CN114429482A - 页岩孔及有机质识别方法、装置、计算机设备和存储介质 - Google Patents
页岩孔及有机质识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114429482A CN114429482A CN202011043141.3A CN202011043141A CN114429482A CN 114429482 A CN114429482 A CN 114429482A CN 202011043141 A CN202011043141 A CN 202011043141A CN 114429482 A CN114429482 A CN 114429482A
- Authority
- CN
- China
- Prior art keywords
- image
- pore
- inorganic
- intersection
- organic
- 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.)
- Pending
Links
- 239000005416 organic matter Substances 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000011148 porous material Substances 0.000 claims abstract description 301
- 230000007704 transition Effects 0.000 claims abstract description 112
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000011218 segmentation Effects 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000003709 image segmentation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 25
- 239000000126 substance Substances 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 230000009467 reduction Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000002146 bilateral effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 239000003209 petroleum derivative Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 239000011147 inorganic material Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005311 nuclear magnetism Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种页岩孔及有机质识别方法、装置、计算机设备和存储介质，该方法综合应用图像分割、局部裁剪、图像膨胀、边界提取、交并运算等图像处理算法，解决了无机孔和无机质之间过渡带影响有机质识别，进而影响有机孔和无机孔识别的问题，能够快速、准确的识别页岩有机孔、无机孔及有机质，并且支持并行计算，具有准确度高、速度快、内存占用低的特点，本申请为计算表征页岩孔隙参数奠定了基础，对于页岩油气的资源评价和开发方式优选具有重要意义。
Description
技术领域
本发明涉及页岩油气勘探技术领域，特别涉及一种页岩孔及有机质识别方法、装置、计算机设备和存储介质。
背景技术
对于页岩储层而言，含有有机质和孔隙，其孔隙以纳米级孔隙为主，并含有有机质，孔隙分为有机孔和无机孔两种[1]，不同类型孔隙油气的赋存方式及开发方式不同。研究页岩有机质、有机孔和无机孔的大小和分布对于页岩资源的评价和开发具有重要意义。
目前研究页岩孔隙结构主要分为两大类方法[2]，一类方法是直接法，通过电镜、CT等成像方法获取页岩图像，对图像上观察和标记页岩有机孔、无机孔、有机质及其他矿物。为了提高图像的分辨率，有学者发明了往岩心中注入熔融合金的方法增加孔隙的识别准确度[3]。第二类方法是间接法，通过压汞、核磁、气体吸附等获取岩心测试数据，经过数学方法反演得到页岩孔隙参数[4]。
现有的直接法基于图像观察和手动标注，无法实验自动化和定量化，因此工作量大、可靠性低，只能局限于个别孔隙，无法扩大视域范围形成统计结果。间接法基于理想数学模型，对于复杂的页岩孔隙，模型准确度差，各种不同的间接方法得到的结果均不相同，结果可靠性低。薛海涛,田善思等[5]发明的泥页岩有机孔隙与无机孔隙自动识别方法可以自动识别页岩有机孔和无机孔，但没有考虑页岩图像中无机孔边缘像素值约等于有机质像素值的问题，无法准确区分有机质和无机孔边缘，因此，识别结果误差较大。
参考文献：
[1]孙超,姚素平.页岩油储层孔隙发育特征及表征方法[J].油气地质与采收率,2019,26(01):153-164.
[2]姜涛,金之钧,刘光祥,胡宗全,刘全有,刘忠宝,王鹏威,王濡岳,杨滔,王冠平.四川盆地元坝地区自流井组页岩储层孔隙结构特征[J/OL].石油与天然气地质:1-18[2020-05-13].http://kns.cnki.net/kcms/detail/11.4820.TE.20191218.1425.002.html.
[3]俞凌杰,鲍芳,刘友祥,芮晓庆,陈红宇,范明.一种向岩石孔隙中注入熔融合金的装置和方法[P].CN110672388A,2020-01-10.
[4]李军,金武军,王亮,武清钊,路菁,郝士博.利用核磁共振技术确定有机孔与无机孔孔径分布——以四川盆地涪陵地区志留系龙马溪组页岩气储层为例[J].石油与天然气地质,2016,37(01):129-134.
[5]薛海涛,田善思,曾芳,卢双舫,赵日新,肖佃师,李俊乾,黄文彪.一种泥页岩有机孔隙与无机孔隙自动识别方法及系统[P].CN110223282A,2019-09-10.
