CN117408923B - 全井眼电成像仪器的图像处理方法及装置 - Google Patents
全井眼电成像仪器的图像处理方法及装置 Download PDFInfo
- Publication number
- CN117408923B CN117408923B CN202311671054.6A CN202311671054A CN117408923B CN 117408923 B CN117408923 B CN 117408923B CN 202311671054 A CN202311671054 A CN 202311671054A CN 117408923 B CN117408923 B CN 117408923B
- Authority
- CN
- China
- Prior art keywords
- imaging image
- electric imaging
- segment
- image
- electric
- 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 227
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000013519 translation Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000002068 genetic effect Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 8
- 108090000623 proteins and genes Proteins 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000003491 array Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 239000012634 fragment Substances 0.000 description 16
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 206010064571 Gene mutation Diseases 0.000 description 1
- 241000269980 Pleuronectidae Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012443 analytical study Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
Abstract
本发明公开了一种全井眼电成像仪器的图像处理方法及装置,方法包括:对电成像图像进行预处理;以任一极板作为基准极板,将电成像图像基于预设窗长分为多个分段,针对任一分段,提取得到该分段的基准极板第一电成像图像片段,以及基准极板的相邻极板的多个第二电成像图像片段;将第一电成像图像片段与多个第二电成像图像片段进行特征相似度比较,确定特征相似度最大的作为第二相似电成像图像片段;将第二相似电成像图像片段进行深度平移,以便与第一电成像图像片段的深度中心点一致;循环处理各个分段,直至处理完成电成像图像;将相邻极板更新为基准极板,获取更新后的基准极板的相邻极板,循环执行深度平移,直至完成所有极板的深度平移。
Description
技术领域
本发明实施例涉及电成像测井领域,具体涉及一种全井眼电成像仪器的图像处理方法及装置。
背景技术
电成像测井可以在裸眼井中对井壁地层进行清晰成像,直观显示出井壁地层的裂缝、孔洞、层理、断层、不整合面等地质现象,基于图像上的地层特征可以进行裂缝识别评价、沉积构造分析、沉积微相划分等各种精细地质研究。
电成像仪器通过多个测量极板采集井壁图像,仪器的极板数量决定着井壁覆盖率大小。在生成电成像图像后,未被极板测量的井壁区域通常显示为空白条带,被极板测量的井壁区域显示为图像,基于极板测量到的图像可以进行分析研究。如果电成像仪器的井壁覆盖率越高,采集到的井壁图像就越多,越有利于储层评价与地质研究。主流的电成像仪器通常包含六个或者八个测量极板,如哈里伯顿的XRMI仪器、贝克休斯的STAR仪器、中海油服的ERMI仪器等均有六个极板,在8英寸井眼中的井壁覆盖率约为60%,如斯伦贝谢的FMI仪器有八个极板,在8英寸井眼中的井壁覆盖率约为80%。2022年出现全井眼电成像仪器,该仪器有十二个成像极板,在8英寸井眼中可以采集到全井壁图像,达到百分之百的井壁覆盖率。全井眼电成像仪器含有四排测量极板,每排三个,一共十二个测量极板。但在生成图像时,十二个成像极板的图像会存在边缘重叠引起地层特征横向不连续问题。
