岩心粒度图像分割算法分析

合集下载

含盐岩心图像分割及岩性识别研究

含盐岩心图像分割及岩性识别研究近年来，岩心图像分割及岩性识别研究已引起越来越多的关注。

其中，含盐岩心图像分割及岩性识别是最为关键的研究方向之一。

在地质勘探、油田开发、地震勘探等方面，都需要对含盐岩心图像进行处理和分析，以提取出其中有用的信息。

一、背景含盐岩心是指在钻井过程中从地下采集到的岩石样本。

由于这些岩石样本中含有大量的盐分，使得图像处理变得更为复杂。

因此，在对这些图像进行分析时，需要采用一些特殊的技术，以便更好地提取图像中的信息。

二、含盐岩心图像分割技术含盐岩心图像分割是指将含盐岩心图像中的不同区域进行分离，以便进行后续的岩性识别和分析。

常见的图像分割方法包括阈值分割、区域生长和边缘检测等。

（一）阈值分割阈值分割是将一幅图像的像素分成几个类别的简单方法。

该方法根据像素值将图像分成两个区域：前景和背景。

通过对阈值的调整，可以实现将岩心图像中不同颜色的像素分离出来。

（二）区域生长区域生长是基于像素的连接性创建连通区域的方法。

该方法将像素分成若干组，并将相邻的像素组合成一组。

在含盐岩心图像中，使用区域生长算法可以将图像中的不同区域分割出来，以便进行后续的分析。

（三）边缘检测边缘检测是将图像中物体之间的边缘提取出来的方法。

在含盐岩心图像中，采用边缘检测算法可以将岩心图像中不同的岩性分割出来，以便进行后续的分析。

三、岩性识别技术岩性识别是指对岩石样本在显微镜下的形态和结构进行分析和识别。

在含盐岩心图像中，采用图像处理和机器学习算法可以有效地进行岩性识别。

（一）图像处理图像处理是指对图像中的像素进行编辑、变换和分析等操作的过程。

在含盐岩心图像中，采用图像处理方法可以将图像进行处理，提高图像的质量和分辨率，从而更精确地进行岩性的识别和分析。

（二）机器学习机器学习是一种人工智能技术，在含盐岩心图像中的岩性识别中也得到了广泛应用。

机器学习模型可以根据大量的岩心图像进行训练，以实现对岩性的准确识别。

四、未来发展趋势随着人工智能技术的不断发展，含盐岩心图像分割及岩性识别技术也将迎来新的发展机遇。

基于最大类间方差遗传算法的岩心CT扫描图像分割方法

地球物理地球化学勘查院地震公司宁夏银川７００５０４）
摘
要：目前，Ｔ技术在油气勘探领域中应用越来越广泛，Ｃ尤其是在岩心分析方面。本文在分析岩
心ＣＴ扫描图像特征的基础上，出一种消除岩心ＣＴ图像背景影响的分割方法。首先对岩心Ｃ提Ｔ
作者简介：汤翟（９５，长江大学在读硕士研究生，１８一）男，研究方向为测井资料处理与解释。
２１年第５００期
汤翟，：于最大类间方差遗传算法的岩心Ｃ等基Ｔ扫描图像分割方法
图像中间的岩心灰度值与边缘的背景灰度值有明显的差异，因而其灰度统计直方图一般包含两个峰，如（３。图）为了减少岩心周围的黑色背景灰度值对岩心图像的干扰，本文提出根据整个图像的灰度直方图，在直方图上双峰间的谷底位置取灰度值Ｔ用该，灰度值Ｔ代替ＣＴ图像的背景灰度值。再对新的图像应用遗传算法求取最优阈值Ｋ，最后利用该阈值
好的基础。
关键字：岩心ＣＴ扫描图像；遗传算法；最大类间方差；直方图
岩心ＣＴ扫描图像是由岩心图像和黑色背景组
０引
言
成的２６级灰度图像，其岩心灰度值与周围背景灰５度值有明显的差异。（１图）和（２图）分别给出了某井碳酸盐岩溶孔型储层和裂缝型储层的岩心ＣＴ扫描图像。从图上可以看到，裂缝和溶孔以黑

基于模糊距离变换的岩心图像颗粒分割算法

基于模糊距离变换的岩心图像颗粒分割算法高扬;滕奇志;熊淑华;何海波【摘要】岩心CT图像中相邻颗粒之间存在相互粘连,粒度参数分析等需要对粘连颗粒进行分割.结合岩心粘连颗粒的特性,提出一种基于模糊距离变换的改进颗粒分割算法.首先,对预处理后的岩心图像进行模糊距离变换并提取出距离信息的灰度图像,然后利用形态学膨胀重构方法提取标记作为后续分水岭算法的种子点,根据种子点采用一种基于测地重建的改进分水岭算法得到相邻种子点之间的分割线,最后完成粘连颗粒的分割.实验结果表明本文算法可以提高粘连颗粒分割的准确度并减轻分水岭算法的过分割现象.【期刊名称】《微型机与应用》【年(卷),期】2017(036)004【总页数】4页(P47-50)【关键词】岩石颗粒;模糊距离变换;分水岭;【作者】高扬;滕奇志;熊淑华;何海波【作者单位】四川大学电子信息学院图像信息研究所,四川成都610065;四川大学电子信息学院图像信息研究所,四川成都610065;四川大学电子信息学院图像信息研究所,四川成都610065;成都西图科技有限公司,四川成都610065【正文语种】中文【中图分类】TP391随着计算机断层扫描(CT)技术的日渐成熟与普及，石油地质行业也开始使用该技术分析岩石的结构特性。

