大尺度岩石的层理。
第一方面，本申请提供一种岩石的层理识别方法，包括：
获取所述岩石的多组电子计算机断层扫描CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像，所述第一CT切片图像和第二CT切片图像为对所述岩石的同一深度切面扫描得到的，所述第一CT切片图像与所述第二CT切片图像对应的扫描能量不同；
根据所述多组CT切片图像，确定所述岩石的多个双能量指数；
根据所述多个双能量指数确定所述岩石的层理。
在一种可能的实施方式中，针对任意一组CT切片图像，根据所述多组CT切片图像，确定所述岩石的双能量指数，包括：
确定所述第一CT切片图像的第一平均CT数值；
确定所述第二CT切片图像的第二平均CT数值；
根据所述第一平均CT数值和所述第二平均CT数值确定所述岩石的双能量指数。
在一种可能的实施方式中，根据所述第一CT平均CT数值和所述第二平均CT数值确定所述岩石的双能量指数，包括：
确定所述第一平均CT数值与所述第二平均CT数值的差值；
确定所述第一平均CT数值与所述第二平均CT数值的相加值；
根据所述差值和所述相加值确定所述岩石的双能量指数。
在一种可能的实施方式中，所述岩石的双能量指数满足以下公式：
Figure 881632DEST_PATH_IMAGE001
其中，所述DEIi为所述岩石的深度为i时的所述双能量指数；所述CTLi为所述岩石的深度为i时的所述第一平均CT数值；所述CTHi为所述岩石的深度为i时的所述第二平均CT数值；所述m为常量。
在一种可能的实施方式中，根据所述多个双能量指数确定所述岩石的层理，包括：
根据所述双能量指数确定双能量曲线；
根据所述双能量曲线确定所述岩石的层理。
在一种可能的实施方式中，根据所述双能量曲线确定所述岩石的层理，包括：
获取岩石的岩石图像；
根据所述双能量曲线和所述岩石图像确定所述岩石的层理的界限值；
根据所述岩石的层理的界限值确定所述岩石的层理。
在一种可能的实施方式中，根据所述双能量曲线和所述岩石图像确定所述岩石的层理的界限值，包括：
根据所述双能量曲线确定多个峰值；
根据所述岩石图像确定多个灰度值；
根据所述多个峰值和所述多个灰度值确定所述岩石的层理的界限值。
在一种可能的实施方式中，所述方法还包括：
根据所述岩石的层理的界限值确定目标层理的界限值；
根据目标层理的界限值确定目标层理，所述目标层理为存储矿产的层理。
第二方面，本申请提供一种岩石的层理识别装置，包括获取模块、第一确定模块和第二确定模块，其中，
所述获取模块用于，获取所述岩石的多组电子计算机断层扫描CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像，所述第一CT切片图像和第二CT切片图像为对所述岩石的同一深度切面拍摄得到的，所述第一CT切片图像与所述第二CT切片图像对应的扫描能量不同；
所述第一确定模块用于，根据所述多组CT切片图像，确定所述岩石的多个双能量指数；
所述第二确定模块用于，根据所述多个双能量指数和所述岩石图像确定所述岩石的层理。
在一种可能的实施方式中，针对任意一组CT切片图像，所述第一确定模块具体用于：
确定所述第一CT切片图像的第一平均CT数值；
确定所述第二CT切片图像的第二平均CT数值；
根据所述第一平均CT数值和所述第二平均CT数值确定所述岩石的双能量指数。
在一种可能的实施方式中，所述第一确定模块具体用于：
确定所述第一平均CT数值与所述第二平均CT数值的差值；
确定所述第一平均CT数值与所述第二平均CT数值的相加值；
根据所述差值和所述相加值确定所述岩石的双能量指数。
在一种可能的实施方式中，所述岩石的双能量指数满足以下公式：
Figure 251172DEST_PATH_IMAGE002
其中，所述DEIi为所述岩石的深度为i时的所述双能量指数；所述CTLi为所述岩石的深度为i时的所述第一平均CT数值；所述CTHi为所述岩石的深度为i时的所述第二平均CT数值；所述m为常量。
在一种可能的实施方式中，所述第二确定模块具体用于：
根据所述多个双能量指数确定双能量曲线；
根据所述双能量曲线确定所述岩石的层理。
在一种可能的实施方式中，所述第二确定模块具体用于：
获取岩石的岩石图像；
根据所述双能量曲线和所述岩石图像确定所述岩石的层理的界限值；
根据所述岩石的层理的界限值确定所述岩石的层理。
在一种可能的实施方式中，所述第二确定模块具体用于：
根据所述双能量曲线确定多个峰值；
根据所述岩石图像确定多个灰度值；
根据所述多个峰值和所述多个灰度值确定所述岩石的层理的界限值。
在一种可能的实施方式中，所述装置还包括第三确定模块，所述第三确定模块用于：
根据所述岩石的层理的界限值确定目标层理的界限值；
根据目标层理的界限值确定目标层理，所述目标层理为存储矿产的层理。
第三方面，本申请提供一种电子设备，包括：处理器、存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行命令，使得所述处理器执行如第一方面任一项所述的岩石的层理识别方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的岩石的层理识别方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，可实现第一方面任一项所述的岩石的层理识别方法。
本申请提供一种岩石的层理识别方法、装置、设备及存储介质，先获取多组CT切片图像；再根据多组CT切片图像，确定岩石的多个双能量指数；最后根据多个双能量指数和岩石图像确定岩石的层理。通过引入双能量指数，可以有效实现大尺度和高分辨率的岩石层理识别。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种应用场景示意图；
图2为本申请实施例提供的一种岩石的层理识别方法的流程示意图一；
图3为本申请实施例提供的一种岩石的层理识别方法的流程示意图二；