发明内容
基于此，有必要针对上述技术问题，提供一种页岩孔及有机质识别方法、装置、计算机设备和存储介质。
一种页岩孔及有机质识别方法，包括：
获取页岩岩心图像；
采用阈值分割算法对所述页岩岩心图像进行初次分割，得到分割后的包含孔隙的孔隙图像、包含有机质和过渡带的有机过渡图像以及包含无机质的无机图像；
基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像；
基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像；
对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像；
对所述膨胀边界图像和所述有机过渡局部图像进行取交集运算，得到第一交集，对所述膨胀边界图像和所述无机局部图像进行取交集运算，得到第二交集；
对比所述第一交集内的像素个数和所述第二交集内的像素个数；
当所述第一交集内的像素个数大于所述第二交集内的像素个数时，判定对应的孔隙为有机孔，当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔。
一种页岩孔及有机质识别装置，包括：
页岩岩心图像获取模块，用于获取页岩岩心图像；
分割模块，用于采用阈值分割算法对所述页岩岩心图像进行初次分割，得到分割后的包含孔隙的孔隙图像、包含有机质和过渡带的有机过渡图像以及包含无机质的无机图像；
第一裁切模块，用于基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像；
第二裁切模块，用于基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像；
膨胀模块，用于对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像；
交集运算模块，用于对所述膨胀边界图像和所述有机过渡局部图像进行取交集运算，得到第一交集，对所述膨胀边界图像和所述无机局部图像进行取交集运算，得到第二交集；
像素对比模块，用于对比所述第一交集内的像素个数和所述第二交集内的像素个数；
判定模块，用于当所述第一交集内的像素个数大于所述第二交集内的像素个数时，判定对应的孔隙为有机孔，当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
获取页岩岩心图像；
采用阈值分割算法对所述页岩岩心图像进行初次分割，得到分割后的包含孔隙的孔隙图像、包含有机质和过渡带的有机过渡图像以及包含无机质的无机图像；
基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像；
基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像；
对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像；
对所述膨胀边界图像和所述有机过渡局部图像进行取交集运算，得到第一交集，对所述膨胀边界图像和所述无机局部图像进行取交集运算，得到第二交集；
对比所述第一交集内的像素个数和所述第二交集内的像素个数；
当所述第一交集内的像素个数大于所述第二交集内的像素个数时，判定对应的孔隙为有机孔，当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取页岩岩心图像；
采用阈值分割算法对所述页岩岩心图像进行初次分割，得到分割后的包含孔隙的孔隙图像、包含有机质和过渡带的有机过渡图像以及包含无机质的无机图像；
基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像；
基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像；
对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像；
对所述膨胀边界图像和所述有机过渡局部图像进行取交集运算，得到第一交集，对所述膨胀边界图像和所述无机局部图像进行取交集运算，得到第二交集；
对比所述第一交集内的像素个数和所述第二交集内的像素个数；
当所述第一交集内的像素个数大于所述第二交集内的像素个数时，判定对应的孔隙为有机孔，当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔。
上述页岩孔及有机质识别方法、装置、计算机设备和存储介质，综合应用图像分割、局部裁剪、图像膨胀、边界提取、交并运算等图像处理算法，解决了无机孔和无机质之间过渡带影响有机质识别，进而影响有机孔和无机孔识别的问题，能够快速、准确的识别页岩有机孔、无机孔及有机质，并且支持并行计算，具有准确度高、速度快、内存占用低的特点，本申请为计算表征页岩孔隙参数奠定了基础，对于页岩油气的资源评价和开发方式优选具有重要意义。
附图说明
图1为一个实施例中页岩孔及有机质识别方法的流程示意图；
图2为一个实施例中页岩孔及有机质识别装置的结构框图；
图3为一个实施例中计算机设备的内部结构图；
图4为一个实施例中的通过扫描电子显微镜扫描获得的页岩岩心图像；
图5为一个实施例中的降噪处理后的页岩岩心图像；
图6a为一个实施例中分割后的孔隙图像；
图6b为一个实施例中分割后的包含有机质和过渡带的有机过渡图像；
图6c为一个实施例中分割后的包含无机质的无机图像；
图7a为一个实施例中的孔隙连通体的图像；
图7b为一个实施例中的有机质(或过渡带)连通体图像；