岩心CT图像中粘连的岩心颗粒会影响粒度等参数分析。

通常CT图像是一个二维灰度图像序列，因此可以先对二维图像进行粘连颗粒分割，通过二维分割降低三维重建后三维颗粒的分割难度。

图像分割[1-2]是为了更好地将具有类似特征性质的元素归在同一个集合中，它也是图像处理与后续分析识别的关键步骤。

近年来不少学者在粘连图像分割方面做了大量相关的工作，提出了基于图论[3]、形态学[4]、边缘检测、区域分割、Snake模型、神经网络等多种分割算法。

而这些算法都有各自具体的应用场合与约束限制。

分水岭算法[5]作为一种经典的图像分割算法，有许多在此基础上的改进与拓展算法。

例如基于距离变换的分水岭算法[6]、多分辨率分水岭算法、梯度修正与区域合并分水岭算法[7]、基于蚁群的分水岭算法等。

岩心扫描图像分析及其应用研究_刘宁

第26卷第5期2004年10月石　油　实　验　地　质PETR OLEUM GE OLOG Y &EXPERIMENT Vol.26,No.5Oct.,2004文章编号:1001-6112(2004)05-0500-05岩心扫描图像分析及其应用研究刘　宁1,2,陈攀峰2,郑胜利2,徐春华3(1.中国科学院广州地球化学研究所,广东广州　510640;2.中国石化胜利油田有限公司地质科学研究院,山东东营　257015;3.中国石化胜利油田有限公司勘探项目管理部,山东东营　257000)摘要:岩心扫描图像分析是近年来随着信息技术的飞速发展而逐渐兴起的一项岩心观察分析新技术。

该文从岩心扫描、图像处理、地质分析3方面对该技术进行了系统介绍,阐述了岩心图像处理和相关沉积构造参数计算方法,并结合实例对岩心图像进行孔缝目标提取及相关参数的自动计算。

以车古201井为例,通过岩心观察与岩心扫描图像分析并结合实验室岩矿鉴定和常规物性分析,对该井下古生界奥陶系碳酸盐岩储集层的储集空间发育特征及含油性进行了综合分析研究。

关键词:裂缝;溶蚀孔洞;储集层;图像扫描;图像分析;岩心中图分类号:TE135 文献标识码:A 岩心是油气田勘探开发研究工作中最重要的基础地质资料之一。

岩心的观察描述在确定岩性、推断沉积环境以及生储盖组合综合研究中,具有不可替代的作用[1]。

以往工作中,由于受多种因素影响,在岩心的保存、观察、取样分析及资料的综合研究利用等方面,存在较多问题,不利于研究工作的深入开展。

近年来,伴随计算机信息技术的飞速发展,岩心扫描图像分析作为一项岩心观察分析的新技术,逐渐得到推广应用并逐步完善。

通过利用微机和岩心数字扫描仪对岩心进行图像扫描观察分析,并结合钻井、测井、地质分析化验等多方面地质资料开展综合研究,极大地提高了岩心观察描述的效率和岩心资料的利用率,对于单井基础资料的补充完善以及相应综合研究工作的开展都具有重要意义。

基于水平集和迭代自组织算法的图像分割

ＷＵａ — ｏｇ，ＸｉｏｈｎＬＵＯ。ｉｈｎＷＡＮＧｅｇｙｎＴＤａ —ｓｅｇ，Ｚｈｎ－ｏｇ，ＡＯＤｅｕａ－ｙｎ
四川大学电子信息学院，成都６０６１０４
ＣｏｌｇｆＥｌｃｒｎｃｎｎｏｍａｉｎ，ｉｈａｎｖｒｉ，ｈｎｄ１０４，ｈｎｌｅｏｅｔｉｓａｄＩｆｒｔｅｏｏＳｃｕｎＵｉｅｓｔＣｅｇｕ６０６Ｃｉａｙ
ｓｇｎｔｔｏ．ｅｍｅａｉｎ
Ｋｅｒｓｌｖｌｓｔｉｇｖｒｓｇｎａｉｎ；ｔｒｔｅｓｌｏｇｎｚｇｄｔｎｌｓｓｔｃｎｑｅｇａｅｍａｅｙｗｏｄ：ｅｅｅ；ｍａｅｏｅ — ｅｍｅｔｔｏｉａｉｅｆｒａｉｉａａａａｙｉｅｈｉｕ；ｒｖｌｉｇｅｖ－ｎ
维普资讯
１２０，３３）６０７４（６
ＣｍｕｅｎｉｅｉｎｐｌａｉｓｏｐｔｒＥｇｎｒｇａｄＡｐｉｔｎ计算机工程与应用ｅｎｃｏ
基于水平集和迭代自组织算法的图像分割
吴晓红，罗代升，正勇，王陶德元
ＤＴＡＡ）ｉｐｔｆｗｒｏｓｌｅｏｅ— ｅｍｅｔｉｍｇｄｙＬｖｌＳｔａｄｅｇｉｒｒｐｏｕｅｙＩＯＡＡＦｒｌ，ｓｕｏａｔｏｖｖｒｓｇｎｔｎｉａｅｍａｅｂｅｅｎｄｅｂａｅｒｒｃｄｂＳＤＴ．ｉｔｉｒｄａｏｅｓｏｄｓｙｔ