图4为本申请实施例提供的双能量曲线的一个峰的示意图；
图5为本申请实施例提供的米级钻孔岩心的双能CT扫描成像的示意图；
图6为本申请实施例提供的层理识别和有利储层预测的示意图；
图7为本申请实施例提供的岩石的层理识别装置的结构示意图一；
图8为本申请实施例提供的岩石的层理识别装置的结构示意图二；
图9为本申请实施例提供的一种电子设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请的实施例，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中所使用的CT可以是医疗CT或工业CT，轴向分辨率可以为0.1-100mm。
为了便于理解，下面结合图1，对本申请实施例所适用的应用场景进行说明。
图1为本申请实施例提供的应用场景示意图。请参见图1，终端设备中可以设置有层理识别模块。当需要识别岩石的层理的时候，可以将岩石的岩石图像和CT切片图像输入终端设备，终端设备可以通过层理识别模块对岩石的层理进行识别，以确定岩石具有多少层理。
相关技术中，岩石的层理可以使用微米CT识别。虽然微米CT的分辨率高，可以准确反应岩石的成分和结构特征，但是微米CT的分析范围较小，只能识别小尺度岩石的层理，无法识别大尺度岩石的层理。
为了解决上述技术问题，在本申请中，通过不同能量的CT扫描得到多组CT切片图像，根据多组CT切片图像可以确定双能量指数，通过双能量指数可以有效实现大尺度和高分辨率的岩石层理识别。
下面，通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是，下面几个实施例可以独立存在，也可以相互结合，对于相同或相似的内容，在不同的实施例中不再重复说明。
图2为本申请实施例提供的一种岩石的层理识别方法的流程示意图一。请参见图2，该方法包括：
S201、获取岩石的多组CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像。
本申请实施例的执行主体可以为终端设备，也可以为设置在终端设备中的岩石的层理识别装置，该岩石的层理识别装置可以通过软件实现，也可以通过软件和硬件的结合实现。
第一CT切片图像和第二CT切片图像为对岩石的同一深度切面扫描得到的。
第一CT切片图像与第二CT切片图像对应的扫描能量不同。
示例的，第一CT切片图像对应的扫描能量为小于100kV的电压，如80kV；第二CT切片图像对应的扫描能量为大于100kV的电压，如140kV。
针对同一岩石，同一扫描能量的切片图像的个数可以由岩石的深度和CT扫描的轴向分辨率决定。
例如，针对深度为1米的岩心，CT轴向扫描的分辨率为0.8mm，则同一扫描能量的切片图像的个数为1m÷0.8mm=1250个。
同一扫描能量的多个CT切片图像可以组成三维CT图像。
S202、根据多组CT切片图像，确定岩石的多个双能量指数。
双能量指数可以体现岩石原子序数的差异性。
针对任意一组CT切片图像，可以通过以下方式根据多组CT切片图像，确定岩石的多个双能量指数：
确定所述第一CT切片图像的第一平均CT数值；确定所述第二CT切片图像的第二平均CT数值；根据所述第一平均CT数值和所述第二平均CT数值确定所述岩石的双能量指数。
CT数值可以是像素点的亮度值。
CT切片图像中每个像素点都有一个CT数值。
CT切片图像的平均CT数值是指CT切片图像中所有像素点的CT数值的平均值。例如，若CT切片图像有256个像素点，则CT切片图像的平均CT数值=（CT1+CT2+CT3+……+CT256）÷256。
CT数值可以是物质密度和原子序数的综合体现。
S203、根据多个双能量指数确定岩石的层理。
可以通过以下方式根据多个双能量指数确定岩石的层理：根据所述多个双能量指数确定双能量曲线；根据所述双能量曲线确定所述岩石的层理。
双能量曲线是以双能量指数为横坐标，岩石的深度为纵坐标绘制的曲线。
在图2所示的实施例中，先获取多组CT切片图像；再根据多组CT切片图像，确定岩石的多个双能量指数；最后根据多个双能量指数和岩石图像确定岩石的层理。通过引入双能量指数，可以有效实现大尺度和高分辨率的岩石层理识别。
在上述任意实施例的基础上，下面，结合图3所示的实施例，对上述岩石的层理识别方法进行详细说明。
图3为本申请实施例提供的一种岩石的层理识别方法的流程示意图二。请参见图3，该方法可以包括：
S301、获取岩石的多组CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像。
需要说明的是，S301的执行过程可以参见S201的执行过程，此处不再进行赘述。
S302、针对任意一组CT切片图像，确定第一切片图像的第一平均CT数值。
需要说明的是，S302的执行过程可以参见S202的执行过程，此处不再进行赘述。
S303、针对任意一组CT切片图像，确定第二CT切片图像的第二平均CT数值。
需要说明的是，S303的执行过程可以参见S202的执行过程，此处不再进行赘述。
S304、针对任意一组CT切片图像，根据第一平均CT数值和第二平均CT数值确定岩石的双能量指数。
可以通过以下方式根据第一平均CT数值和第二平均CT数值确定岩石的双能量指数：确定所述第一平均CT数值与所述第二平均CT数值的差值；确定所述第一平均CT数值与所述第二平均CT数值的相加值；根据所述差值和所述相加值确定所述岩石的双能量指数。
示例的，岩石的双能量指数满足以下公式：
Figure 388892DEST_PATH_IMAGE002
其中， DEIi为岩石的深度为i时的双能量指数；CTLi为岩石的深度为i时的第一平均CT数值；CTHi为岩石的深度为i时的第二平均CT数值；m为常量，例如，m可以取3，但不限制于3。
S305、根据多个双能量指数确定双能量曲线。
需要说明的是，S306的执行过程可以参见S204的执行过程，此处不再进行赘述。
S306、获取岩石的岩石图像。
岩石可以是米级钻孔岩心。