图8a为一个实施例中的孔隙连通体中长方体Ωi的位置的示意图；
图8b为一个实施例中有机质(或过渡带)连通体中长方体Ωi'的位置的示意图；
图8c为一个实施例中无机质中长方体Ω_i'的位置的示意图；
图9a为一个实施例中的第1个孔隙的孔隙膨胀边界提取过程；
图9b为一个实施例中的第2个孔隙的孔隙膨胀边界提取过程；
图10a为一个实施例中的有机质(或过渡带)局部图像；
图10b为一个实施例中的无机质局部图像；
图11a为一个实施例中第1个孔隙的膨胀边界图像的膨胀孔隙边界与对应的有机质(或过渡带)交集运算；
图11b为一个实施例中第2个孔隙的膨胀边界图像的膨胀孔隙边界与对应的有机质(或过渡带)交集运算；
图12a为一个实施例中第1个孔隙的膨胀边界图像的膨胀孔隙边界与对应的无机质交集运算；
图12b为一个实施例中第2个孔隙的膨胀边界图像的膨胀孔隙边界与对应的无机质交集运算；
图13为一个实施例中的有机质或过渡带与孔隙相交示意图；
图14a为一个实施例中的提取出的有机孔的示意图；
图14b为一个实施例中的提取出的无机孔的示意图；
图14c为一个实施例中的提取出的有机质的示意图；
图15为一个实施例中的长方体位置方位图；
图16a为一个实施例中的半径为1的圆盘结构元素
图16b为一个实施例中的半径为4的圆盘结构元素；
图17为一个实施例中的实际的页岩SEM扫描图像
图18为一个实施例中的实际的降噪后图像；
图19a为一个实施例中实际的分割后的孔隙图像；
图19b为一个实施例中实际的分割后的有机质和过渡带图像；
图19c为一个实施例中实际的分割后的无机质图像；
图20a为一个实施例中实际的识别出的有机孔的图像；
图20b为一个实施例中实际的识别出的无机孔的图像
图20c为一个实施例中实际的识别出的有机质的图像。
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。
实施例一
本实施例中，如图1所示，提供了一种页岩孔及有机质识别方法，其包括：
步骤110，获取页岩岩心图像。
具体地，页岩岩心图像通过扫描电子显微镜扫描获得，扫描获得的页岩岩心图像为灰度图，如图4所示，图像原点为左上角，垂直方向为x轴，水平方向为y轴。图中亮度最低的区域为孔隙，次亮者为有机质，亮度最高的为无机质。发育在无机质中的孔隙称之为无机孔，发育在有机质中的孔隙称之为有机孔。由于图像亮度在空间上是连续变化的，因此从无机孔到无机质之间存在一个过渡带，这个过渡带的亮度值和有机质是相似的，造成了无机孔边缘像素值和有机质相同的结果，给无机孔和有机孔的区分带来了困难。本发明综合运用图像处理方法，成功解决了这一问题。
本步骤中，通过SEM(scanning electron microscope)扫描电子显微镜获取页岩岩心图像A。
步骤120，采用阈值分割算法对所述页岩岩心图像进行初次分割，得到分割后的包含孔隙的孔隙图像、包含有机质和过渡带的有机过渡图像以及包含无机质的无机图像。
在一个实施例中，所述采用阈值分割算法对所述页岩岩心图像进行初次分割的步骤之前还包括：对所述页岩岩心图像进行降噪处理，得到降噪后的所述页岩岩心图像；所述采用阈值分割算法对所述页岩岩心图像进行初次分割的步骤包括：采用阈值分割算法对噪后的所述页岩岩心图像进行初次分割。
本实施例中，在对页岩岩心图像进行初次分割前，首先对页岩岩心图像进行降噪处理。具体地，采用双边降噪算法对扫描图像降噪，得到降噪后图像B，如图5所示。
降噪后，根据降噪后的页岩岩心图像的亮度，采用阈值分割算法对降噪后的页岩岩心图像进行初次分割，形成初次分割结果孔隙图像C1、有机过渡图像C2和无机图像C3，其中，C1为孔隙(包括有机孔和无机孔)，C2为有机质(或过渡带)过，C3为无机质，分割结果如图6a至图6c所示，其中白色区域代表分割目标，数值上用1表示，黑色代表背景，用0表示。
步骤130，基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像。
在一个实施例中，所述基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像的步骤包括：对所述孔隙图像进行求连通体，得到孔隙连通图像；基于所述最小外接方体对所述孔隙连通图像中的孔隙进行裁剪，得到所述孔隙局部图像。
本实施例中，首先对孔隙图像进行求连通体，得到孔隙连通图像，随后再对孔隙连通图像进行裁剪，得到所述孔隙局部图像。
具体地，对孔隙C1求连通体得到孔隙连通图D，并得到独立孔隙连通体集合{Di}，如图7a所示；对有机质(或过渡带)C2求连通体得到连通图E，并得到独立有机质(或过渡带)集合{Ei}，如图7b所示；第i个连通体用数字i表示，黑色背景数字为0。
取每个孔隙Di的平行于XYZ轴的最小外接方体Ωi，根据最小外接方体Ωi的位置和大小对孔隙连通图D进行裁剪得到孔隙局部图像Di。
步骤140，基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像。
本步骤中，根据裁切正方体Ωi′的位置和大小在有机质(或过渡带)C2和无机质C3中裁剪得到有机质(或过渡带)的局部图像Ji和无机质局部图像Ki，如图10a和图10b所示。
步骤150，对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像。
本步骤中，孔隙局部图像Di进行膨胀处理，得到膨胀图像，并且对膨胀图像中的孔隙的边界进行提取，得到膨胀边界图像Ii。
步骤160，对所述膨胀边界图像和所述有机过渡局部图像进行取交集运算，得到第一交集，对所述膨胀边界图像和所述无机局部图像进行取交集运算，得到第二交集。
