CN114414600A - 一种基于三维层析成像的藻礁白云岩判别与物性分析方法 - Google Patents
一种基于三维层析成像的藻礁白云岩判别与物性分析方法 Download PDFInfo
- Publication number
- CN114414600A CN114414600A CN202210070204.7A CN202210070204A CN114414600A CN 114414600 A CN114414600 A CN 114414600A CN 202210070204 A CN202210070204 A CN 202210070204A CN 114414600 A CN114414600 A CN 114414600A
- Authority
- CN
- China
- Prior art keywords
- rock
- biological
- skeleton
- analysis
- algal reef
- 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
Images
Classifications
-
- 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
- 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
Abstract
本发明公开一种基于三维层析成像的藻礁白云岩判别与物性分析方法,首先对植物藻礁属种判识,确保分析观察全面;然后基于三维层析成像CT扫描仪扫描分析岩心内部生物类型、分布特征与结构构造,确认生物化石形成生物骨架,并描述其特征;据此分析分类确定骨架结构构造,根据骨架结构构造特征命名岩石类型;然后利用三维层析成像直观透视扫描数据,重建CT图像;最后利用扫描数据进行分析处理,计算岩心样品的孔隙度、面孔率等物性参数,完成对植物藻礁判别物性分析。本方案基于三维成像技术对植物藻礁进行分析和判断,通过特定分析方法,直观判断岩心内部古生物化石骨架特征,对于植物藻礁的判别分析以及油气储层地质评价具有重要意义。
Description
技术领域
本发明属于生物礁成因的植物藻礁骨架及其藻礁类型与油气储层地质评价技术领域,具体涉及一种基于岩心三维层析成像的植物藻礁判别与物性特征分析评价方法。
背景技术
生物礁是动物礁和植物礁的总称,是一种生物形成的碳酸盐岩。一般情况下,特别是第四纪和人类世中,眼见为实的多数是动物礁,之所以称动物礁,是因为这类生物礁骨架为动物形成。事实上,地史长河中,还大量存在植物藻礁,同理,植物礁骨架为植物形成。只有发现其存在,人们才能根据这种骨架确定进而命名生物礁。
现有技术中,对于珊瑚礁、海绵礁等动物形成生物礁的研究,主要是通过观察野外露头剖面和钻井岩心中发现鉴定化石类别和属性,通过珊瑚、海绵等动物化石岩石样品切片,开展地质古生物观察描述,鉴定这些生物化石门类,进一步确定生物礁属性和命名岩石类型,并由此确定生物礁性质、特征和机制。
在实际工作中,二十世纪八十年代发现西沙群岛第一批科探井中存在直立柱状生态和节片状生态两类钙藻,也发现它们各自赋存分布的层位,在中中新世几百万年中赋存50余米柱状直立生态的珊瑚藻-新种南海奇石藻礁,它们随全球冰川型海退的环境转变,不断演替,从繁盛到绝灭和被节片状生态的绿藻仙掌藻取代,构成多种类型植物藻礁。这个过程中,两类藻礁碳酸盐岩逐渐变成了下述两类藻礁白云岩:第一类,是珊瑚藻礁白云岩:埋深大于450m,下中新统西沙组上段,生物礁格架相环境,浅黄色,白云化作用相对较强。纵横波速度相对要小,变化幅度也小,最小2441m/s,最大4609m/s;横波速度最小1395m/s,最大2933m/s。第二类,是绿藻礁白云岩:埋深小于450m,中中新统宣德组,礁后泻湖相沉积,岩石手标本比重小,白色,白云化作用相对较弱。纵横波速度相对最大,但变化幅度也最大。纵波速度最小2751m/s,最大5447m/s;横波速度最小1553m/s,最大2938m/s。在浅层,这两类藻礁白云岩可以是最好的油气储层;在千米以下的深层,却可能是致密白云岩(NaQin et al.,2019)。这类藻礁白云岩在南海珠江口盆地多个生物礁油气田中被发现(吴熙纯等,2010;周小康等,2018),并同时在国外生物礁油气田中被发现(F.Fournier,2004;Fournie F etal.,2005)。