米级钻孔岩心是指可以通过钻井技术从地下获取的以米为长度计量单位的地下岩石，可以指存储在岩心库中的全直径岩心。
岩石图像可以是体现岩石在深度方向变化的图像，可以是岩心照片，也可以是CT纵截面图像。
CT纵截面图像可以是三维CT图像在三维坐标系中的XZ-YZ截面图像。
S307、根据双能量曲线和岩石图像确定岩石的层理的界限值。
可以通过以下方式根据双能量曲线和岩石图像确定岩石的层理的界限值：根据所述双能量曲线确定多个峰值；根据所述岩石图像确定多个灰度值；根据所述多个峰值和所述多个灰度值确定所述岩石的层理的界限值。
峰值可以是顶峰值，也可以是半峰值。
为了便于理解，下面，结合图4对本申请实施例的双能量曲线的峰值进行说明。
图4为本申请实施例提供的双能量曲线的一个峰的示意图。请参见图4。在双能量曲线的一个峰中，峰值可以是峰的顶峰值DEI，也可以是峰的半峰值DEI/2。
岩石图像上明显的黑白层理的变化可以用双能量曲线上双能量的变化来表征。针对岩石图像上无法精细区分的层理，可以根据双能量曲线区分。
S308、根据岩石的层理的界限值确定岩石的层理。
岩石的层理的界限值可以区分岩石的层理。
岩石的层理可以有多种，每种岩石的层理可以有多个。例如，若岩石的层理的界限值有N个，则岩石的层理的种类为N-1种，针对任意一种层理，其个数≥1。
在图3所示的实施例中，先获取岩石的多组CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像；针对任意一组CT切片图像，确定第一切片图像的第一平均CT数值，确定第二CT切片图像的第二平均CT数值，根据第一平均CT数值和第二平均CT数值确定岩石的双能量指数；根据多个双能量指数确定双能量曲线；获取岩石的岩石图像，根据双能量曲线和岩石图像确定岩石的层理的界限值；最后根据岩石的层理的界限值确定岩石的层理。通过引入双能量指数，可以有效实现大尺度和高分辨率的岩石层理识别。
图2-图4所示的实施例说明了岩石的层理的识别方法。当识别出岩石的层理后，可以进一步确定哪一些层理中富含矿产，具体可以采用以下方法：
根据岩石的层理的界限值确定目标层理的界限值；根据目标层理的界限值确定目标层理。目标层理为存储矿产的层理。
例如，若岩石的层理的界限值有5个，分别为6、23、47、64、70，其中目标层理的界限值为47，则将双能量指数小于47的层理划分为目标层理。
可以利用现有其他技术确定目标层理的界限值。
为了便于理解，下面结合具体的实施例，对岩石的层理识别方法进行详细说明。
第一步：双能扫描成像，利用CT对米级钻孔岩心进行高能扫描和低能扫描，分别获得高能CT三维图像和低能CT三维图像。
具体的，使用飞利浦的螺旋CT对深度i为0-1米的米级钻孔岩心进行高能CT扫描和低能扫描，高能扫描的电压为140kV，低能扫描的电压为80kV，CT扫描的轴向分辨率为0.8mm，获得1250个高能CT切片图像和1250个低能CT切片图像。1250个高能CT切片图像可以组成高能CT图像，1250个低能CT切片图像可以组成低能CT图像。
图5为本申请实施例提供的米级钻孔岩心的双能CT扫描成像的示意图。请参见图1，包括高能CT三维图像、低能CT三维图像、高能CT切片图像和低能CT切片图像。以岩心照片为参照，根据岩心的深度和切片图像数量对切片图像进行排序，图5中示出了切片序数i为88和888的高能CT切片图像和低能CT切片图像。
每个切片序数对应的岩心深度可以根据岩石总深度和切片图像的总数确定。例如，切片序数i=88对应的岩心深度为1000mm÷1250*88=70.4mm。
第二步、平均CT数值计算
通过140kV电压扫描可以获得1250张高能CT切片图像，CT切片图像中的黑白程度由CT数值来表示，CT切片图像为带有坐标的矢量图，每个坐标具有各自的CT数值，利用图像处理软件或者自编算法对深度（或序数）为i的CT切片中的所有坐标的CT数值求平均，获得深度（或序数）为i的高能CT切片的平均CT数值，记为CTHi；同理，通过80kV电压扫描可以获得1250张低能CT切片图像，也可以获得深度（或序数）为i的低能CT切片的平均CT数值，记为CTLi。
第三步：双能量指数计算
根据公式
Figure 851097DEST_PATH_IMAGE003
计算深度（或序数）i的双能量指数 DEIi，这里m取值为3，但不限于其它常数。
第四步：岩石的层理的界限值的确定
以双能量指数为横坐标，岩石的深度为纵坐标，绘制双能量指数曲线。寻找双能量指数曲线和CT纵截面图像（或岩心照片）中层理之间的变化规律，确定划分岩石层理的界限值DEI[j]。
图6为本申请实施例提供的层理识别和有利储层预测的示意图。请参见图6。
观察双能量指数曲线的变化趋势和CT纵截面图像（或岩心照片）中所展示的层理的变化关系，双能量指数曲线值在很小范围波动的连续段可以看作为一个层理，在CT纵截面图像和岩心照片上所展示的颜色近乎一致；按照此方式对深度为0-1米的岩心确定划分岩石层理的界限值DEI[j]，最终获得7个层理界限值，分别为DEI[1]=40、DEI[2]=47、DEI[3]=55、DEI[4]=63、DEI[5]=68、DEI[6]=74、DEI[7]=80。
第五步：层理的识别和展示
在图6所示的实施例中，共识别出6种层理，其中DEIi∈[40, 47）为第1层理、DEIi∈[47, 55）为第2层理、DEIi∈[55, 63）为第3层理、DEIi∈[63, 68）为第4层理、DEIi∈[68,74）为第5层理、DEIi∈[74, 80）为第6层理。并对这6种层理用6种不同的颜色在柱状图中进行标注涂色，进而实现了6种岩石层理的识别和直接展示。
第六步：有利储层（目标层理）预测
从层理界限值DEI[j]中选择有利储层界限值DEI[a], 将DEIi<DEI[a]的层理划分为有利储层，用一种颜色标注并绘制在柱子图中，进而实现有利储层预测和直观展示；对于泥页岩储层来说，DEIi越低反映了储层中的（有机质+孔缝）越多，储层越有利；对于非泥页岩储层来说， DEIi越低反映了储层中的孔缝越多，储层越有利。