岩心图像采集流程

岩心图像采集流程首先将样品进行整体地低精度扫描，然后在样本上切割出一个直径和高度均为2mm的小圆柱进行高精度扫描，最后对扫描得到的数据进行图像处理、建立孔隙网络模型、网络参数统计分析和后续反常输运过程模拟。

岩心图像采集流程中涉及到的技术有CT重构算法。

其原理是X射线光子在穿过物体时，一部分光子会被吸收或散射，另外一些光子既不被吸收也不被散射，称这些光子透射过该物体。

对于任何个别的光子无法确定其是否透射，只能说对于任何固定的能量，在能量进入物体时光子有一个固定的透射概率称为能量为的X射线在所经过的路径上的透射率。

岩心分析系统软件说明

3.2.1.9 网络宏观、微观图像分析系统目前，岩心图像分析子系统主要有以下几大功能模块：岩心图像裂缝分析、岩心图像粒度分析、岩心图像荧光分析和岩心图像铸体分析。

3.2.1.9.1 岩心宏观、微观图像的分析本系统既可以实现对岩心宏观图像的分析，同样也可以对岩心薄片摄像的微观图像进行分析。

由于微观图像是岩心薄片在高倍物镜下的一个视域（并非岩心薄片整体），所以分析后的数据不能反映该岩心薄片的整体特征属性，系统采用数据累加的方式对之前的图像分析数据进行合并统计计算，实现对岩心薄片整体分析。

3.2.1.9.2岩心图像分析快捷功能对岩心图像可用鼠标漫游、放大、缩小、最佳图像显示、实际大小1：1显示、对象绘制及填充等观察操作。

3.2.1.9.3 岩心图像分析成果的存储和上传对岩心图像分析的图像（原图、经络图）进行保存和加载（见图3.2.1.9.3(a)），同样也支持对岩心分析后的报表数据和图像的整体保存、加载（见图3.2.1.9.3(b)），用户可以根据自己的需要进行选择。

对于已经完成的岩心分析成果，用户可以将其上传到服务器，给其他人的研究观察提供有益的参考和帮助。

图3.2.1.9.3(a)岩心图像分析经络图的保存图3.2.1.9.3(b)岩心图像荧光分析数据和图像的文件保存与加载3.2.1.9.4 岩心图像分析图层查看功能用系统查看功能可以实现岩心分析的多层图层（岩心分析原图、分析经络图及原图和经络图的迭加图）的查看分析，当然用户也可以利用快捷工具按钮（与）进行图层切换分析查看。

（见图3.2.1.9.4）图3.2.1.9.4 岩心图像分析多层图像的查看3.2.1.9.5 岩心图像分析预处理功能由于有的岩心分析图像表面比较模糊、地质特征不是很明显，通过岩心图像预处理提高图像的视觉效果，从而达到岩心图像分析的最佳效果。

岩心图像预处理可以在图像分析前对图像进行色阶调整、自动色阶、曲线调节、调整亮度/对比度/灰度、调整亮度/色调/饱和度、旋转图像、重设尺寸、镜像、锐化、模糊、查找边缘、底片效果等操作。

一种粗糙熵和K_均值聚类相结合的岩心图像分割方法

[收稿日期]2007212215　[作者简介]叶青(19832),女,2005年大学毕业,硕士生,现主要从事计算机软件开发及其应用方面的研究工作。

一种粗糙熵和K 2均值聚类相结合的岩心图像分割方法叶　青,周云才　(长江大学计算机科学学院,湖北荆州434023)[摘要]K 2均值聚类算法和粗糙熵是应用于图像分割的主要算法,目的是对图像进行分析处理。

将K 2均值聚类算法和粗糙熵结合起来应用到岩心图像的分割,目的是提取出岩石的隙缝信息。

先利用K 2均值聚类算法对岩心图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。

通过效果图对比分析可以看出,采用基于粗糙熵的K 2均值聚类算法处理多目标的岩心图像,提取出的目标更清晰,更明确,实验结果更有价值,证明了改进后算法的有效性。

[关键词]粗糙熵;K 2均值聚类;岩心图像;图像分割[中图分类号]TP391141[文献标识码]A [文章编号]167321409(2008)012N068204图像分割是将图像中有意义的特征或区域提取出来的过程,是从图像处理到图像分析的关键步骤。

目前图像分割的算法主要有阈值分割法、聚类法、边缘提取法、区域生长法等[1]。

已有的这些算法都是独立的,每一种算法都有其自身的局限性。

文献[2]提出了一种基于粗糙熵的图像分割算法。

该算法是基于目标和背景这2大类来分割提取的,具有线性的时间复杂度,效率很高,但没有考虑到多目标之间的不同细节,本质上还是单阈值分割,在多目标提取的精确性方面还不理想。

考虑到聚类算法是一种有效的无监督学习模式[3],可以先利用K 2均值聚类算法对图像进行区域分割[4],把图像分成各个独立不相交的目标背景块;然后再用基于粗糙熵的方法对各分割结果进行目标提取,从而达到多阈值分割的目的,获得更好的目标提取效果。