本步骤中，对膨胀后的孔隙边界图Ii和有机质(或过渡带)局部图Ji取交集运算，得图Mi。对膨胀后的孔隙边界图Ii和无机质局部图Ki取交集运算，得图Ni。取交集的过程如如图12a和图12b所示。
步骤170，对比所述第一交集内的像素个数和所述第二交集内的像素个数。
步骤180，当所述第一交集内的像素个数大于所述第二交集内的像素个数时，判定对应的孔隙为有机孔，当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔。
统计图Mi和图Ni中目标对象的像素个数，分别记为
和
判断
和
的大小关系，如果
则孔隙Di为有机孔，如果
则判定孔隙Di为无机孔；用Γi表示孔隙Di是否为有机孔，则
上述实施例中，综合应用图像分割、局部裁剪、图像膨胀、边界提取、交并运算等图像处理算法，解决了无机孔和无机质之间过渡带影响有机质识别，进而影响有机孔和无机孔识别的问题，能够快速、准确的识别页岩有机孔、无机孔及有机质，并且支持并行计算，具有准确度高、速度快、内存占用低的特点，本申请为计算表征页岩孔隙参数奠定了基础，对于页岩油气的资源评价和开发方式优选具有重要意义。
在一个实施例中，所述对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像的步骤包括：在所述孔隙局部图像的孔隙大小不变的基础上，对所述孔隙局部图像在最小外接方体的六个面上分别增加预设层像素，得到第一膨胀图像；在所述第一膨胀图像中，基于第一预设半径的圆盘结构元素对所述孔隙进行膨胀处理，得到第二膨胀图像；在所述第二膨胀图像中，基于第二预设半径的圆盘结构元素对所述孔隙进行膨胀处理，得到第三膨胀图像；提取所述第三膨胀图像的边界，基于所述第三膨胀图像的边界得到所述膨胀边界图像。
具体地，根据长方体Ωi的位置和大小对孔隙连通图D进行裁剪得到孔隙局部图像Di，保持孔隙大小不变，对图像Di的上、下、左、右、前、后六个面边界分别添加m层像素进行增大，得到Fi；在Fi图中，对孔隙用半径为1的圆盘结构元素(如图16a所示)进行膨胀操作，得到图Gi；对图Gi用半径为m-1的圆盘结构元素(如图16b所示)进行膨胀操作，得到图Hi；提取图Hi的边界得到图Ii，图Ii为孔隙Di的膨胀后边界；过程如如图9a和图9b所示。
在一个实施例中，所述当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔的步骤之后还包括：求取所述机过渡图像的过渡连通图像和所述第一膨胀图像；对所述过渡连通图像和所述第一膨胀图像进行取交集运算，得到第三交集；检测所述第三交集的值，当所述第三交集的值为1时，则判定对应的所述过渡带为有机质，当所述第三交集的值为0时，则判定对应的所述过渡带为无机质过渡带。
本实施例中，如果Di为无机孔，Γi＝1，则进一步判断Di对应的有机质(或过渡带)是有否为有机质；否则，继续判断下一个孔隙。
具体地，如果Di为无机孔时，对有机质(或过渡带)局部连通图Ji和对应的孔隙膨胀图Fi进行交集运算，规定交集运算规则为
运算得到图Li，如图13所示。
提取Li的具体数值，记为集合Φi，对集合Φi中的元素去重并去除为0的元素，得到集合Φi的子集Ψi。
重复步骤110至步骤180，完成所有孔隙的遍历识别，特别的，该过程可以进行并行加速。
对集合Ψi取并集运算，得到
用Θi表示第j个有机质(或过渡带)Ej是否为有机质，如果Θi＝1，表示Ej为有机质，如果Θi＝0，表示Ej为过渡带。
根据Γ和Θ，分别从孔隙连通体图D和有机质(过渡带)连通图E中提取得到有机孔、无机孔和有机质识别结果，如图14a至图14c所示。
在一个实施例中，所述基于最小外接方体对所述孔隙连通图像进行裁剪，得到孔隙局部图像的步骤包括：分别求取所述孔隙连通图像的各孔隙在平行于坐标系的三个坐标轴的方向上的最小外接方形；基于所述最小外接方形确定的所述最小外接正方体对所述孔隙连通图像的孔隙进行裁剪，得到孔隙局部图像。
具体地，坐标系的三个坐标轴分别为X轴、Y轴和Z轴，本实施例中，取每个孔隙Di的平行于XYZ轴的最小外接方形Ωi，取最小外接正方形的方式如下文所示，并结合图15，Ωi在NWD方向上的顶点Pi坐标为(xi，yi，zi)，长方体长li，宽wi，高hi，这里的长、宽、高分别对应X、Y、Z三个方向；求取到的最小外接正方形Ωi的位置如图8a所示。
在一个实施例中，所述基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像的步骤包括：获取所述最小外接方体的中心位置；基于所述最小外接方体的中心位置和无机孔以及无机质之间过渡带的大小，构建所述裁切正方体；基于所述裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像。
本实施例中，保持Ωi的中心位置不变，构建新的长方体Ωi′，Ω′i左上角顶点P′i坐标为(x′i，y′i，z′i)，长l′i，宽w′i，高h′i；取x′i＝xi-m，y′i＝yi-m，z′i＝zi-m，l′i＝li+2m，w′i＝wi+2m，h′i＝hi+2m；m的大小取5-10之间，具体数值取决于无机孔和无机质之间过渡带的大小。求取到裁切正方体Ωi′的位置如图8b至图8c所示。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例二
页岩扫描图像为灰度图，如图4所示，本文中图像原点为左上角，垂直方向为x轴，水平方向为y轴。图中亮度最低的区域为孔隙，次亮者为有机质，亮度最高的为无机质。发育在无机质中的孔隙称之为无机孔，发育在有机质中的孔隙称之为有机孔。由于图像亮度在空间上是连续变化的，因此从无机孔到无机质之间存在一个过渡带，这个过渡带的亮度值和有机质是相似的，造成了无机孔边缘像素值和有机质相同的结果，给无机孔和有机孔的区分带来了困难。本发明综合运用图像处理方法，成功解决了这一问题。