但是,因为事实上罕见植物形成生物礁格架的野外实例研究报道(包括国外实例)。所以,迄今为止,对于生物礁的描述,包括教科书,都大多局限在对于珊瑚礁、海绵礁等动物礁的认识领域。对于植物礁如钙藻(非蓝藻、硅藻等微生物)形成的藻礁,尚为研究薄弱环节且知之不多,学术界对于植物形成的生物礁格架难以认定,大多认定植物“藻类是一种粘结,缠绕和包裹生物,从礁格架的形成构建而言,它们都属于附生生物门类,却不是造礁生物门类”(张明书等,1989)。
因此,基于对植物藻礁的发现与认识,传统生物礁研究技术和方法领域尚不存在成熟的植物藻礁专门的判别分析及其储层特征以及快速、省钱和直观、准确评价的方法,也是基础理论研究的薄弱环节,为此,亟待提出一种针对植物藻礁判别与物性特征分析评价专用方法。
发明内容
本发明为解决现有生物礁研究技术中,针对植物藻礁研究存在针对性方法的缺陷,提出一种基于岩心三维层析成像的植物藻礁判别与物性特征分析评价方法,为植物藻礁的分析判别提供新的指导思路。
本发明是采用以下的技术方案实现的:一种基于三维层析成像的藻礁白云岩判别与物性分析方法,包括以下步骤:
步骤A、植物藻礁属种判识:
步骤A1:藻礁的初步判别:对岩心进行观察,描述生物化石特征;
步骤A2:藻礁属种鉴定:完成岩石切片磨片制片和偏光显微镜观察,进行专业古生物鉴定,确定薄片生物化石类型,完成属种鉴定;
步骤A3:基于步骤A1和步骤A2初步判定生物特征和岩心岩石性质;
步骤B:基于三维层析成像CT扫描仪扫描分析岩心内部生物类型、分布特征与结构构造,确认生物化石形成生物骨架,并描述其特征;据此分析分类确定骨架结构构造,根据骨架结构构造特征命名岩石类型;
步骤C:利用三维层析成像直观透视扫描数据,重建CT图像;
步骤D:在步骤C的基础上,利用扫描数据进行分析处理,计算岩心样品的孔隙度、面孔率等物性参数,完成对植物藻礁判别物性分析。
进一步的,所述步骤B中,基于三维层析成像直观透视测试分析藻礁生物格架、确定植物藻礁作用形成植物格架的特征,进而准确描述确定岩石结构和岩石类型,完成岩心古生物化石形成骨架特征描述,进而据此准确确定植物藻礁形成的骨架特征;
根据不同深度岩心的骨架特征,确定植物造礁作用的特征和形成植物格架的特征,进而作为依据,以正确命名藻礁岩石类型。
进一步的,所述步骤C中,将采集到表面已经观察到不同钙藻生物体化石的岩心,通过三维层析成像CT扫描仪进行测试;并对所得测试数据进行处理,形成可直观透视观察的岩心三维图像;
按照X、Y、Z三轴的不同方向进行切片,实现扫描岩心三轴空间任意特征生物类型、和骨架特征与结构构造分析;在此基础上,确认生物化石形成生物骨架,描述其特征;再据骨架结构构造特征命名岩石类型。
进一步的,所述步骤D具体通过以下方式实现:
(1)在步骤C的基础上,分析确定不同岩心任意X、Y、Z切片面孔隙度,岩心整体孔隙度,即获得岩心定量的面孔率与孔隙度;
(2)利用岩石中的孔隙使密度降低,导致岩石孔隙微元在CT图像中显示为不同的深浅颜色像元的特征,CT扫描采集其像元数据并集合,形成不同CT切片数据的灰度值,计算其密度差异,形成面孔率灰度数据,使像元分辨率更大时就能定量表征对应岩石微元中可能含有的不同种矿物以及孔隙;
(3)利用基于图像分析处理的方法,设定岩石内部生物-孔隙间关系的不同阈值,以阈值分割完成区域图像分析,将图像像素分为若干份,以设定的阈值计算;得到单层平面的二维化孔隙图像及面孔率;
(4)多层二维化孔隙图像切片数据的集合统计,各层切片中一个微元通过给定阈值获得多个像元集合,亦即其孔隙度。
进一步的,所述步骤D中,考虑到低于像元分辨率的孔隙存在,以及扫描重建中的影响因素,以实验测定的孔隙率为参考,逆分析还原确定分割的阈值。
进一步的,所述步骤A聚焦在植物藻礁属种的判识,确保在岩心观察时的无遗漏发现,并全面描述岩心表面钙藻化石特征。
与现有技术相比,本发明的优点和积极效果在于:
本方案基于三维成像技术对植物藻礁进行分析和判断,不但可以直观判断岩心内部古生物化石骨架是否存在,分布和形态特征,进行直观透明分析;而且可以不损坏样品就能完成孔隙度和面孔率等分析,提供更为准确的数据;而且,时间上更加快捷、成本上更为低廉,结果上更为准确,并且杜绝多解性,为植物藻礁的分析判别提供新的指导思路,对于植物藻礁的判别分析以及油气储层地质评价具有重要意义。
附图说明
图1为本发明实施例不同钻井获得的藻礁岩心的结构示意图;
图2为本发明实施例所述分析评价方法的流程示意图。