笔者把该算法用在岩心图像中,通过试验对比,证明改进后的算法比单独使用基于粗糙熵的方法,在图像目标提取的性能方面有很大提高。

岩心分析报告技术(简版)

岩心分析技术及应用一、X射线衍射1．X射线衍射分析技术全岩矿物组分和粘土矿物可用X射线衍射（XRD）迅速而准确地测定。

XRD分析借助于X射线衍射仪来实现，它主要由光源、测角仪、X射线检测和记录仪构成。

由于粘土矿物的含量较低，砂岩中一般3%~15%。

这时，X射线衍射全岩分析不能准确地反映粘土的组成与相对含量，需要把粘土矿物与其它组分分离，分别加以分析。

首先将岩样抽提干净，然后碎样，用蒸馏水浸泡，最好湿式研磨，并用超声波振荡加速粘土从颗粒上脱落，提取粒径小于2μm（泥、页岩）或小于5μm（砂岩）的部分，沉降分离、烘干、计算其占岩样的重量百分比。

粘土矿物的XRD分析使用定向片，包括自然干燥的定向片（N片）、经乙二醇饱和的定向片（再加热至550℃），或盐酸处理之后的自然干燥定向片。

粒径大于2μm或5μm的部分则研磨至粒径<40μm的粉末，用压片法制片，上机分析。

此外还可以直接进行薄片的XRD分析，它对于鉴定疑难矿物十分方便，并可与薄片中矿物的光性特征对照，进行综合分析。

2．X射线衍射在保护油气层中的应用1）地层微粒分析地层微粒指粒径小于37μm（或44μm）即能通过美国400目（或325目）筛的细粒物质，它是砂岩中重要的损害因素，砂岩中与矿物有关的地层损害都与其有密切的联系。

地层微粒的分析为矿物微粒稳定剂的筛选、解堵措施的优化提供依据。

除粘土矿物外，常见的其它地层微粒有长石、石英、云母、菱铁矿、方解石、白云石、石膏等。

2）全岩分析对粒径大于5μm的非粘土矿物部分进行XRD分析，可以知道诸如云母、碳酸盐矿物、黄铁矿、长石的相对含量，对酸敏（HF，HCl）性研究和酸化设计有帮助。

长石含量高的砂岩，当酸液浓度和处理规模过大时，会削弱岩石结构的完整性，并且存在着酸化后的二次沉淀问题，可能导致土酸酸化失败。

3）粘土矿物类型鉴定和含量计算4）间层矿物鉴定和间层比计算油气层中常见的间层矿物大多数是由膨胀层与非膨胀层单元相间构成。

矿岩颗粒图像分割方法研究综述

矿岩颗粒图像分割方法研究综述杨丹丹【摘要】摘要：工业矿场中，各种矿岩颗粒的存在形式是复杂多变的，如何更好地分割各种岩块，直接影响着生产成本和设备需求。

传统矿岩颗粒的分割以肉眼观察和描述为主，存在主观性差、实时性差、定量困难等问题，故将数字图像处理技术引入岩石分割研究中。

针对矿岩颗粒图像分割，通过介绍传统和新型的图像分割方法，对国内已有的矿岩分割算法进行了概括总结，并对今后的矿岩颗粒图像分割方法进行了展望。

【期刊名称】盐城工学院学报（自然科学版）【年(卷),期】2014(027)003【总页数】6【关键词】矿岩颗粒；图像分割；阈值分割；分水岭；聚类在开采矿石过程中，破碎后的矿石颗粒的尺寸分布是对各级破碎机进行最优控制的重要参数。

矿岩颗粒有多种存在形式，但基本存在形式为以下4种：(1)重力作用下垂直下落运动的岩石骨料；(2)破碎机传送带上传送的岩石骨料；(3)混合堆中的岩石骨料；(4)实验室中的岩石骨料样本。

传统的手工测量或机器筛选无法实时给出矿石颗粒的尺寸分析结果，如大小、数量、分布情况等。

随着计算机技术的发展，许多图像处理技术被运用于矿岩颗粒图像的分割，由此产生的机器视觉系统[1]提供了一种非接触式、实时的矿岩颗粒测量方法。

岩石颗粒分割的图像处理技术，国内外学者颇有研究。

笔者查阅大量相关资料，对岩石颗粒分割方法的研究进行了综述，简要地介绍了岩石颗粒传统和新型的图像分割方法，对国内已有的矿岩分割算法进行了概括与总结，对矿岩颗粒图像分割方法的未来进展进行了展望。

1 传统图像分割方法在矿岩颗粒图像中的应用1.1 基于边缘的分割法一幅图像中，每个像素点的灰度是不同的，边界处的灰度值变化较剧烈，利用这一特征来分割图像，就是我们所说的边缘检测。

边缘检测是目前图像分析领域中的基础技术，它利用图像一阶导数的极值或二阶导数的过零点信息来提取边缘。

对于图像中变化比较缓慢的区域，相邻像素的灰度变化不大，梯度幅值较小；而在图像的边缘地带，相邻像素的灰度变化剧烈，梯度变化较大，因而应用一阶导数幅值的大小或二阶导数的零点可以确定边缘位置。