现有的电成像数据处理软件通常只具备针对六极板与八极板电成像仪器的图像处理模块,这些仪器的图像均带有空白条带,相邻极板图像不存在拼接及重叠现象。全井眼电成像仪器的相邻极板图像会存在拼接及重叠现象,由于电成像仪器的多个成像极板均为独立运动,会产生不可控的微小深度偏移,相邻极板图像拼接后,图像上的地质特征会出现因深度偏差引起的横向不连续问题。由于电成像仪器的多个测量极板可以上下左右独立偏转,每个测量极板会产生微小的深度偏差。对于六极板与八极板电成像仪器,由于各个极板图像彼此独立,且极板图像之间存在空白条带相隔,所以肉眼无法识别相邻极板图像之间的微小深度偏差。但是对于十二极板全井眼电成像仪器,由于相邻极板会存在图像重叠与衔接,这种微小的深度偏差就会使得衔接处的图像特征上下错位,影响地层特征拾取与评价。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的全井眼电成像仪器的图像处理方法及装置。
根据本发明实施例的一个方面,提供了一种全井眼电成像仪器的图像处理方法,全井眼电成像仪器包括N个极板,方法包括:
预处理步骤,对电成像图像进行预处理;
深度平移步骤,以任一极板作为基准极板,将电成像图像基于预设窗长分为多个分段,针对任一分段,提取得到该分段的基准极板第一电成像图像片段,以及基准极板的相邻极板的多个第二电成像图像片段;第二电成像图像片段以第一电成像图像片段的深度中心点向上或者向下预设步长提取得到;将第一电成像图像片段与多个第二电成像图像片段进行特征相似度比较,确定特征相似度最大的第二电成像图像片段作为相邻极板的第二相似电成像图像片段;将第二相似电成像图像片段进行深度平移,以便与第一电成像图像片段的深度中心点一致;循环处理各个分段,直至处理完成电成像图像;
循环步骤,将相邻极板更新为基准极板,获取更新后的基准极板的相邻极板,循环N-1次执行深度平移步骤,直至全井眼电成像仪器的N个极板执行完成深度平移。
根据本发明实施例的另一方面,提供了一种全井眼电成像仪器的图像处理装置,全井眼电成像仪器包括N个极板,装置包括:
预处理模块,适于对电成像图像进行预处理;
深度平移模块,适于以任一极板作为基准极板,将电成像图像基于预设窗长分为多个分段,针对任一分段,提取得到该分段的基准极板第一电成像图像片段,以及基准极板的相邻极板的多个第二电成像图像片段;第二电成像图像片段以第一电成像图像片段的深度中心点向上或者向下预设步长提取得到;将第一电成像图像片段与多个第二电成像图像片段进行特征相似度比较,确定特征相似度最大的第二电成像图像片段作为相邻极板的第二相似电成像图像片段;将第二相似电成像图像片段进行深度平移,以便与第一电成像图像片段的深度中心点一致;循环处理各个分段,直至处理完成电成像图像;
循环模块,适于将相邻极板更新为基准极板,获取更新后的基准极板的相邻极板,循环N-1次执行深度平移模块,直至全井眼电成像仪器的N个极板执行完成深度平移。
根据本发明实施例的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述全井眼电成像仪器的图像处理方法对应的操作。
根据本发明实施例的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述全井眼电成像仪器的图像处理方法对应的操作。
根据本发明实施例的提供的全井眼电成像仪器的图像处理方法及装置,以任一极板为基准极板,将相邻极板中与基准极板的第一电成像图像片段特征相似度最大的第二电成像图像片段进行深度平移,以使其与第一电成像图像片段的深度中心点一致,从而解决全井眼电成像仪器中相邻极板图像上的地层特征横向不连续问题。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明实施例的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的全井眼电成像仪器的图像处理方法的流程图;
图2示出了电成像图像数据示意图;
图3示出了电成像图像数据划分小块示意图;
图4示出了电成像图像特征数据示意图;
图5示出了本发明一个实施例的对图像深度进行调整的流程图;
图6示出了全井眼电成像仪器的图像处理前后对比示意图;
图7示出了根据本发明一个实施例的全井眼电成像仪器的图像处理装置的结构示意图;
图8示出了根据本发明一个实施例的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的全井眼电成像仪器的图像处理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,对电成像图像进行预处理。