具体实施方式
为了能够更加清楚地理解本发明的上述目的、特征和优点,下面结合附图及实施例对本发明做进一步说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用不同于在此描述的其他方式来实施,因此,本发明并不限于下面公开的具体实施例。
本实施例提出一种基于岩心三维层析成像的植物藻礁判别与物性特征分析评价方法,如图2所示,包括以下步骤:
步骤A、植物藻礁属种判识:
步骤A1:藻礁的初步判别:对岩心进行仔细观察,描述生物化石特征;
步骤A2:藻礁属种鉴定:完成岩石切片磨片制片和偏光显微镜观察,进行专业古生物鉴定,确定薄片生物化石类型,完成属种鉴定;
步骤A3:基于步骤A1和步骤A2初步判定生物特征和岩心岩石性质;
步骤B:基于三维层析成像CT扫描仪,直观透视观察;扫描分析岩心内部生物类型、分布特征与结构构造,确认生物化石形成生物骨架,并描述其特征;据此分析分类确定骨架结构构造,根据骨架结构构造特征命名岩石类型;
步骤C:利用三维层析成像直观透视扫描数据,根据已知配套算法,重建CT图像;
即按照系列配套CT算法,计算获得相关数据,利用这些数据重建物体的断面-平面、三维图像及展示截图和视频,其中,暗色、黑色表示物质密度低,白色表示物质密度较高,由黑到白变化表示岩石密度变化,据此图像,定性分析岩心孔渗层特征;
步骤D:在步骤C的基础上,利用扫描数据与配套CT算法,计算岩心样品的孔隙度、面孔率等物性参数。
本实施例中,步骤A聚焦在植物藻礁(比如钙藻)属种的判识方面,步骤A1强调,首先在岩心仔细观察时的无遗漏发现-即必须在岩心表面进行观察确认发现,并尽可能描述岩心表面钙藻化石特征;步骤A2要采集和聚焦这些岩心,并完成它们岩石的切片、磨片、制片和偏光显微镜系统鉴定,强调该过程中钙藻化石鉴定,且鉴定钙藻生物化石要到种,步骤A3:在步骤A1-A2两项工作基础上完成判定古生物特征,岩石类型及其性质。
中国学术界从二十世纪八十年代开始,包括国际学术界,就一直争议植物钙藻造礁作用的问题,主要观点是钙藻只是行粘结,缠绕和包裹功能(张明书等,1989)。因此,发现钙藻构建的藻礁格架是关键。所述步骤B中,基于三维层析成像直观透视测试分析藻礁生物格架、确定植物藻礁作用形成植物格架的特征,进而准确描述确定岩石结构和岩石类型,即由其完成岩心古生物化石形成骨架特征描述,进而据此准确确定岩石结构-也就是钙藻生物形成的骨架特征,根据不同深度这些岩心的这些骨架特征,确定植物造礁作用的特征和形成植物格架的特征,进而作为依据,以正确命名藻礁岩石类型。
步骤C,具体的,将采集到表面已经观察到不同钙藻生物体化石的岩心,利用专业三维层析成像CT扫描仪的足够机时,上机完成测试;保存所有测试数据,完成这些测试数据配套软件处理;形成可直观透视观察的岩心三维图像;按照X、Y、Z三轴的不同方向,选定六方晶系白云石110面、122面等,完成一定距离(比如100um,400um距离)切片,实现扫描岩心三轴空间任意特征生物类型、和骨架特征与结构构造分析;在此基础上,确认生物化石形成生物骨架,描述其特征;再据骨架结构构造特征命名岩石类型;
步骤D,基于三维层析成像直观透视扫描技术测试分析藻礁储层孔隙度、面孔率物性参数具体实现方式如下:
(1)在步骤C的基础上,利用CT配套软件计算出不同岩心任意X、Y、Z切片面孔隙度,岩心整体孔隙度,据此二者,即所获得岩心定量的面孔率与孔隙度;
(2)利用岩石中的孔隙使密度降低,导致岩石孔隙微元在CT图像中显示为不同的深浅颜色像元的特征。CT扫描采集这些像元数据并集合,形成不同CT切片数据的灰度值,通过计算它们的密度差异,就能形成面孔率灰度数据,由于灰度绝对值大小没有严格的物理意义。也就是说,并非简单通过比较CT切片面数据的灰度值大小以确定像元物质及大小,而是尽可能使像元分辨率更大时就能定量表征对应岩石微元中可能含有的不同种矿物以及孔隙(需要说明的是,岩心内部组成物质是多种多样的,它们之间难以确认各自的灰度绝对值界线以进行表征,则只能是一类倾向,即所谓像元分辨率更大时,这样来尽可能进行定量表征和认定该类和不同种类矿物及其孔隙),此时该像元对应的衰减系数是岩石微元中各种物质的衰减系数的综合反映,以像元灰度值集合代表微元中各物质密度,表征为岩石孔隙结构。