岩石的粒度分析1

用概率累积曲线区分沉积用概率累积曲线区分沉积环境环境沉积物的粒度一般不是表现为单一的正态分布因此其概率图总是由几个相交的直线段次总体构成图327据研究一般碎屑沉积物包括三个次总体这是有基本搬运方式的不同造成的
碎屑岩的粒度分析
勘查03-2 赵超
碎屑颗粒的结构特征一般包括粒度、球度、形状、包括粒度、球度、形状、圆度以及颗粒的表面特征。及颗粒的表面特征。
粒度的概念粒度是指碎屑颗粒的大小。它是碎屑颗粒最主要的结构特征。
粒度分析的概念粒度分析的概念粒度分析的目的粒度分析的目的粒度分析的意义粒度分析的意义粒度分析的方法粒度分析的方法
粒度分析的概念所谓粒度分析，即研究碎屑岩的粒度大小和粒度的分布。
粒度分析的目的和意义
碎屑岩的粒度分布及分选性是搬运能力的度量尺度，是判别沉积时的自然地理环境以及水动力条件的良好标志，而且碎屑岩的储油物性与其粒度密切相关。因此，粒度分析是碎屑岩研究的一个重要方面。
粒度判别函数及成因图解
萨胡（sahu,1964) 碎屑沉积物研究中应用了判别分析。他自世界各地采集了大量碎屑沉积物样品，其中有砾石、砂以及粉砂，采样的环境类型有：河道、泛滥平原、三角洲、海 ห้องสมุดไป่ตู้、风坪、风成沙丘、浅海以及浊流。多数样品取自现代沉积物，只有浊流是用的岩石样品。在对这些样品进行分析研究的基础上，求得了各类沉积环境间的判别函数（见表312）。
下面分别介绍这两类沉积物的典型C 典型C-M曲线：
（1）牵引流沉积的C-M 图在C-M图中，牵引流沉积的典型图形可划分为NP-Q-S各段。图中弯曲的s型图是以河流沉积为例的完整C-M图，1 表示牵引流沉积，2表示浊流沉积，3表示静水悬浮沉积；I,II,III,IX 段表示 C>0.001m,IV,V,VI,VII, VIII段表示C<0.001m，各段界限的划分见表315。

图像处理技术在岩体爆破粒度分析中的应用

图像处理技术在岩体爆破粒度分析中的应用为了衡量矿石爆破效果，要对爆破后矿石粒度分布进行分析和统计。

高效而准确的矿石粒度识别是矿山爆破优化研究的基础，将为矿山生产带来巨大的经济效益，是当今矿山应用领域的重要研究课题。

通常的粒度分布分析方法有直接测试法和间接测试法两大类，由于直接测试法中的方法存在种种缺陷，所以常用的方法为间接测试法。

近年来，随着图像处理技术和模式识别技术的发展，基于图像处理技术的单图片摄影法备受关注，成为粒度统计分析的重要研究方法。

笔者在总结矿岩粒度分布理论和分析方法的基础上，深入研究了矿岩粒度图像分析法的具体应用，通过对辽宁鞍山大孤山露天铁矿的不同矿种进行图像采集，研究开发了一种基于岩石图像的粒度分布统计系统。

由于露天矿区的条件更加复杂，光照不均匀，矿石形态复杂，粒度分布不均匀，因此导致采集到的矿石图像含有多种噪声，灰度分布不均，图像细节不清晰。

为了适应露天矿区的矿石图像分割，本文提出了一种基于形态学重建和标记提取的改进岩石图像分割算法。

该算法图像预处理的核心部分是基于二级灰度形态学重建方法的预处理，采用二级灰度形态学重建后得到的图像对比度更强，更好地平滑了图像的前景和背景，同时又没有丢失边缘信息。

为了克服分水岭算法的过分割问题，本文分别对分水岭的种子区域和分水线区域进行预标定，然后再进行梯度修正，最后再采用分水岭算法分割，最终取得了较好的图像分割效果，为爆堆矿岩粒度分布统计打下了基础。

最后，作者对开发的岩石粒度分布统计系统进行了测试，分别对磁铁矿、花岗岩、片麻岩这三种矿岩图像的粒度进行了统计，并对统计结果进行了比较分析。

研究结果表明，采用本文提出的方法进行矿石粒度分析准确性达到了90%以上。

同时，采用本系统进行岩石粒度分析也存在一些有待改进的不足。

本次系统的成功开发将积极推动图像处理技术在爆破矿岩生产中的应用。

基于图论Isoperimetric算法的岩心图像分割

Computer Engineering and Applications计算机工程与应用2009，45（22）1引言岩心图像分割在油气勘探开发研究工作中的作用日益重要[1]。

当前，许多图像分割方法已应用于岩心图像分割，其中基于图论的图像分割方法这几年越来越引起人们兴趣。

引入图论做图像分割通常是将图像的分割问题转化为图的分割问题，即首先将一幅图像表示成一个图带权的无向图G={V，E}，并且图中每个顶点v i∈V={v1，v2，…，v|V|}对应着图像中的像素，而图中每条边e ij∈E={e ij|i，j≤|V|}相对应的是图像中两个相邻像素的连接，其中e ij是连接图中顶点v i和v j的边、|V|是图中的顶点数。

