【技術實現步驟摘要】
本專利技術涉及圖像處理，具體是涉及一種基于圖像處理的碳酸鹽巖斷裂識別方法及系統。
技術介紹
1、碳酸鹽巖受巖相古地理、沉積構造演化或者后期成巖作用等多種因素的共同影響，具有更為復雜的儲集空間和油氣滲流運移規律，這導致碳酸鹽巖油藏開發的風險和難度較大。由此，對于正確選擇碳酸鹽巖的開發模式和開發方案，判定碳酸鹽巖儲層的類型顯得尤為重要。
2、現有技術中，對碳酸鹽巖圖像進行拍攝，但是處理巖心圖片的效果差，后續對碳酸鹽巖裂縫類型的判定主要是通過工作人員的經驗進行，這種方式，較為麻煩，準確性也不高，難以滿足工作人員的需求。
技術實現思路
1、為解決上述技術問題，提供一種基于圖像處理的碳酸鹽巖斷裂識別方法及系統，本技術方案解決了上述
技術介紹
中提出的現有技術中，對碳酸鹽巖圖像進行拍攝，但是處理巖心圖片的效果差，后續對碳酸鹽巖裂縫類型的判定主要是通過工作人員的經驗進行，這種方式，較為麻煩，準確性也不高的問題。
2、為達到以上目的，本專利技術采用的技術方案為：
3、在本專利技術的第一方面，還提供了一種基于圖像處理的碳酸鹽巖斷裂識別方法，包括：
4、采用高清無人機拍攝設備實時采集碳酸鹽巖圖像；
5、對碳酸鹽巖圖像進行預處理，獲取預處理后的碳酸鹽巖圖像，所述預處理包括圖像去噪、圖像增強和圖像分割；
6、從數據庫中調取歷史的碳酸鹽巖圖像，并進行分析，獲取碳酸鹽巖裂縫基本信息，所述裂縫基本信息包括裂縫的長度信息、深度信息以及寬度信息，采
7、將預處理后的碳酸鹽巖圖像輸入至碳酸鹽巖裂縫信息分析模型中，輸出裂縫基本信息；
8、從數據庫中調取現有的所有裂縫類型，所述裂縫類型包括縫隙型、溶孔型和基質型，對所有裂縫類型進行特征分析，獲取相對應的所有裂縫類型特征，并形成裂縫類型特征集合；
9、對預處理后的碳酸鹽巖圖像中的裂縫進行特征分析，獲取相對應的裂縫類型特征測試數據，并形成裂縫類型特征測試數據集合，對裂縫類型特征測試數據集合與裂縫類型特征集合進行相似度計算，對碳酸鹽巖圖像中的裂縫類型進行判定。
10、優選的，所述圖像去噪具體包括如下步驟：
11、對碳酸鹽巖圖像進行自適應小波閾值去噪；
12、通過構建小波系數的概率模型，利用貝葉斯估計確定最優小波閾值；
13、對小波系數進行自適應閾值處理，并進行小波重構，得到去噪圖像。
14、優選的，所述圖像增強具體包括如下步驟：
15、對所述去噪圖像進行自適應直方圖均衡化處理；
16、通過計算所述去噪圖像的灰度直方圖，確定局部區域的累積分布函數；
17、基于所述累積分布函數，自適應地調整局部區域的灰度映射關系，得到增強圖像。
18、優選的，所述圖像分割具體包括如下步驟：
19、通過超像素分割算法將所述增強圖像分割為多個超像素；
20、確定超像素間的相似度矩陣作為無向圖的邊權重，構建超像素圖割無向圖；
21、結合裂縫區域預先設定的概率分布，通過最大流最小割算法求解所述超像素圖割無向圖的全局最優解；
22、獲得裂縫區域的分割結果，得到所述預處理圖片。
23、優選的，所述采用神經網絡模型，構建碳酸鹽巖裂縫信息分析模型具體包括如下步驟：
24、基于前饋神經網絡，構建碳酸鹽巖裂縫信息分析模型；
25、基于機器學習，對多個歷史裂縫寬度特征數據、多個歷史裂縫長度特征數據和多個歷史裂縫深度特征數據進行標注和劃分，獲得訓練集、驗證集和測試集；
26、采用所述訓練集、驗證集和測試集對所述裂縫識別模型進行監督訓練、驗證和測試，獲得準確率符合預設準確率要求的所述碳酸鹽巖裂縫信息分析模型。
27、優選的，所述將預處理后的碳酸鹽巖圖像輸入至碳酸鹽巖裂縫信息分析模型中，輸出裂縫信息具體包括如下步驟：
28、對預處理后的碳酸鹽巖圖像進行特征分析，獲取相對應的裂縫寬度特征數據、歷史裂縫長度特征數據和歷史裂縫深度特征數據；
29、將得到的實時裂縫寬度特征數據輸入至符合預設準確率要求的所述裂縫識別模型中，獲取實時裂縫寬度信息；