在图6所示的实施例中，认为DEI[a]= DEI[2]=47，因此将第1层理和第2层理识别为有利储层，并用一种颜色进行标注并绘制在柱子图中，如图6中的“甜点预测”栏所示。
从物理意义上讲，CT数值是物质密度和原子序数的综合体现，双能量指数的定义更多体现了原子序数的差异性，即双能量指数越低反映了物质的原子序数越低。对于岩石样品来说，孔缝和有机质的原子序数是最低的且和岩石矿物的差异性很大，孔缝和有机质多的层段往往是油气富集的有利层段，因此，双能量指数越低的储层越优质。泥页岩储层除了具有孔缝外，往往含有较多的有机质和有机孔，因此，对于泥页岩储层来说，双能量指数越低反映了储层中的（有机质+孔缝）越多，储层越有利于油气的富集；对于非泥页岩储层，如砂岩、碳酸盐岩、火山岩等不含有机质的储层，他们的主要油气储层空间为孔缝，不含有机质，双能量指数越低反映了储层中的孔缝越多，储层越有利。
图7为本申请实施例提供的岩石的层理识别装置的结构示意图一。请参见图7，该岩石的层理识别装置10包括获取模块11、第一确定模块12和第二确定模块13，其中，
所述获取模块11用于，获取所述岩石的多组电子计算机断层扫描CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像，所述第一CT切片图像和第二CT切片图像为对所述岩石的同一深度切面拍摄得到的，所述第一CT切片图像与所述第二CT切片图像对应的扫描能量不同；
所述第一确定模块12用于，根据所述多组CT切片图像，确定所述岩石的多个双能量指数；
所述第二确定模块13用于，根据所述多个双能量指数和所述岩石图像确定所述岩石的层理。
在一种可能的实施方式中，针对任意一组CT切片图像，所述第一确定模块12具体用于：
确定所述第一CT切片图像的第一平均CT数值；
确定所述第二CT切片图像的第二平均CT数值；
根据所述第一平均CT数值和所述第二平均CT数值确定所述岩石的双能量指数。
在一种可能的实施方式中，所述第一确定模块12具体用于：
确定所述第一平均CT数值与所述第二平均CT数值的差值；
确定所述第一平均CT数值与所述第二平均CT数值的相加值；
根据所述差值和所述相加值确定所述岩石的双能量指数。
在一种可能的实施方式中，所述岩石的双能量指数满足以下公式：
Figure 339847DEST_PATH_IMAGE002
其中，所述DEIi为所述岩石的深度为i时的所述双能量指数；所述CTLi为所述岩石的深度为i时的所述第一平均CT数值；所述CTHi为所述岩石的深度为i时的所述第二平均CT数值；所述m为常量。
在一种可能的实施方式中，所述第二确定模块13具体用于：
根据所述多个双能量指数确定双能量曲线；
根据所述双能量曲线确定所述岩石的层理。
在一种可能的实施方式中，所述第二确定模块13具体用于：
获取岩石的岩石图像；
根据所述双能量曲线和所述岩石图像确定所述岩石的层理的界限值；
根据所述岩石的层理的界限值确定所述岩石的层理。
在一种可能的实施方式中，所述第二确定模块13具体用于：
根据所述双能量曲线确定多个峰值；
根据所述岩石图像确定多个灰度值；
根据所述多个峰值和所述多个灰度值确定所述岩石的层理的界限值。
图8为本申请实施例提供的岩石的层理识别装置的结构示意图二。请参见图8，所述装置10还包括第三确定模块14，所述第三确定模块14用于：
根据所述岩石的层理的界限值确定目标层理的界限值；
根据目标层理的界限值确定目标层理，所述目标层理为存储矿产的层理。
本申请提供的岩石的层理识别装置10可以执行上述岩石的层理识别方法实施例所示的技术方案，其实现原理以及有益效果类似，此次不再进行赘述。
图9为本申请实施例提供的一种电子设备的结构示意图。请参见图9，电子设备20包括：存储器21、处理器22。示例性地，存储器21、处理器22，各部分之间通过总线23相互连接。
存储器21存储计算机执行指令；
处理器22执行存储器21存储的计算机执行指令，使得处理器22执行上述任一项的岩石的层理识别方法。
图9所示实施例所示的电子设备可以执行上述岩石的层理识别方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当计算机执行指令被处理器执行时用于实现前述任一项所述的岩石的层理识别方法。
本申请实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，可实现上述岩石的层理识别方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (12)

1.一种岩石的层理识别方法，其特征在于，包括：
获取所述岩石的多组电子计算机断层扫描CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像，所述第一CT切片图像和第二CT切片图像为对所述岩石的同一深度切面扫描得到的，所述第一CT切片图像与所述第二CT切片图像对应的扫描能量不同；
根据所述多组CT切片图像，确定所述岩石的多个双能量指数；
根据所述多个双能量指数确定所述岩石的层理。
2.根据权利要求1所述的方法，其特征在于，针对任意一组CT切片图像，根据所述多组CT切片图像，确定所述岩石的多个双能量指数，包括：
确定所述第一CT切片图像的第一平均CT数值；
确定所述第二CT切片图像的第二平均CT数值；
根据所述第一平均CT数值和所述第二平均CT数值确定所述岩石的双能量指数。
3.根据权利要求2所述的方法，其特征在于，根据所述第一CT平均CT数值和所述第二平均CT数值确定所述岩石的双能量指数，包括：
确定所述第一平均CT数值与所述第二平均CT数值的差值；
确定所述第一平均CT数值与所述第二平均CT数值的相加值；
根据所述差值和所述相加值确定所述岩石的双能量指数。
4.根据权利要求3所述的方法，其特征在于，所述岩石的双能量指数满足以下公式：
Figure 661398DEST_PATH_IMAGE001