每条边e ij通常会分配一个权值w（e ij），这个权值表示这条边所连接的两个像素的关系，例如灰度或者颜色的相似度等等。

顶点v i的度d i=Σe ij w（e ij）坌e ij∈E，表示与顶点v i相连接的边数目，对应的是图像像素中4-邻接和8-邻接等关系。

常见的图论分割方法有基于谱分割[2-3]和基于最大－最小流分割[4]等，这些方法考虑的是图像全局的性质分布，相对于一些传统的分割方法具有自己的独特优势。

但是，基于图论的谱分割算法，如归一化分割（Ncut）[2]方法，使用全连接的方法、使用复杂的空间滤波和求解方程要解特征向量，那么对较大的岩心图像进行分割时，就会导致计算速度很慢，而无法应用于实际。

因此，在总结了归一化分割（Ncut）方法的基础上，提出一种基于图论的等周（Isoperimetric）改进分割算法。

本算法采用4-邻接法，通过解线性方程求解，免去了复杂的空间滤波。

实验证明，该算法计算复杂度低，分割岩心图像的效果好，并具有很大的实际应用价值。

2等周算法的原理对等周算法的原理[5]，这里给出等周问题的经典定义：对于固定的分割面积中，查找最小周长的区域。

换言之，在给定的图像区域中，能查找包围这个区域的最小周长（或最短边界）。

考虑分形特征的岩心扫描图像合理分割方法

考虑分形特征的岩心扫描图像合理分割方法张磊;姚军;王锋;高莹;杨永飞;魏微;张琦;张建光【期刊名称】《科学技术与工程》【年(卷),期】2015(0)24【摘要】考虑岩石的孔隙度和孔隙结构的分形特征的关系，结合图像分割Otsu算法，提出Otsu算法的分形校正算法。

首先对三种砂岩岩心的扫描图像进行处理，得到结果与实验结果进行对比，发现分形校正算法能够大大提高图像分割的准确度；此外对致密性气藏岩心和页岩岩心进行处理，分形校正算法的结果同样更接近实验值。

由于实验得到为岩心的有效孔隙度，因此比计算值偏小。

对于实验难以测量孔隙度的岩心，可以采用Otsu分形校正算法对扫描图像进行处理，得到其孔隙度。

%Combining the image segmentation method of Otsu, the Otsu fractal correction algorithm is proposed, based on the relationship between porosity and the fractal characters of the pore structure.At first, the results of three kinds of sandstone cores scanned images are compared with experimental results.The accuracy of image seg-mentation is highly enhanced with the usage of Otsu fractal correctionalgorithm.Besides, the results of the correc-tion algorithm, which are obtained by processing the images of tight sandstone and shale core, are more close to the experimental values, albeit bigger, which is due to the fact that the results of the experiments are the effective po-rosities.In conclusion, the Otsu fractal correction algorithm could be utilized tocalculate the porosity through pro-cessing the scanned images of cores which are difficult to be measured by experiments.【总页数】4页(P57-60)【作者】张磊;姚军;王锋;高莹;杨永飞;魏微;张琦;张建光【作者单位】中国石油大学华东石油工程学院青岛 266580;中国石油大学华东石油工程学院青岛 266580;青海油田分公司勘探事业部敦煌 736202;中国石油大学华东石油工程学院青岛 266580;中国石油大学华东石油工程学院青岛266580;中国石油大学华东石油工程学院青岛 266580;中国石油大学华东石油工程学院青岛 266580;中国石油大学华东石油工程学院青岛 266580【正文语种】中文【中图分类】TE319【相关文献】1.岩心CT扫描图像分割计算缝洞孔隙度与测井资料处理结果对比研究 [J], 冯周;刘瑞林;应海玲;何风;肖红琳2.合理分割岩心微观结构图像的新方法 [J], 赵秀才;姚军;房克荣3.蚁群算法在FMI成像测井和岩心CT扫描图像分割中的对比研究 [J], 何风;白亚东;刘瑞林4.基于最大类间方差遗传算法的岩心CT扫描图像分割方法 [J], 汤翟;何风5.一种改进的基于遗传算法优化的OTSU算法在岩心CT扫描图像分割中的应用[J], 汤翟;何风因版权原因，仅展示原文概要，查看原文内容请购买。

石油岩芯CT图像裂缝分割算法研究

石油岩芯裂缝的检测研究对于石油开采具有指导性的意义。工业ＣＴ是一种优秀的无损检测技术［１］，通过ＣＴ扫描可以获取连续的石油岩芯ＣＴ图像，再进行裂缝分割可以得到石油岩芯中裂缝分布情况，进而测量它的各种几何参数。裂缝包含在岩芯区域内部，区域细小，且裂缝和岩芯灰度差别较小，因此准确分割石油岩芯ＣＴ图像中裂缝是一项相当困难的任务。
犐（狓）Ｈε（）ｄ狓
犮０（）＝ Ω
∫Ｈε（）ｄ狓 Ω
烅
∫犐（狓）（１－Ｈε（））ｄ狓
犮ｂ（）＝ Ω
烆
∫（１－Ｈε（））ｄ狓 Ω
（２）
式（２）中涉及到的是全局图像信息，不仅仅包括演化曲线附近的图像数据；且常数分别是图像在区域
摘要：针对裂缝区域分割的需求和石油岩芯ＣＴ图像的特点，改进了现有的水平集分割算法。首先对图像中值滤波去噪后运用ＣＶ模型对图像进行初分割，把背景区域和岩芯区域准确分开，得到岩芯区域的轮廓；然后调整轮廓外区域的灰度值，使之等于岩芯区域平均灰度值，增强目标区域；最后再进行ＲＳＦ模型细分割，得到最终分割结果。对于高斯噪声污染严重的岩芯图像，先采用了邻域加窗的非局部均值去噪方法，再用改进水平集算法分割，实验结果表明该分割方法是有效的。关键词：ＣＴ图像；裂缝分割；水平集；ＣＶ模型；ＲＳＦ模型中图分类号：ＴＰ３９１文献标志码：Ａ犱狅犻：１０．１１８８４／ＨＰＬＰＢ２０１６２８．０５５１０１