②通过SEM扫描电子显微镜获取页岩岩心图像A，如图4所示。
②用双边降噪算法对扫描图像降噪，得到降噪后图像B，如图5所示。
③根据图像亮度，采用阈值分割算法对图像进行初次分割，形成初次分割结果C1，C2，C3，C1为孔隙(包括有机孔和无机孔)，C2为有机质(或过渡带)过，C3为无机质，如图6a至图6c所示，其中白色区域代表分割目标，数值上用1表示，黑色代表背景，用0表示。
④对孔隙C1求连通体得到孔隙连通图D，并得到独立孔隙连通体集合{Di}，如图7a所示；对有机质(或过渡带)C2求连通体得到连通图E，并得到独立有机质(或过渡带)集合{Ei}，如图7b所示；第i个连通体用数字i表示，黑色背景数字为0。
⑤取每个孔隙Di的平行于XYZ轴的最小外接方形Ωi(如图15所示)，Ωi在NWD方向上的顶点Pi坐标为(xi，yi，zi)，长方体长li，宽wi，高hi，这里的长、宽、高分别对应X，Y，Z三个方向；保持Ωi的中心位置不变，构建新的长方体Ωi′，Ω′i左上角顶点P′i坐标为(x′i，y′i，z′i)，长l′i，宽w′i，高h′i；取x′i＝xi-m，y′i＝yi-m，z′i＝zi-m，l′i＝li+2m，w′i＝wi+2m，h′i＝hi+2m；m的大小取5-10之间，具体数值取决于无机孔和无机质之间过渡带的大小。Ωi和Ωi′的位置如图8a至图8c所示。
⑥根据长方体Ωi的位置和大小对孔隙连通图D进行裁剪得到孔隙局部图像Di，保持孔隙大小不变，对图像Di的上、下、左、右、前、后六个面边界分别添加m层像素进行增大，得到Fi；在Fi图中，对孔隙用半径为1的圆盘结构元素(如图16a所示)进行膨胀操作，得到图Gi；对图Gi用半径为m-1的圆盘结构元素(如图16b所示)进行膨胀操作，得到图Hi；提取图Hi的边界得到图Ii，图Ii为孔隙Di的膨胀后边界；过程如如图9a和图9b所示。
⑦根据长方体Ωi′的位置和大小在有机质(或过渡带)C2和无机质C3中裁剪得到有机质(或过渡带)的局部图像Ji和无机质局部图像Ki，如图10a和图10b所示。
⑧对膨胀后的孔隙边界图Ii和有机质(或过渡带)局部图Ji取交集运算，得图Mi。即
Mi＝Ii∩Ji
Mi＝Ii∩Ji
这里的交集运算规则为
取得的交集如图11a和图11b所示。
⑨对膨胀后的孔隙边界图Ii和无机质局部图Ki取交集运算，得图Ni。如图12a和图12b所示。即
Ni＝Ii∩Ki
⑩统计图Mi和图Ni中目标对象的像素个数，分别记为
和
判断
和
的大小关系，如果
则孔隙Di为有机孔，如果
则判定孔隙Di为无机孔；用Γi表示孔隙Di是否为有机孔，则
运算得到图Li，如图13所示。
应用上述方法，能够消除孔隙和无机质之间的过渡带的干扰，能够准确识别页岩有机孔、无机孔和有机质；本发明对每个孔隙进行裁剪后运算，大大减少了计算量，同时该方法支持并行，具备高效、存储空间少的特点。
一个实施例中，长方体的方向坐标分别为XYZ，参见图15，长方体各面方向分别为N、E、S、W、U、D，点P_i位于NWD方位。在膨胀过程中，半径为1的圆盘结构元素如图16a所示，半径为4的圆盘结构元素如图16b所示。
实施例三
实施例三以发明内容中的示意图为例，进行说明。
①扫描图像A的像素大小为x方向300，y方向200，z方向1；
②长方体Ω1的坐标P1(60，60，1)，长l1＝70，宽w1＝70，高h1＝1；长方体Ω2的坐标P2(220，70，1)，长l2＝55，宽w2＝55，高h1＝1；取m＝5；长方体Ω′1的坐标P1(55，55，1)，长l′1＝80，宽w′1＝80，高h′1＝11；长方体Ω′2的坐标P2(215，65，1)，长l′2＝65，宽w′2＝65，高h′2＝11；
③实施Di→Fi→Gi→Hi→Ii；
⑤图Mi和图Ni中目标对象的像素个数为：
⑥图O2的数值集合Φ2＝{2，2，2，2…0，0，0，0，...}，其子集Ψ2＝{2}，集合∏＝{2}，因此，Θ1＝1，Θ2＝0，Θ3＝1，识别E1，E3为有机孔。
实施例四
实施例四以真实扫描图像为例，说明识别过程和结果。
①页岩岩心SEM扫描图像如图17所示，图像为8位灰度图，分辨率位x：1456，y:1051,z:1；
②对扫描图像采用双边降噪后如图18所示；
③根据灰度值区间，对图18进行初次分割，0-60分割为孔隙，61-120分割为有机质(或过渡带)，121-255分割为无机质；分割结果如图19a至图19c所示；
④通过应用本文发明方法，进一步识别，得到图20a至图20c的有机孔、无机孔和有机质识别结果。
实施例五
本实施例中，如图2所示，提供一种页岩孔及有机质识别装置，包括：
页岩岩心图像获取模块210，用于获取页岩岩心图像；
分割模块220，用于采用阈值分割算法对所述页岩岩心图像进行初次分割，得到分割后的包含孔隙的孔隙图像、包含有机质和过渡带的有机过渡图像以及包含无机质的无机图像；
第一裁切模块230，用于基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像；
第二裁切模块240，用于基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像；
膨胀模块250，用于对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像；
交集运算模块260，用于对所述膨胀边界图像和所述有机过渡局部图像进行取交集运算，得到第一交集，对所述膨胀边界图像和所述无机局部图像进行取交集运算，得到第二交集；