本实施例中全井眼电成像仪器包括N个极板,N可以为12,12个成像极板的图像会存在边缘重叠引起地层特征横向不连续问题。针对该问题,在得到电成像图像后,先对电成像图像进行预处理,包括如加速度校正处理、电扣不共面校正处理、电扣数据深度平移处理等。对电成像图像中的数据执行加速度校正处理,改善仪器非匀速运动引起的图像拉伸与压缩现象。由于全井眼电成像仪器有多排极板,如4排极板,且每个极板上有两排电扣,全井眼电成像仪器在井下采集数据时,采集的是多个深度点的井壁地层数据,需要根据不同电扣自身的深度偏差,对数据进行深度平移。全井眼电成像仪器在井下工作时,推靠臂张开推靠极板贴靠井壁,由于多个推靠臂独立运动,加上井眼不规则、仪器偏心等因素,每个成像极板抬升的高度存在不一样的情况,产生不同的深度偏差,因此还需要执行电扣不共面校正,对电扣数据再次进行深度平移,进一步消除深度偏差等。
步骤S102,以任一极板作为基准极板,将电成像图像基于预设窗长分为多个分段,针对任一分段,提取得到该分段的基准极板第一电成像图像片段,以及基准极板的相邻极板的多个第二电成像图像片段;将第一电成像图像片段与多个第二电成像图像片段进行特征相似度比较,确定特征相似度最大的第二电成像图像片段作为相邻极板的第二相似电成像图像片段;将第二相似电成像图像片段进行深度平移,以便与第一电成像图像片段的深度中心点一致。
在对电成像图像进行预处理后,以全井眼电成像仪器中N个极板中的任一极板作为基准极板,来调整其他极板的图像,将电成像图像的深度中心点调整一致,从而解决全井眼电成像仪器中相邻极板图像上的地层特征横向不连续问题。
具体的,以全井眼电成像仪器中12个极板为例,以任一极板作为基准极板,如1号极板作为基准极板,相邻极板为2号极板。由于电成像测井的图像数据量较大,计算两个图像的特征相似度的速度会非常缓慢,因此,首先对基准极板和相邻极板的电成像图像提取特征数据,通过对两个特征数据计算特征相似度,得到基准极板和相邻极板的电成像图像的相似度。考虑电成像图像的深度,可以先将电成像图像基于预设窗长分为多个分段,如1米或2米的窗长进行分段,针对任一分段,先提取得到该分段的基准极板第一电成像图像片段,根据基准极板的第一电成像图像片段,以第一电成像图像片段的深度中心点向上或者向下预设步长提取得到相邻极板的多个第二电成像图像片段,具体的预设步长可以根据实施情况设置,此处不做限定。对第一电成像图像片段和多个第二电成像图像片段可以进行特征提取处理,分别得到基准极板的第一特征数据和相邻极板的多个第二特征数据。特征提取处理可以将电成像图像中的数据阵列按照预设划分规则分成多个小块,将处于各个小块的中心位置的数据作为小块的图像特征数据,极板的图像数据如图2所示,预设划分规则可以根据实施情况设置,如按照横向划分和纵向划分,如图3所示,横向按照2、纵向按照2分别进行划分,即按照图3中的粗线划分,得到4个小块,将处于各个小块的中心位置的数据作为小块的图像特征数据,即图4所示的各个数据作为图像特征数据。将预设窗长内的第一电成像图像片段进行特征提取处理,将提取得到的各个图像特征数据通过数组方式表示,如极板1的第一电成像图像片段提取的图像特征数据可以表述为S=[S1,S2,S3…SL]T,极板2的某个第二电成像图像片段提取的图像特征数据可以表述为C=[C1,C2,C3…CL]T。以上为举例说明,具体根据实施情况设置,此处不做限定。
根据第一特征数据中各数据与对应的数组均值的差值、第二特征数据中各数据与对应的数组均值的差值可以计算得到特征相似度,如下所示:
Cov=
其中,Cov为特征相似度,i表示特征数据中数组行数,j表示特征数据中数组的列数,m表示特征数据中数组的平均值。利用上式可以计算两个特征数据的特征相似度,分别计算得到第一电成像图像片段的图像特征数据与各个第二电成像图像片段提取的图像特征数据的特征相似度,将各个特征相似度进行比较,如进行从大到小排序,可以确定与第一特征数据的特征相似度最大的第二特征数据,第二特征数据对应的第二电成像图像片段作为第二相似电成像图像片段。将第二相似电成像图像片段进行深度平移,以便与第一电成像图像片段的深度中心点一致,深度平移时,可以计算第二相似电成像图像片段的深度中心点与与第一电成像图像片段的深度中心点的深度差,即为深度平移量,将第二相似电成像图像片段按照深度平移量进行深度平移,从而与第一电成像图像片段的深度保持一致。
进一步,由于将电成像图像基于预设窗长分为多个分段,如1米或2米的窗长进行分段,需要对每一分段按照上述处理方式循环处理各个分段,直至对相邻极板处理完成电成像图像。考虑到极板图像局部深度平移后,可能会产生图像数据不等间距的问题,可以基于线性插值对全井段的电成像图像的数据进行处理,生成等间隔的图像数据,避免不等间距。
步骤S103,将相邻极板更新为基准极板,获取更新后的基准极板的相邻极板,循环N-1次执行深度平移,直至全井眼电成像仪器的N个极板执行完成深度平移。
步骤S102是基于一个基准极板,对其相邻的极板的图像数据进行了深度平移,在执行完成步骤S102后,可以将相邻极板更新为基准极板,基于更新后的基准极板、更新后的基准极板的相邻极板循环执行步骤S102的深度平移操作,循环执行N-1次,实现将全井眼电成像仪器中N个极板均执行完成深度平移,各个极板的图像的深度中心点均一致,从而解决相邻极板图像上的地层特征横向不连续问题。