岩石薄片正交偏光图像的颗粒分割方法

吴
拥，等：岩石薄片正交偏光图像的颗粒分割方法
由于在图像采集过程中，机械振动会引起图像
彩色图像中对感兴趣的彩色区域进行分割，首
与图像之间微小的平移位移。为了减少其对后续
先需要选定一个欲分割彩色的具有代表性的彩色点样品集，设样品集中的像素点值为求平均值：，ｇ，ｂ，
行颗粒分割。
常规手段Ｊ。随着计算机技术在石油地质领域的广泛应用，利用图像分析的方法对岩石薄片的粒度
分析已经取得了一些成果，如赵永刚等¨ 提出了沉
积岩（物）数字图像粒度分析的一种新方法，季长军等＿２将图像分析技术应用于碎屑岩粒度分析中，Ａｎｄｒｉａｎｉ等运用德州大学开发的ＵＴＨＳＣＳＡ图形软件工具研究了沉积岩的气孔结构和颗粒分布。笔者所在的课题组开发的粒度分析软件已广泛应用于石油地质部门，在一定程度上实现了粒度分析
但由于岩石薄片图像往往存在颗粒特相同的颜色且粘连在一起很难区分其为一个颗粒征不明显轮廓不分明的情况很难通过现有的图还是两个颗粒如果确定为两个颗粒也不容易将它们分割开来因此很难利用现有的图像分割算法像处理算法实现较好的颗粒分割因此基于图将颗粒分割出来图2是对图1中的白色岩石颗粒像的粒度分析还主要依靠手动交互的方法进行测进行rgb分割的结果从分割结果可以看出颗粒与定仅对少数特征特别明显的薄片可以采取自动粒颗粒之间没有完全分割开来过分割欠分割的现度分析的方法

基于改进流域算法的三维图像分割方法

１流域算法介绍
流域算法又称分水岭算法，最早由Ｄｉｇａｂｅｌ和
ｌａｎｔｕｅｊｏｕｌ提出来；而后经Ｖｉｎｃｅｎｔ和Ｓｏｉｌｌｅ改
的颗粒分割开。二维图像的目标粘连分割算法已有较多报道，其中主要有基于凹点的分割方法Ｊ、基于流域的分割方法Ｉ４Ｊ、基于小波变换的分割算
算法（ＢＦＳ算法）的区域增长和基于颗粒间重叠程度的区域合并等概念，提出了一种基于改进流域算法的三维图像颗粒目标分割算法。实验证明该算法在三维图像分割中很好地解决了过分割、欠分割问题，并且提高了分割速度。
实验证明了该算法的正确性和实用性。
关键词三维图像分割中图法分类号
分水岭算法
ＢＦＳ算法Ａ
ＴＰ３９１．４１；
文献标志码
在石油地质研究领域，岩心的微观孔隙结构决
定了油气等重要资源的存储分布和渗流特性，因此有必要对岩心的微观结构进行分析。随着ＣＴ扫描技术的日渐成熟，利用ＣＴ三维图像分析岩心微观结构已受到石油地质领域关注。储集空间由各种沉积颗粒组成，颗粒之问相互挤压和粘连。在进行三维粒度分析时，需要统计每个颗粒的粒径分布；因此需要在由ＣＴ成像构建的三维图像中，将粘连

基于改进BP神经网络的岩心图像分割方法研究

２０２０年７月第３５卷第４期西安石油大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＸｉ′ａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｊｕｌ．２０２０Ｖｏｌ．３５Ｎｏ．４收稿日期：２０１９１０１３基金项目：新疆维吾尔自治区自然科学基金资助项目（２０２０Ｄ０１Ｂ６５）；新疆克拉玛依市科技合作交流专项项目（２０１９ＨＺ００２Ｂ）；中国自然资源部深部地质钻探技术重点实验室开放课题基金项目（ＫＦ２０１９０５）第一作者：赵岩龙（１９８８），男，博士，讲师，研究方向：数字岩心重构、微观渗流理论。

Ｅｍａｉｌ：８１４８２３７９２＠ｑｑ．ｃｏｍＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３０６４Ｘ．２０２０．０４．０１８中图分类号：ＴＥ３１９文章编号：１６７３０６４Ｘ（２０２０）０４０１１４０７文献标识码：Ａ基于改进ＢＰ神经网络的岩心图像分割方法研究赵岩龙，张永安，李星宇，孙有壮（中国石油大学（北京）克拉玛依校区石油学院，新疆克拉玛依８３４０００）摘要：图像分割是提取岩心孔隙结构特征的重要基础，为解决传统图像分割方法对岩心图像分割精度不高的问题，利用遗传算法对传统ＢＰ神经网络图像分割方法进行优化，通过提取岩心图像领域特征，进一步对训练样本进行了修正。