像素对比模块270，用于对比所述第一交集内的像素个数和所述第二交集内的像素个数；
判定模块280，用于当所述第一交集内的像素个数大于所述第二交集内的像素个数时，判定对应的孔隙为有机孔，当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔。
在一个实施例中，所述膨胀模块包括：
第一膨胀单元，用于在所述孔隙局部图像的孔隙大小不变的基础上，对所述孔隙局部图像在最小外接方体的六个面上分别增加预设层像素，得到第一膨胀图像；
第二膨胀单元，用于在所述第一膨胀图像中，基于第一预设半径的圆盘结构元素对所述孔隙进行膨胀处理，得到第二膨胀图像；
第三膨胀单元，用于在所述第二膨胀图像中，基于第二预设半径的圆盘结构元素对所述孔隙进行膨胀处理，得到第三膨胀图像；
边界提取单元，用于提取所述第三膨胀图像的边界，基于所述第三膨胀图像的边界得到所述膨胀边界图像。
在一个实施例中，所述页岩孔及有机质识别装置还包括：
图像求取模块，用于求取所述机过渡图像的过渡连通图像和所述第一膨胀图像；
第二交集运算模块，用于对所述过渡连通图像和所述第一膨胀图像进行取交集运算，得到第三交集；
第二判定模块，用于检测所述第三交集的值，当所述第三交集的值为1时，则判定对应的所述过渡带为有机质，当所述第三交集的值为0时，则判定对应的所述过渡带为无机质过渡带。
在一个实施例中，所述第一裁切模块包括：
连通体求取单元，用于对所述孔隙图像进行求连通体，得到孔隙连通图像；
第一裁切单元，用于基于所述最小外接方体对所述孔隙连通图像中的孔隙进行裁剪，得到所述孔隙局部图像。
在一个实施例中，所述第一裁切模块包括：
最小外接正方形单元，用于分别求取所述孔隙连通图像的各孔隙在平行于坐标系的三个坐标轴的方向上的最小外接方形；
第二裁切单元，用于基于所述最小外接方形确定的所述最小外接正方体对所述孔隙连通图像的孔隙进行裁剪，得到孔隙局部图像。
在一个实施例中，所述第二裁切模块包括：
中心位置获取单元，用于获取所述最小外接方体的中心位置；
裁切正方体构建单元，用于基于所述最小外接方体的中心位置和无机孔以及无机质之间过渡带的大小，构建所述裁切正方体；
第三裁切单元，用于基于所述裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像。
在一个实施例中，所述页岩孔及有机质识别装置还包括：
降噪处理模块，用于对所述页岩岩心图像进行降噪处理，得到降噪后的所述页岩岩心图像；
所述分割模块还用于采用阈值分割算法对噪后的所述页岩岩心图像进行初次分割。
关于页岩孔及有机质识别装置的具体限定可以参见上文中对于页岩孔及有机质识别方法的限定，在此不再赘述。上述页岩孔及有机质识别装置中的各个单元可全部或部分通过软件、硬件及其组合来实现。上述各单元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单元对应的操作。
实施例六
本实施例中，提供了计算机设备。其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序，且该非易失性存储介质部署有数据库，该数据库用于存储页岩岩心图像以及各步骤中处理后得到的图像。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的其他计算机设备通信。该计算机程序被处理器执行时以实现一种页岩孔及有机质识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述任一实施例中所述的页岩孔及有机质识别方法。
实施例七
本实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例中所述的页岩孔及有机质识别方法。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种页岩孔及有机质识别方法，其特征在于，包括：
获取页岩岩心图像；
采用阈值分割算法对所述页岩岩心图像进行初次分割，得到分割后的包含孔隙的孔隙图像、包含有机质和过渡带的有机过渡图像以及包含无机质的无机图像；
基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像；
基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像；
对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像；
对所述膨胀边界图像和所述有机过渡局部图像进行取交集运算，得到第一交集，对所述膨胀边界图像和所述无机局部图像进行取交集运算，得到第二交集；
对比所述第一交集内的像素个数和所述第二交集内的像素个数；
当所述第一交集内的像素个数大于所述第二交集内的像素个数时，判定对应的孔隙为有机孔，当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔。
2.根据权利要求1所述的方法，其特征在于，所述对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像的步骤包括：
在所述孔隙局部图像的孔隙大小不变的基础上，对所述孔隙局部图像在最小外接方体的六个面上分别增加预设层像素，得到第一膨胀图像；
在所述第一膨胀图像中，基于第一预设半径的圆盘结构元素对所述孔隙进行膨胀处理，得到第二膨胀图像；
在所述第二膨胀图像中，基于第二预设半径的圆盘结构元素对所述孔隙进行膨胀处理，得到第三膨胀图像；