进一步,在对各个极板的图像均进行深度平移后,相邻极板图像的深度偏差得到大大改善,但局部井段图像可能还会存在微小的深度偏差,可以基于以下步骤进一步进行深度调整,如图5所示:
步骤S501,将电成像图像基于深度划分为多个区块。
为避免在特征区域中间分界导致影响特征的连续性,可以对电成像图像垂直方向的连续性进行计算,连续性越高则特征越少,因此,可以以连续性相对较高处为边界,将步骤S103处理后的电成像图像在深度上划分成多个区块。
步骤S502,基于随机数构建多个基因组。
基于随机数构建用于遗传算法的基因组,基因组的大小为预设阈值个数Z(Z的取值可以为10-50),每个基因组为随机数组成的预设阈值个数的二维数组,随机数范围可以设置如为0.5到2。
对基因组进行初始化,初始化生成如M个基因组(M取值如20-100),此处M个基因组为初始基因组。
步骤S503,将每个区块中电成像图像按照深度平均划分为多个第三图像;第三图像的数量与基因组的预设阈值个数相同;根据基因组中二维数组分别确定对应的极板和深度,得到基因组对应的第三图像,将第三图像按照二维数组的基因值进行拉伸处理,将拉伸处理后的第三图像按照原始位置重新拼接,并将拼接后的图像拉伸至原始高度。
基于上述的各个基因组,可以对电成像图像划分的多个区块的图像进行处理。具体的,可以将每个区块中电成像图像按照深度平均划分为多个第三图像,第三图像的数量与基因组的预设阈值个数相同,即将每个区块中电成像图像中按照深度平均划分为Z个第三图像。
将基因组的二维数组作为一个x列y行的表格,每一列对应一个极板,每一行对应具体的深度,根据基因组的二维数据可以确定极板和深度,从而可以确定基因组所对应的区块中的第三图像。将第三图像按照基因值进行拉伸处理,如第三图像的原高度为0.1米,基因值为1.5,拉伸后第三图像的高度为0.15米。根据各个基因组拉伸处理对应的各个第三图像,再将拉伸处理后的第三图像按照其所在的原始位置顺序重新拼接在一起,再对其整体进行调整,将拼接后的电成像图像整体拉伸至电成像图像的原始高度。
步骤S504,计算得到各个基因组的适应度,将各个基因组的适应度从高到低进行排序,筛选获取排序在先的预设排序数值的基因组,并加入新构建的基因组进行遗传计算,得到遗传计算后的基因组。
在拉伸处理后,可以根据利用基因组进行拉伸处理的第三图像的数据计算得到各个基因组的适应度。具体的,每个基因组的适应度是基于利用该基因组进行拉伸处理的相邻两个极板的第三图像的数据的差值平方和的倒数确定,如基因组a,利用基因组a拉伸处理了极板1的第三图像,可以获取拉伸处理后的极板1的第三图像的数据,以及极板1的相邻极板2上相同深度的第三图像的数据,计算两个数据的差值平方和的倒数,得到基因组a的适应度。
在计算得到各个基因组的适应度后,可以将各个基因组的适应度从高到低进行排序,筛选获取排序在先的预设排序数值的基因组,如K个基因组(K取值可以为10-40),为避免步骤S502中初始的基因组适应度太差影响整体计算,可以再加入新构建的多个基因组(如新构建2个基因组,构建过程参照步骤S502的描述,在此不再赘述)进行遗传计算,遗传计算时可以通过如基因交换(如随机取2个基因组,对其2-4个随机位置基因进行交换)、基因突变(如随机取1个基因组,对其2-4个随机位置基因使用随机值进行替代)等方式进行遗传计算,可以计算多次,如5-10次遗传计算,得到遗传计算后的基因组。
步骤S505,将遗传计算后的基因组与初始构建的基因组合并,根据合并后的基因组重复执行拉伸处理和遗传计算。
将遗传计算得到的基因组与步骤S502中构建的初始基因组合并,根据合并后的基因组重复执行步骤S503和步骤S504。
对重复执行次数进行统计,当重复执行次数达到预设执行次数时,执行步骤S506。
步骤S506,当重复执行次数达到预设执行次数时,获取适应度最高的基因组,根据基因组,对各个第三图像进行拉伸处理,将拉伸处理后的第三图像按照原始位置重新拼接,并将拼接后的图像拉伸至原始高度。
统计步骤S505重复执行的次数,当重复执行次数达到预设执行次数L时(如L取值100-500),停止重复执行,根据最终得到的各个基因组的适配度从高到低排序,获取适应度最高的基因组。根据适配度最高的基因组,再次对各个第三图像进行拉伸处理,将拉伸处理后的第三图像按照其所在的原始位置重新拼接,再将拼接后的图像拉伸至原始高度,以上处理参照步骤S503的描述,在此不再赘述。通过以上处理,可以进一步调整局部井段的微小深度偏差,呈现更好的效果。
如图6所示,左侧为全井眼电成像仪器处理前图像,右侧为处理后图像,右侧的图像解决了相邻极板图像拼接引起的地层特征横向不连续问题。
根据本发明实施例提供的全井眼电成像仪器的图像处理方法,以任一极板为基准极板,将相邻极板中与基准极板的第一电成像图像片段特征相似度最大的第二电成像图像片段进行深度平移,以使其与第一电成像图像片段的深度中心点一致,从而解决全井眼电成像仪器中相邻极板图像上的地层特征横向不连续问题。