利用改进的ＢＰ神经网络岩心图像分割方法，分别从整体连通领域、局部领域和边缘领域３个方面对岩心图像进行分割。

与ＩｍａｇｅＪ软件和传统ＢＰ神经网络的岩心图像分割结果对比表明，改进的ＢＰ神经网络能够自主学习岩心图像中的整体连通结构、局部领域结构以及边缘结构特征，实现了对岩心图像的智能化分割，提高了ＢＰ神经网络对岩心图像分割的准确度与速度。

关键词：图像分割；ＢＰ神经网络；遗传算法；数字岩心ＡＣｏｒｅＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＺＨＡＯＹａｎｌｏｎｇ，ＺＨＡＮＧＹｏｎｇａｎ，ＬＩＸｉｎｇｙｕ，ＳＵＮＹｏｕｚｈｕａｎｇ（ＰｅｔｒｏｌｅｕｍＣｏｌｌｅｇｅ，ＫａｒａｍａｙＣａｍｐｕｓｏｆＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＰｅｔｒｏｌｅｕｍ（Ｂｅｉｊｉｎｇ），Ｋａｒａｍａｙ，Ｘｉｎｊｉａｎｇ８３４０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｂａｓｉｓｆｏｒｅｘｔｒａｃｔｉｎｇｔｈｅｐｏｒｅｓｔｒｕｃｔｕｒｅｆｅａｔｕｒｅｓｏｆｃｏｒｅｓ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅａｃｃｕｒａｃｙｏｆｃｏｒｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｉｓｎｏｔｈｉｇｈｂｙｔｒａｄｉｔｉｏｎａｌｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄ，ｔｈｅｔｒａｄｉｔｉｏｎａｌＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｉｓｏｐｔｉｍｉｚｅｄｂｙｕｓｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ａｎｄｔｈｅｔｒａｉｎｉｎｇｓａｍｐｌｅｓａｒｅｆｕｒｔｈｅｒｍｏｄｉｆｉｅｄｂｙｅｘｔｒａｃｔｉｎｇｔｈｅｆｅａｔｕｒｅｓｏｆｃｏｒｅｉｍａｇｅｆｉｅｌｄ．ＵｓｉｎｇｔｈｅｉｍｐｒｏｖｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｒｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄ，ｔｈｅｃｏｒｅｉｍａｇｅｉｓｓｅｇｍｅｎｔｅｄｆｒｏｍｔｈｒｅｅａｓｐｅｃｔｓ：ｔｈｅｗｈｏｌｅｃｏｎｎｅｃｔｅｄｎｅｉｇｈｂｏｒｈｏｏｄｓｔｒｕｃｔｕｒｅ，ｌｏｃａｌｎｅｉｇｈｂｏｒｈｏｏｄｓｔｒｕｃｔｕｒｅａｎｄｅｄｇｅｎｅｉｇｈｂｏｒｈｏｏｄｓｔｒｕｃｔｕｒｅ．ＣｏｍｐａｒｅｄｗｉｔｈｔｈｅｃｏｒｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｏｆＩｍａｇｅＪｓｏｆｔｗａｒｅａｎｄｔｒａｄｉｔｉｏｎａｌＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｉｍｐｒｏｖｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｃａｎａｕｔｏｎｏｍｏｕｓｌｙｌｅａｒｎｔｈｅｆｅａｔｕｒｅｓｏｆｗｈｏｌｅｃｏｎｎｅｃｔｅｄｓｔｒｕｃｔｕｒｅ，ｌｏｃａｌｄｏｍａｉｎｓｔｒｕｃｔｕｒｅａｎｄｅｄｇｅｓｔｒｕｃｔｕｒｅｉｎｔｈｅｃｏｒｅｉｍａｇｅ，ｒｅａｌｉｚｅｓｔｈｅｉｎｔｅｌｌｉｇｅｎｔｃｏｒｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ，ａｎｄｉｍｐｒｏｖｅｓｔｈｅａｃｃｕｒａｃｙａｎｄｓｐｅｅｄｏｆｃｏｒｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｂｙＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ；ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ；ｄｉｇｉｔａｌｃｏｒｅ赵岩龙，张永安，李星宇，等．基于改进ＢＰ神经网络岩心图像分割方法研究［Ｊ］．西安石油大学学报（自然科学版），２０２０，３５（４）：１１４１２０．ＺＨＡＯＹａｎｌｏｎｇ，ＺＨＡＮＧＹｏｎｇａｎ，ＬＩＸｉｎｇｙｕ，ｅｔａｌ．ＡｃｏｒｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＪｏｕｒｎａｌｏｆＸｉ＇ａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２０，３５（４）：１１４１２０．赵岩龙等：基于改进ＢＰ神经网络的岩心图像分割方法研究引　言目前，数字岩心技术在分析岩石物理特征方面的应用越来越广泛。