其中，所述DEIi为所述岩石的深度为i时的所述双能量指数；所述CTLi为所述岩石的深度为i时的所述第一平均CT数值；所述CTHi为所述岩石的深度为i时的所述第二平均CT数值；所述m为常量。
5.根据权利要求1-4任一项所述的方法，其特征在于，根据所述多个双能量指数确定所述岩石的层理，包括：
根据所述多个双能量指数确定双能量曲线；
根据所述双能量曲线确定所述岩石的层理。
6.根据权利要求5所述的方法，其特征在于，根据所述双能量曲线确定所述岩石的层理，包括：
获取岩石的岩石图像；
根据所述双能量曲线和所述岩石图像确定所述岩石的层理的界限值；
根据所述岩石的层理的界限值确定所述岩石的层理。
7.根据权利要求6所述的方法，其特征在于，根据所述双能量曲线和所述岩石图像确定所述岩石的层理的界限值，包括：
根据所述双能量曲线确定多个峰值；
根据所述岩石图像确定多个灰度值；
根据所述多个峰值和所述多个灰度值确定所述岩石的层理的界限值。
8.根据权利要求6或7所述的方法，其特征在于，所述方法还包括：
根据所述岩石的层理的界限值确定目标层理的界限值；
根据目标层理的界限值确定目标层理，所述目标层理为存储矿产的层理。
9.一种岩石的层理识别装置，其特征在于，包括：获取模块、第一确定模块和第二确定模块，其中，
所述获取模块用于，获取所述岩石的多组电子计算机断层扫描CT切片图像，每组CT切片图像包括第一CT切片图像和第二CT切片图像，所述第一CT切片图像和第二CT切片图像为对所述岩石的同一深度切面拍摄得到的，所述第一CT切片图像与所述第二CT切片图像对应的扫描能量不同；
所述第一确定模块用于，根据所述多组CT切片图像，确定所述岩石的多个双能量指数；
所述第二确定模块用于，根据所述多个双能量指数和所述岩石图像确定所述岩石的层理。
10.一种电子设备，其特征在于，包括：处理器、存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行命令，使得所述处理器执行如权利要求1-8任一项所述的岩石的层理识别方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现权利要求1-8任一项所述的岩石的层理识别方法。
12.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时，可实现权利要求1-8任一项所述的岩石的层理识别方法。
CN202210221224.XA 2022-03-09 2022-03-09 岩石的层理识别方法、装置、设备及存储介质 Active CN114359569B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210221224.XA CN114359569B (zh) 2022-03-09 2022-03-09 岩石的层理识别方法、装置、设备及存储介质
US17/728,935 US11436738B1 (en) 2022-03-09 2022-04-25 Rock stratification identification method and apparatus, device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210221224.XA CN114359569B (zh) 2022-03-09 2022-03-09 岩石的层理识别方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114359569A true CN114359569A (zh) 2022-04-15
CN114359569B CN114359569B (zh) 2022-06-03

Family

ID=81094512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210221224.XA Active CN114359569B (zh) 2022-03-09 2022-03-09 岩石的层理识别方法、装置、设备及存储介质

Country Status (2)

Country Link
US (1) US11436738B1 (zh)
CN (1) CN114359569B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621594A (zh) * 2012-03-31 2012-08-01 中国海洋石油总公司 一种层理构造识别方法及系统
CN102980902A (zh) * 2012-12-03 2013-03-20 山西大学 煤炭样品组分分布及物理结构可视化的定量ct表征方法
CN104169714A (zh) * 2012-01-13 2014-11-26 领英股份有限公司 用多能量x射线成像确定储层性质和品质的方法
US20150071400A1 (en) * 2013-09-06 2015-03-12 Siemens Aktiengesellschaft Method and x-ray system for dual-energy spectra ct scanning and image reconstruction
CN106373100A (zh) * 2016-08-30 2017-02-01 首都师范大学 一种ct图像的硬化伪影校正方法
CN106530335A (zh) * 2015-08-06 2017-03-22 通用电气公司 在没有校准靶标的情况下的计算机断层扫描自校准
CN106950231A (zh) * 2017-03-29 2017-07-14 中国科学院地质与地球物理研究所 一种用双能微米ct定量识别岩石矿物的岩样装置和方法
CN107595311A (zh) * 2017-08-30 2018-01-19 沈阳东软医疗系统有限公司 双能量ct图像处理方法、装置以及设备