图7示出了本发明实施例提供的全井眼电成像仪器的图像处理装置的结构示意图。全井眼电成像仪器包括N个极板,如图7所示,该装置包括:
预处理模块710,适于对电成像图像进行预处理;
深度平移模块720,适于以任一极板作为基准极板,将电成像图像基于预设窗长分为多个分段,针对任一分段,提取得到该分段的基准极板第一电成像图像片段,以及基准极板的相邻极板的多个第二电成像图像片段;第二电成像图像片段以第一电成像图像片段的深度中心点向上或者向下预设步长提取得到;将第一电成像图像片段与多个第二电成像图像片段进行特征相似度比较,确定特征相似度最大的第二电成像图像片段作为相邻极板的第二相似电成像图像片段;将第二相似电成像图像片段进行深度平移,以便与第一电成像图像片段的深度中心点一致;循环处理各个分段,直至处理完成电成像图像;
循环模块730,适于将相邻极板更新为基准极板,获取更新后的基准极板的相邻极板,循环N-1次执行深度平移模块720,直至全井眼电成像仪器的N个极板执行完成深度平移。
可选地,深度平移模块720进一步适于:
将电成像图像基于预设窗长分为多个分段,针对其中任一分段,执行以下步骤:
提取得到该分段的基准极板第一电成像图像片段,以及,基准极板的相邻极板的多个第二电成像图像片段;
对第一电成像图像片段和多个第二电成像图像片段进行特征提取处理,分别得到基准极板的第一特征数据和相邻极板的多个第二特征数据;
将第一特征数据与多个第二特征数据进行特征相似度匹配计算,确定与第一特征数据的特征相似度最大的第二特征数据对应的第二电成像图像片段作为第二相似电成像图像片段;
将第二相似电成像图像片段进行深度平移,以便与第一电成像图像片段的深度中心点一致。
可选地,深度平移模块720进一步适于:
将电成像图像中的数据阵列按照预设划分规则分成多个小块,将处于各个小块的中心位置的数据作为小块的图像特征数据;
基于每个小块的图像特征数据组成电成像图像的特征数据;特征数据以数组方式表示。
可选地,深度平移模块720进一步适于:
根据第一特征数据中各数据与对应的数组均值的差值、第二特征数据中各数据与对应的数组均值的差值计算得到特征相似度;
将各个特征相似度比较,确定与第一特征数据的特征相似度最大的第二特征数据对应的第二电成像图像片段作为第二相似电成像图像片段。
可选地,装置还包括:线性插值模块740,适于基于线性插值对电成像图像的数据进行处理,生成等间隔的图像数据。
可选地,装置还包括:遗传计算模块750,包括:
区块划分单元751,适于将电成像图像基于深度划分为多个区块;
基因组构建单元752,适于基于随机数构建多个基因组;每个基因组由预设阈值个数的二维数组构成;
第一拉伸单元753,适于将每个区块中电成像图像按照深度平均划分为多个第三图像;第三图像的数量与基因组的预设阈值个数相同;根据基因组中二维数组分别确定对应的极板和深度,得到基因组对应的第三图像,将第三图像按照二维数组的基因值进行拉伸处理,将拉伸处理后的第三图像按照原始位置重新拼接,并将拼接后的图像拉伸至原始高度;
遗传计算单元754,适于计算得到各个基因组的适应度;将各个基因组的适应度从高到低进行排序,筛选获取排序在先的预设排序数值的基因组,并加入新构建的基因组进行遗传计算,得到遗传计算后的基因组;适应度根据利用基因组进行拉伸处理的相邻两个极板各自的第三图像的数据的差值平方和的倒数确定;
循环计算单元755,适于将遗传计算得到的基因组与基因组构建单元752中构建的基因组合并,根据合并后的基因组重复执行第一拉伸单元753和遗传计算单元754;
第二拉伸单元756,适于当循环计算单元755的重复执行次数达到预设执行次数时,获取适应度最高的基因组,根据基因组,对各个第三图像进行拉伸处理,将拉伸处理后的第三图像按照原始位置重新拼接,并将拼接后的图像拉伸至原始高度。
可选地,预处理模块710进一步适于:
对电成像图像进行加速度校正处理、电扣不共面校正处理和/或电扣数据深度平移处理。
以上各模块的描述参照方法实施例中对应的描述,在此不再赘述。
本发明实施例还提供了一种非易失性计算机存储介质,计算机存储介质存储有至少一可执行指令,可执行指令可执行上述任意方法实施例中的全井眼电成像仪器的图像处理方法。
图8示出了根据本发明实施例的一种计算设备的结构示意图,本发明实施例的具体实施例并不对计算设备的具体实现做限定。
如图8所示,该计算设备可以包括:处理器802、通信接口804、存储器806、以及通信总线808。
其中:
处理器802、通信接口804、以及存储器806通过通信总线808完成相互间的通信。
通信接口804,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器802,用于执行程序810,具体可以执行上述全井眼电成像仪器的图像处理方法实施例中的相关步骤。