(3)利用基于图像分析处理的方法,设定这些结构(指岩石内部那些生物-孔隙间关系即所谓结构之统称)的不同阈值,以阈值分割完成区域图像分析,将图像像素分为若干份,以设定的阈值计算;考虑到低于像元分辨率的孔隙存在,以及扫描重建中的影响因素,所以确定阈值的赋值很重要,一般是以实验测定的孔隙率为参考,逆分析还原确定分割的阈值,得到单层平面的二维化孔隙图像及面孔率;
(4)多层二维化孔隙图像切片数据的集合统计,就是各层切片中一个微元通过给定阈值获得多个像元集合,亦即其孔隙度。
综上可知,本方案可在现今未知和属于很可能或大概率会误判的植物藻礁识别、藻礁特征和类型特别是藻礁格架类型和特征等方面取得基础研究领域创新与前沿研究成果;在特定藻礁白云岩储层研究和评价领域,可取得定性定量的物性参数,并且低成本实现定性定量评价的应用研究成果;再次,会取得大量CT扫描得到的岩心三维图像、视频;进一步透视直观创新展示植物藻礁的生物骨架类型和空间展布的三维特征,则对于植物藻礁骨架及其藻礁类型的判别与油气储层地质评价具有重要意义。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (6)
1.一种基于三维层析成像的藻礁白云岩判别与物性分析方法,其特征在于,包括以下步骤:
步骤A、植物藻礁属种判识:
步骤A1:藻礁的初步判别:对岩心进行观察,描述生物化石特征;
步骤A2:藻礁属种鉴定:完成岩石切片磨片制片和偏光显微镜观察,进行专业古生物鉴定,确定薄片生物化石类型,完成属种鉴定;
步骤A3:基于步骤A1和步骤A2初步判定生物特征和岩心岩石性质;
步骤B:基于三维层析成像CT扫描仪扫描分析岩心内部生物类型、分布特征与结构构造,确认生物化石形成生物骨架,并描述其特征;据此分析分类确定骨架结构构造,根据骨架结构构造特征命名岩石类型;
步骤C:利用三维层析成像直观透视扫描数据,重建CT图像;
步骤D:在步骤C的基础上,利用扫描数据进行分析处理,计算岩心样品的孔隙度、面孔率等物性参数,完成对植物藻礁判别物性分析。
2.根据权利要求1所述的基于三维层析成像的藻礁白云岩判别与物性分析方法,其特征在于:所述步骤B中,基于三维层析成像直观透视测试分析藻礁生物格架、确定植物藻礁作用形成植物格架的特征,进而准确描述确定岩石结构和岩石类型,完成岩心古生物化石形成骨架特征描述,进而据此准确确定植物藻礁形成的骨架特征;
根据不同深度岩心的骨架特征,确定植物造礁作用的特征和形成植物格架的特征,进而作为依据,正确命名藻礁岩石类型。
3.根据权利要求1所述的基于三维层析成像的藻礁白云岩判别与物性分析方法,其特征在于:所述步骤C中,将采集到表面已经观察到不同钙藻生物体化石的岩心,通过三维层析成像CT扫描仪进行测试;并对所得测试数据进行处理,形成可直观透视观察的岩心三维图像;
按照X、Y、Z三轴的不同方向进行切片,实现扫描岩心三轴空间任意特征生物类型、和骨架特征与结构构造分析;在此基础上,确认生物化石形成生物骨架,描述其特征;再据骨架结构构造特征命名岩石类型。
4.根据权利要求1所述的基于三维层析成像的藻礁白云岩判别与物性分析方法,其特征在于:所述步骤D具体通过以下方式实现:
(1)在步骤C的基础上,分析确定不同岩心任意X、Y、Z切片面孔隙度,岩心整体孔隙度,即获得岩心定量的面孔率与孔隙度;
(2)利用岩石中的孔隙使密度降低,导致岩石孔隙微元在CT图像中显示为不同的深浅颜色像元的特征,CT扫描采集其像元数据并集合,形成不同CT切片数据的灰度值,计算其密度差异,形成面孔率灰度数据;
(3)利用基于图像分析处理的方法,设定岩石内部生物-孔隙间关系的不同阈值,以阈值分割完成区域图像分析,将图像像素分为若干份,以设定的阈值计算;得到单层平面的二维化孔隙图像及面孔率;
(4)多层二维化孔隙图像切片数据的集合统计,各层切片中一个微元通过给定阈值获得多个像元集合,亦即其孔隙度。
5.根据权利要求4所述的基于三维层析成像的藻礁白云岩判别与物性分析方法,其特征在于:所述步骤D中,考虑到低于像元分辨率的孔隙存在,以及扫描重建中的影响因素,以实验测定的孔隙率为参考,逆分析还原确定分割的阈值。
6.根据权利要求1所述的基于三维层析成像的藻礁白云岩判别与物性分析方法,其特征在于:所述步骤A聚焦在植物藻礁属种的判识,确保在岩心观察时的无遗漏发现,并全面描述岩心表面钙藻化石特征。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111481936 | 2021-12-07 | ||