CN107992901A (zh) * 2017-12-18 2018-05-04 武汉大学 一种基于纹理特征的钻孔雷达影像岩层分类方法
US20180156741A1 (en) * 2016-12-07 2018-06-07 Nuctech Company Limited Inspection devices and inspection methods
CN109100775A (zh) * 2018-07-06 2018-12-28 郑州云海信息技术有限公司 一种双层探测器的能量谱校正方法与装置
CN109883922A (zh) * 2019-03-20 2019-06-14 中国石油大学(北京) 一种致密岩心中压裂液的实时监测系统以及实时监测方法
US20190192424A1 (en) * 2014-08-28 2019-06-27 The General Hospital Corporation Injectable Slurries and Methods of Manufacturing the Same
CN110599473A (zh) * 2019-09-06 2019-12-20 中国科学院地质与地球物理研究所 一种数字岩芯确定方法、装置及设备
CN111551992A (zh) * 2020-05-12 2020-08-18 中国科学院地质与地球物理研究所 岩石储层构造表征方法、装置、计算机可读存储介质及电子设备
CN113496498A (zh) * 2020-04-07 2021-10-12 中国石油天然气股份有限公司 储层类型的确定方法、装置及存储介质
CN113607618A (zh) * 2021-07-02 2021-11-05 中铁二十局集团有限公司 基于工业ct扫描的岩石损伤分析方法、装置及设备
CN114004261A (zh) * 2021-11-19 2022-02-01 数岩科技股份有限公司 岩石类型识别方法、装置和存储介质
CN114113169A (zh) * 2021-11-19 2022-03-01 数岩科技股份有限公司 确定矿物分布的方法及装置、电子设备及计算机存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8294717B2 (en) * 2009-06-26 2012-10-23 Kabushiki Kaisha Toshiba Advanced clustering method for material separation in dual energy CT
US9201026B2 (en) * 2012-03-29 2015-12-01 Ingrain, Inc. Method and system for estimating properties of porous media such as fine pore or tight rocks
US9746431B2 (en) * 2012-05-11 2017-08-29 Ingrain, Inc. Method and system for multi-energy computer tomographic cuttings analysis
EP2914956A1 (en) * 2012-11-01 2015-09-09 Ingrain, Inc. Characterization of rock and other samples by means of a process and system for the preparation of samples using castable mounting materials
US9458524B2 (en) * 2013-03-05 2016-10-04 Cabot Corporation Methods to recover cesium or rubidium from secondary ore
CN103198363B (zh) 2013-03-19 2015-02-25 中国石油天然气股份有限公司 一种基于ct孔隙分析的储层产气量预测方法及装置
WO2015023409A1 (en) * 2013-08-13 2015-02-19 Schlumberger Canada Limited Digital core sensitivity analysis
US10620340B2 (en) * 2013-12-04 2020-04-14 Schlumberger Technology Corporation Tuning digital core analysis to laboratory results
US20180106708A1 (en) 2015-05-20 2018-04-19 Schlumberger Technology Corporation Hydraulic fracturability index using high resolution core measurements
US9842431B2 (en) * 2015-06-30 2017-12-12 Saudi Arabian Oil Company Cored rock analysis planning through CT images
US10656068B2 (en) * 2015-10-02 2020-05-19 Repsol, S.A. Method for providing a numerical model of a sample of rock

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104169714A (zh) * 2012-01-13 2014-11-26 领英股份有限公司 用多能量x射线成像确定储层性质和品质的方法