具体地,程序810可以包括程序代码,该程序代码包括计算机操作指令。
处理器802可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器806,用于存放程序810。存储器806可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序810具体可以用于使得处理器802执行上述任意方法实施例中的全井眼电成像仪器的图像处理方法。程序810中各步骤的具体实现可以参见上述全井眼电成像仪器的图像处理实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明实施例的内容,并且上面对特定语言所做的描述是为了披露本发明实施例的较佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明实施例并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明实施例进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种全井眼电成像仪器的图像处理方法,其特征在于,所述全井眼电成像仪器包括N个极板,所述方法包括:
预处理步骤,对电成像图像进行预处理;
深度平移步骤,以任一极板作为基准极板,将电成像图像基于预设窗长分为多个分段,针对任一分段,提取得到该分段的所述基准极板第一电成像图像片段,以及所述基准极板的相邻极板的多个第二电成像图像片段;所述第二电成像图像片段以所述第一电成像图像片段的深度中心点向上或者向下预设步长提取得到;将所述第一电成像图像片段与所述多个第二电成像图像片段进行特征相似度比较,确定特征相似度最大的第二电成像图像片段作为相邻极板的第二相似电成像图像片段;将所述第二相似电成像图像片段进行深度平移,以便与所述第一电成像图像片段的深度中心点一致;循环处理各个分段,直至处理完成电成像图像;
循环步骤,将所述相邻极板更新为基准极板,获取更新后的基准极板的相邻极板,循环N-1次执行所述深度平移步骤,直至所述全井眼电成像仪器的N个极板执行完成深度平移。
2.根据权利要求1所述的方法,其特征在于,所述深度平移步骤进一步包括:
将电成像图像基于预设窗长分为多个分段,针对其中任一分段,执行以下步骤:
提取得到该分段的所述基准极板第一电成像图像片段,以及,所述基准极板的相邻极板的多个第二电成像图像片段;
对所述第一电成像图像片段和多个第二电成像图像片段进行特征提取处理,分别得到基准极板的第一特征数据和相邻极板的多个第二特征数据;
将所述第一特征数据与所述多个第二特征数据进行特征相似度匹配计算,确定与所述第一特征数据的特征相似度最大的第二特征数据对应的第二电成像图像片段作为第二相似电成像图像片段;
将所述第二相似电成像图像片段进行深度平移,以便与所述第一电成像图像片段的深度中心点一致。
3.根据权利要求2所述的方法,其特征在于,所述特征提取处理包括:
将电成像图像中的数据阵列按照预设划分规则分成多个小块,将处于各个小块的中心位置的数据作为所述小块的图像特征数据;
基于每个小块的图像特征数据组成所述电成像图像的特征数据;所述特征数据以数组方式表示。
4.根据权利要求3所述的方法,其特征在于,所述将所述第一特征数据与所述多个第二特征数据进行特征相似度匹配计算,确定与所述第一特征数据的特征相似度最大的第二特征数据对应的第二电成像图像片段作为第二相似电成像图像片段进一步包括:
根据所述第一特征数据中各数据与对应的数组均值的差值、所述第二特征数据中各数据与对应的数组均值的差值计算得到特征相似度;
将各个特征相似度比较,确定与所述第一特征数据的特征相似度最大的第二特征数据对应的第二电成像图像片段作为第二相似电成像图像片段。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于线性插值对电成像图像的数据进行处理,生成等间隔的图像数据。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述方法还包括:
步骤S1,将电成像图像基于深度划分为多个区块;
步骤S2,基于随机数构建多个基因组;每个基因组由预设阈值个数的二维数组构成;
步骤S3,将每个区块中电成像图像按照深度平均划分为多个第三图像;所述第三图像的数量与基因组的预设阈值个数相同;根据所述基因组中二维数组分别确定对应的极板和深度,得到基因组对应的第三图像,将所述第三图像按照二维数组的基因值进行拉伸处理,将拉伸处理后的第三图像按照原始位置重新拼接,并将拼接后的图像拉伸至原始高度;
步骤S4,计算得到各个基因组的适应度;将各个基因组的适应度从高到低进行排序,筛选获取排序在先的预设排序数值的基因组,并加入新构建的基因组进行遗传计算,得到遗传计算后的基因组;所述适应度根据利用所述基因组进行拉伸处理的相邻两个极板各自的第三图像的数据的差值平方和的倒数确定;