CN2021114819367 | 2021-12-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114414600A true CN114414600A (zh) | 2022-04-29 |
CN114414600B CN114414600B (zh) | 2022-10-14 |
Family
ID=81274612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210070204.7A Active CN114414600B (zh) | 2021-12-07 | 2022-01-21 | 一种基于三维层析成像的藻礁白云岩判别与物性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114414600B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831554A (zh) * | 2017-10-25 | 2018-03-23 | 中国石油化工股份有限公司 | 一种复杂生物礁微相识别与判定方法 |
CN113128335A (zh) * | 2021-03-09 | 2021-07-16 | 西北大学 | 微体古生物化石图像检测、分类及发现方法、系统及应用 |
-
2022
- 2022-01-21 CN CN202210070204.7A patent/CN114414600B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831554A (zh) * | 2017-10-25 | 2018-03-23 | 中国石油化工股份有限公司 | 一种复杂生物礁微相识别与判定方法 |
CN113128335A (zh) * | 2021-03-09 | 2021-07-16 | 西北大学 | 微体古生物化石图像检测、分类及发现方法、系统及应用 |
Non-Patent Citations (2)
Title |
---|
廉培庆等: "基于CT扫描图像的碳酸盐岩油藏孔隙分类方法", 《石油与天然气地质》 * |
陈浩等: "基于全岩心CT的遗迹化石识别及沉积环境分析:以加拿大麦凯Ⅲ油砂区块为例", 《古地理学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114414600B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105352873B (zh) | 页岩孔隙结构的表征方法 | |
Brown et al. | Multiple methods, maps, and management applications: Purpose made seafloor maps in support of ocean management | |
Dorador et al. | High-resolution image treatment in ichnological core analysis: Initial steps, advances and prospects | |
Beaufort et al. | Calcite production by coccolithophores in the south east Pacific Ocean | |
Ghiasi-Freez et al. | Semi-automated porosity identification from thin section images using image analysis and intelligent discriminant classifiers | |
CN106023158B (zh) | Sd-oct图像的淡水无核珍珠珍珠质层缺陷识别方法 | |
Rattray et al. | Hydro-acoustic remote sensing of benthic biological communities on the shallow South East Australian continental shelf | |
CN103827919A (zh) | 用于提供组织切片的图像的方法 | |