CN102621594A (zh) * 2012-03-31 2012-08-01 中国海洋石油总公司 一种层理构造识别方法及系统
CN102980902A (zh) * 2012-12-03 2013-03-20 山西大学 煤炭样品组分分布及物理结构可视化的定量ct表征方法
US20150071400A1 (en) * 2013-09-06 2015-03-12 Siemens Aktiengesellschaft Method and x-ray system for dual-energy spectra ct scanning and image reconstruction
US20190192424A1 (en) * 2014-08-28 2019-06-27 The General Hospital Corporation Injectable Slurries and Methods of Manufacturing the Same
CN106530335A (zh) * 2015-08-06 2017-03-22 通用电气公司 在没有校准靶标的情况下的计算机断层扫描自校准
CN106373100A (zh) * 2016-08-30 2017-02-01 首都师范大学 一种ct图像的硬化伪影校正方法
US20180156741A1 (en) * 2016-12-07 2018-06-07 Nuctech Company Limited Inspection devices and inspection methods
CN106950231A (zh) * 2017-03-29 2017-07-14 中国科学院地质与地球物理研究所 一种用双能微米ct定量识别岩石矿物的岩样装置和方法
CN107595311A (zh) * 2017-08-30 2018-01-19 沈阳东软医疗系统有限公司 双能量ct图像处理方法、装置以及设备
CN107992901A (zh) * 2017-12-18 2018-05-04 武汉大学 一种基于纹理特征的钻孔雷达影像岩层分类方法
CN109100775A (zh) * 2018-07-06 2018-12-28 郑州云海信息技术有限公司 一种双层探测器的能量谱校正方法与装置
CN109883922A (zh) * 2019-03-20 2019-06-14 中国石油大学(北京) 一种致密岩心中压裂液的实时监测系统以及实时监测方法
CN110599473A (zh) * 2019-09-06 2019-12-20 中国科学院地质与地球物理研究所 一种数字岩芯确定方法、装置及设备
CN113496498A (zh) * 2020-04-07 2021-10-12 中国石油天然气股份有限公司 储层类型的确定方法、装置及存储介质
CN111551992A (zh) * 2020-05-12 2020-08-18 中国科学院地质与地球物理研究所 岩石储层构造表征方法、装置、计算机可读存储介质及电子设备
CN113607618A (zh) * 2021-07-02 2021-11-05 中铁二十局集团有限公司 基于工业ct扫描的岩石损伤分析方法、装置及设备
CN114004261A (zh) * 2021-11-19 2022-02-01 数岩科技股份有限公司 岩石类型识别方法、装置和存储介质
CN114113169A (zh) * 2021-11-19 2022-03-01 数岩科技股份有限公司 确定矿物分布的方法及装置、电子设备及计算机存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A.P.TELES 等: "Rock porosity quantification by dual-energy X-ray computed microtomography", 《ELSEVIER:MICRON》, 30 April 2016 (2016-04-30), pages 72 - 78 *
杨兴元: "宝石能谱CT结合代谢水平对泌尿结石诊治价值的临床研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》, 15 June 2021 (2021-06-15), pages 067 - 2 *
胡开国 等: "双源CT在儿童尿路结石成分分析中的应用价值", 《国际外科学杂志》, vol. 48, no. 06, 15 June 2021 (2021-06-15), pages 391 - 395 *
郝进 等: "一种改进的页岩气损失气含量估算方法", 《现代地质》, vol. 29, no. 06, 31 December 2015 (2015-12-31), pages 1475 - 1482 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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)

Also Published As

Publication number Publication date
CN114359569B (zh) 2022-06-03
US11436738B1 (en) 2022-09-06

Similar Documents

Publication Publication Date Title
Siddiqui et al. Dual-energy CT-scanning applications in rock characterization
Tian et al. Machine-learning-based object detection in images for reservoir characterization: A case study of fracture detection in shales