提取所述第三膨胀图像的边界，基于所述第三膨胀图像的边界得到所述膨胀边界图像。
3.根据权利要求2所述的方法，其特征在于，所述当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔的步骤之后还包括：
求取所述机过渡图像的过渡连通图像和所述第一膨胀图像；
对所述过渡连通图像和所述第一膨胀图像进行取交集运算，得到第三交集；
检测所述第三交集的值，当所述第三交集的值为1时，则判定对应的所述过渡带为有机质，当所述第三交集的值为0时，则判定对应的所述过渡带为无机质过渡带。
4.根据权利要求1所述的方法，其特征在于，所述基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像的步骤包括：
对所述孔隙图像进行求连通体，得到孔隙连通图像；
基于所述最小外接方体对所述孔隙连通图像中的孔隙进行裁剪，得到所述孔隙局部图像。
5.根据权利要求4所述的方法，其特征在于，所述基于最小外接方体对所述孔隙连通图像进行裁剪，得到孔隙局部图像的步骤包括：
分别求取所述孔隙连通图像的各孔隙在平行于坐标系的三个坐标轴的方向上的最小外接方形；
基于所述最小外接方形确定的所述最小外接正方体对所述孔隙连通图像的孔隙进行裁剪，得到孔隙局部图像。
6.根据权利要求5所述的方法，其特征在于，所述基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像的步骤包括：
获取所述最小外接方体的中心位置；
基于所述最小外接方体的中心位置和无机孔以及无机质之间过渡带的大小，构建所述裁切正方体；
基于所述裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像。
7.根据权利要求1-6任一项中所述的方法，其特征在于，所述采用阈值分割算法对所述页岩岩心图像进行初次分割的步骤之前还包括：
对所述页岩岩心图像进行降噪处理，得到降噪后的所述页岩岩心图像；
所述采用阈值分割算法对所述页岩岩心图像进行初次分割的步骤包括：
采用阈值分割算法对噪后的所述页岩岩心图像进行初次分割。
8.一种页岩孔及有机质识别装置，其特征在于，包括：
页岩岩心图像获取模块，用于获取页岩岩心图像；
分割模块，用于采用阈值分割算法对所述页岩岩心图像进行初次分割，得到分割后的包含孔隙的孔隙图像、包含有机质和过渡带的有机过渡图像以及包含无机质的无机图像；
第一裁切模块，用于基于最小外接方体对所述孔隙图像中的孔隙进行裁剪，得到孔隙局部图像；
第二裁切模块，用于基于裁切正方体分别对所述有机过渡图像和所述无机图像进行裁切，得到有机过渡局部图像和无机局部图像；
膨胀模块，用于对所述孔隙局部图像进行膨胀处理，获得所述孔隙局部图像的膨胀边界图像；
交集运算模块，用于对所述膨胀边界图像和所述有机过渡局部图像进行取交集运算，得到第一交集，对所述膨胀边界图像和所述无机局部图像进行取交集运算，得到第二交集；
像素对比模块，用于对比所述第一交集内的像素个数和所述第二交集内的像素个数；
判定模块，用于当所述第一交集内的像素个数大于所述第二交集内的像素个数时，判定对应的孔隙为有机孔，当所述第一交集内的像素个数小于所述第二交集内的像素个数时，判定对应的孔隙为无机孔。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011043141.3A CN114429482A (zh) | 2020-09-28 | 2020-09-28 | 页岩孔及有机质识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011043141.3A CN114429482A (zh) | 2020-09-28 | 2020-09-28 | 页岩孔及有机质识别方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114429482A true CN114429482A (zh) | 2022-05-03 |
Family
ID=81308925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011043141.3A Pending CN114429482A (zh) | 2020-09-28 | 2020-09-28 | 页岩孔及有机质识别方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114429482A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651839A (zh) * | 2016-11-16 | 2017-05-10 | 中国科学院地质与地球物理研究所 | 页岩电镜图像中有机和无机孔隙自动识别和定量分析方法 |
| CN110146533A (zh) * | 2019-06-10 | 2019-08-20 | 中国石油大学(华东) | 一种泥页岩不同矿物孔隙自动识别方法及系统 |
| CN110223282A (zh) * | 2019-06-10 | 2019-09-10 | 中国石油大学(华东) | 一种泥页岩有机孔隙与无机孔隙自动识别方法及系统 |
| CN110910411A (zh) * | 2019-11-14 | 2020-03-24 | 中国科学院力学研究所 | 一种具有尺寸自适应的页岩裂缝自动提取方法 |
-
2020