步骤S5,将遗传计算得到的基因组与步骤S2中构建的基因组合并,根据合并后的基因组重复执行步骤S3和步骤S4;
步骤S6,当步骤S5中的重复执行次数达到预设执行次数时,获取适应度最高的基因组,根据所述基因组,对各个第三图像进行拉伸处理,将拉伸处理后的第三图像按照原始位置重新拼接,并将拼接后的图像拉伸至原始高度。
7.根据权利要求1所述的方法,其特征在于,所述预处理步骤进一步包括:
对电成像图像进行加速度校正处理、电扣不共面校正处理和/或电扣数据深度平移处理。
8.一种全井眼电成像仪器的图像处理装置,其特征在于,所述全井眼电成像仪器包括N个极板,所述装置包括:
预处理模块,适于对电成像图像进行预处理;
深度平移模块,适于以任一极板作为基准极板,将电成像图像基于预设窗长分为多个分段,针对任一分段,提取得到该分段的所述基准极板第一电成像图像片段,以及所述基准极板的相邻极板的多个第二电成像图像片段;所述第二电成像图像片段以所述第一电成像图像片段的深度中心点向上或者向下预设步长提取得到;将所述第一电成像图像片段与所述多个第二电成像图像片段进行特征相似度比较,确定特征相似度最大的第二电成像图像片段作为相邻极板的第二相似电成像图像片段;将所述第二相似电成像图像片段进行深度平移,以便与所述第一电成像图像片段的深度中心点一致;循环处理各个分段,直至处理完成电成像图像;
循环模块,适于将所述相邻极板更新为基准极板,获取更新后的基准极板的相邻极板,循环N-1次执行所述深度平移模块,直至所述全井眼电成像仪器的N个极板执行完成深度平移。
9.一种计算设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的全井眼电成像仪器的图像处理方法对应的操作。
10.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的全井眼电成像仪器的图像处理方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311671054.6A CN117408923B (zh) | 2023-12-07 | 2023-12-07 | 全井眼电成像仪器的图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311671054.6A CN117408923B (zh) | 2023-12-07 | 2023-12-07 | 全井眼电成像仪器的图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117408923A CN117408923A (zh) | 2024-01-16 |
CN117408923B true CN117408923B (zh) | 2024-02-09 |
Family
ID=89492818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311671054.6A Active CN117408923B (zh) | 2023-12-07 | 2023-12-07 | 全井眼电成像仪器的图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408923B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107797154A (zh) * | 2017-09-22 | 2018-03-13 | 中国石油天然气股份有限公司 | 一种电成像测井图像刻度方法及装置 |
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 |
CN113724259A (zh) * | 2021-11-03 | 2021-11-30 | 城云科技(中国)有限公司 | 井盖异常检测方法、装置及其应用 |
CN116012275A (zh) * | 2021-10-20 | 2023-04-25 | 中国石油化工股份有限公司 | 一种随钻电成像数据井下实时处理装置及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015346113A1 (en) * | 2014-11-14 | 2017-06-08 | Schlumberger Technology B.V. | Image feature alignment |
US10755427B2 (en) * | 2017-05-23 | 2020-08-25 | Schlumberger Technology Corporation | Methods and systems for automatically analyzing an image representative of a formation |