Janssens et al. Computed tomography 3D super-resolution with generative adversarial neural networks: Implications on unsaturated and two-phase fluid flow
Zhang et al. Multi-component segmentation of X-ray computed tomography (CT) image using multi-Otsu thresholding algorithm and scanning electron microscopy
Rashid et al. Reservoir quality prediction of gas-bearing carbonate sediments in the Qadirpur field: Insights from advanced machine learning approaches of SOM and cluster analysis
Vezhapparambu et al. Rock classification using multivariate analysis of measurement while drilling data: Towards a better sampling strategy
CN114359569B (zh) 岩石的层理识别方法、装置、设备及存储介质
US20220206176A1 (en) System and method for identifying subsurface structures
Pattnaik et al. Automatic carbonate rock facies identification with deep learning
Sparacio et al. Morphometry of blue land crab (Cardisoma guanhumi) burrows: ichnological context and paleoenvironmental implications
Russoniello et al. Pay the PIED Piper: Guidelines to visualize large geochemical datasets on Piper diagrams
Xu et al. Characterization and consecutive prediction of pore structures in tight oil reservoirs
Shaik et al. Rock classification based on Micro-CT images using machine learning techniques
CN112711646B (zh) 基于地学信息的找矿方法及装置、电子设备、存储介质
CN111243240B (zh) 一种滑坡预警方法及装置
Kahl et al. Microfabric and anisotropy of elastic waves in sandstone–An observation using high-resolution X-ray microtomography
Becerra et al. Generating a labeled data set to train machine learning algorithms for lithologic classification of drill cuttings
Chen et al. Evolution of coal microfracture by cyclic fracturing of liquid nitrogen based on μCT and convolutional neural networks
Wang et al. Reservoir pore characteristics based on depositional microfacies control in the Neogene Guantao Formation, Bohai Bay Basin, China
Ashton et al. Subseismic-scale reservoir deformation: introduction
Liu et al. Petrography and facies distribution of Middle Ordovician Ma 51+ 2 tight dolomite reservoirs in the Ordos Basin, Central China
Wang et al. Fracture extraction from logging image using a dual encoder-decoder architecture with Swin transformer
Sahin et al. Stochastic modeling of porosity distribution in a multi-zonal carbonate reservoir
Al-Dossary et al. Combining multiseismic attributes with an extended octree quantization method
Larpudomlert et al. Experimental investigation of residual saturation in mixed-wet porous media using a pore-scale approach

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