O’Byrne et al. | An underwater lighting and turbidity image repository for analysing the performance of image-based non-destructive techniques | |
Malone et al. | Borehole and Ice Feature Annotation Tool (BIFAT): A program for the automatic and manual annotation of glacier borehole images | |
Todd et al. | Quantifying bioturbation of a simulated ash fall event | |
CN114414600B (zh) | 一种基于三维层析成像的藻礁白云岩判别与物性分析方法 | |
CN113435460A (zh) | 一种亮晶颗粒灰岩图像的识别方法 | |
US20230154208A1 (en) | Method of Detecting at Least One Geological Constituent of a Rock Sample | |
CN116310784A (zh) | 一种基于图像拉平处理的岩芯图片裂缝识别方法 | |
Schmitt et al. | Classification and quantification of pore shapes in sandstone reservoir rocks with 3-D X-ray micro-computed tomography. | |
Schieber et al. | Textural and compositional heterogeneity of tight shales at the micro-scale | |
Zhao et al. | Automated image analysis for applications in reservoir characterization | |
Leitner et al. | 3D-modeling of deformed halite hopper crystals by Object Based Image Analysis | |
Nande et al. | Automated Reservoir Characterization of Carbonate Rocks using Deep Learning Image Segmentation Approach | |
Zhang | Comparative Study of Pore Structure Characterization for Different Rock Samples Using Digital Images | |
US20230316713A1 (en) | Method for detecting and counting at least one geological constituent of a rock sample | |
Petrisor et al. | Reconstruction and computation of microscale biovolumes using geographical information systems: potential difficulties | |
Jiu et al. | A method to extract the content, radius and specific surface area of maceral compositions in coal reservoirs based on image modeling | |
Muduli et al. | Evaluation of Degree of Alteration in Fossil Ostracods from Middle Callovian-Lower Oxfordian Beds of Southern Part of Kachchh Basin, Gujarat, India by Characterizing Surface Roughness of the Shell |
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 |