CN114463333B (zh) * | 2022-04-13 | 2022-09-02 | 中国科学院地质与地球物理研究所 | 随钻地质导向实时地层格架智能更新方法与系统 |
-
2023
- 2023-12-07 CN CN202311671054.6A patent/CN117408923B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107797154A (zh) * | 2017-09-22 | 2018-03-13 | 中国石油天然气股份有限公司 | 一种电成像测井图像刻度方法及装置 |
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 |
CN116012275A (zh) * | 2021-10-20 | 2023-04-25 | 中国石油化工股份有限公司 | 一种随钻电成像数据井下实时处理装置及方法 |
CN113724259A (zh) * | 2021-11-03 | 2021-11-30 | 城云科技(中国)有限公司 | 井盖异常检测方法、装置及其应用 |
Non-Patent Citations (1)
Title |
---|
FMI测井图像井壁复原方法优化及应用;罗歆 等;测井技术;20210831;第45卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117408923A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Texture feature based automated seeded region growing in abdominal MRI segmentation | |
CN109754361A (zh) | 3d各向异性的混合网络:将来自2d图像的卷积特征传递到3d各向异性体积 | |
NZ759639A (en) | Predicting quality of sequencing results using deep neural networks | |
CN109711288A (zh) | 基于特征金字塔和距离约束fcn的遥感船舶检测方法 | |
CN103455814B (zh) | 用于文档图像的文本行分割方法和系统 | |
CN103984758B (zh) | 根据云像元数量分治的遥感图像时间序列聚类方法 | |
CN108681689B (zh) | 基于生成对抗网络的帧率增强步态识别方法及装置 | |
WO2017113692A1 (zh) | 一种图像匹配方法及装置 | |
CN111476835B (zh) | 多视角图像一致性的无监督深度预测方法、系统、装置 | |
CN110020726A (zh) | 一种对组装序列排序的方法及系统 | |
CN117408923B (zh) | 全井眼电成像仪器的图像处理方法及装置 | |
CN110335322B (zh) | 基于图像的道路识别方法及道路识别装置 | |
CN103810402B (zh) | 用于基因组的数据处理方法和装置 | |
CN106683043B (zh) | 一种多通道光学探测系统的并行图像拼接方法、装置 | |
CN110188592A (zh) | 一种尿液有形成分细胞图像分类模型构建方法及分类方法 | |
Bouilhol et al. | DeepSpot: A deep neural network for RNA spot enhancement in single-molecule fluorescence in-situ hybridization microscopy images | |
CN110210341B (zh) | 基于人脸识别的身份证认证方法及其系统、可读存储介质 | |
JP2804439B2 (ja) | 地震データ誤差検出方法及び装置 | |
CN108062821A (zh) | 边缘检测方法及验钞设备 | |
CN115619678B (zh) | 一种图像变形的矫正方法、装置、计算机设备及存储介质 | |
CN109993338B (zh) | 一种链路预测方法及装置 | |
CN107220981B (zh) | 字符分割方法、装置、设备及存储介质 | |
CN115797649A (zh) | 一种复杂背景下的裂缝提取方法 | |
CN106780332B (zh) | 全井眼测井图像生成装置 | |
CN106683044A (zh) | 一种多通道光学探测系统的图像拼接方法、装置 |
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 |