- 2020-09-28 CN CN202011043141.3A patent/CN114429482A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651839A (zh) * | 2016-11-16 | 2017-05-10 | 中国科学院地质与地球物理研究所 | 页岩电镜图像中有机和无机孔隙自动识别和定量分析方法 |
| CN110146533A (zh) * | 2019-06-10 | 2019-08-20 | 中国石油大学(华东) | 一种泥页岩不同矿物孔隙自动识别方法及系统 |
| CN110223282A (zh) * | 2019-06-10 | 2019-09-10 | 中国石油大学(华东) | 一种泥页岩有机孔隙与无机孔隙自动识别方法及系统 |
| CN110910411A (zh) * | 2019-11-14 | 2020-03-24 | 中国科学院力学研究所 | 一种具有尺寸自适应的页岩裂缝自动提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王羽;金婵;汪丽华;王建强;姜政;王彦飞;: "基于SEM图像灰度水平的页岩孔隙分割方法研究", 岩矿测试, no. 06, 29 November 2016 (2016-11-29) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10641088B2 (en) | Method and device for determining karst development degree of reservoir, computer readable storage medium and device | |
| Jiang et al. | A deep learning approach for fast detection and classification of concrete damage | |
| Graham et al. | Automated sizing of coarse-grained sediments: image-processing procedures | |
| US10223782B2 (en) | Digital rock physics-based trend determination and usage for upscaling | |
| CN109410192B (zh) | 一种多纹理分级融合的织物缺陷检测方法及其装置 | |
| Barraud | The use of watershed segmentation and GIS software for textural analysis of thin sections | |
| CN106202728A (zh) | 基于Micro‑CT三维编织复合材料非均匀Voxel网格离散方法 | |
| Št et al. | Connected component labeling in CUDA | |
| Zhang et al. | Resolving topology ambiguity for multiple-material domains | |
| Friese et al. | Analysis of tomographic mineralogical data using YaDiV—Overview and practical case study | |
| CN116756836B (zh) | 一种隧道超欠挖体积计算方法、电子设备及存储介质 | |
| KR102579007B1 (ko) | 크리스탈 결함 분석 시스템 및 크리스탈 결함 분석 방법 | |
| CN102254178B (zh) | 图像处理设备、图像处理方法和计算机程序 | |
| CN110672072A (zh) | 一种用于裂隙岩体结构的信息多元解译与表征方法 | |
| Ikeno et al. | An enhanced 3D model and generative adversarial network for automated generation of horizontal building mask images and cloudless aerial photographs | |
| CN116524017A (zh) | 一种用于矿山井下检测识别定位系统 | |
| CN104268550A (zh) | 特征提取方法及装置 | |
| CN114429482A (zh) | 页岩孔及有机质识别方法、装置、计算机设备和存储介质 | |
| CN113052798A (zh) | 屏幕老化检测模型训练方法及屏幕老化检测方法 | |
| CN113112457A (zh) | 纤维增强复合材料不确定性分析方法及装置 | |
| CN112489207A (zh) | 一种空间约束的密集匹配点云平面基元提取方法 | |
| CN112669426A (zh) | 基于生成对抗网络的三维地理信息模型渲染方法及系统 | |
| Gui et al. | Texel based regular and near-regular texture characterization | |
| CN115356338A (zh) | 一种井下钻孔水压裂缝可视化快速检测方法 | |
| CN110969628B (zh) | 一种基于变分水平集的超像素分割方法 |
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 |