30、將得到的實時裂縫長度特征數據輸入至符合預設準確率要求的所述裂縫識別模型中，獲取實時裂縫長度信息；
31、將得到的實時裂縫深度特征數據輸入至符合預設準確率要求的所述裂縫識別模型中，獲取實時裂縫深度信息；
32、基于實時裂縫寬度信息、實時裂縫長度信息和實時裂縫深度信息，輸出裂縫基本信息。
33、優選的，所述裂縫類型特征測試數據集合與裂縫類型特征集合進行相似度計算公式為：
34、simjaccard(a，b)?=?|a∩b|?/?|a∪b|
35、式中，a為裂縫類型特征測試數據集合，b為裂縫類型特征集合，|a∩b|為裂縫類型特征測試數據集合和裂縫類型特征集合的交集，|a∪b|是裂縫類型特征測試數據集合和裂縫類型特征集合的并集。
36、在本專利技術的第二方面，還提供了一種基于圖像處理的碳酸鹽巖斷裂識別系統，包括：
37、拍攝模塊，所述拍攝模塊用于采用高清無人機拍攝設備實時采集碳酸鹽巖圖像；
38、預處理模塊，所述預處理模塊用于對碳酸鹽巖圖像進行預處理，獲取預處理后的碳酸鹽巖圖像，且所述預處理模塊的內部集成包含圖像去噪單元、圖像增強單元和圖像分割單元；
39、模型構建模塊，所述模型構建模塊用于從數據庫中調取歷史的碳酸鹽巖圖像，并進行分析，獲取碳酸鹽巖裂縫基本信息，所述裂縫基本信息包括裂縫的長度信息、深度信息以及寬度信息，采用神經網絡模型，構建碳酸鹽巖裂縫信息分析模型；
40、裂縫基本信息確認模塊，所述裂縫基本信息確認模塊用于將預處理后的碳酸鹽巖圖像輸入至碳酸鹽巖裂縫信息分析模型中，輸出裂縫基本信息；
41、分析模塊，所述分析模塊用于從數據庫中調取現有的所有裂縫類型，所述裂縫類型包括縫隙型、溶孔型和基質型，對所有裂縫類型進行特征分析，獲取相對應的所有裂縫類型特征，并形成裂縫類型特征集合；
42、裂縫類型確認模塊，所述裂縫類型確認模塊用于對預處理后的碳酸鹽巖圖像中的裂縫進行特征分析，獲取相對應的裂縫類型特征測試數據，并形成裂縫類型特征測試數據集合，對裂縫類型特征測試數據集合與裂縫類型特征集合進行相似度計算，對碳酸鹽巖圖像中的裂縫類型進行判定；
43、圖像去噪單元，所述圖像去噪單元用于碳酸鹽巖圖像進行去噪，獲取去噪后的碳酸鹽巖圖像；
44、圖像增強單元，所述圖像增強單元用于對去噪后的碳酸鹽巖圖像進行增強，獲取增強后的碳酸鹽巖圖像；
45、圖像分割單元，所述圖像分割單元用于對增強后的碳酸鹽巖圖像進行分割，獲取分割后的碳酸鹽巖圖像。
46、在本專利技術的第三方面，還提供本文檔來自技高網...
【技術保護點】
1.一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，包括：
2.根據權利要求1所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述圖像去噪具體包括如下步驟：
3.根據權利要求2所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述圖像增強具體包括如下步驟：
4.根據權利要求3所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述圖像分割具體包括如下步驟：
5.根據權利要求4所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述采用神經網絡模型，構建碳酸鹽巖裂縫信息分析模型具體包括如下步驟：
6.根據權利要求5所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述將預處理后的碳酸鹽巖圖像輸入至碳酸鹽巖裂縫信息分析模型中，輸出裂縫信息具體包括如下步驟：
7.根據權利要求6所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述裂縫類型特征測試數據集合與裂縫類型特征集合進行相似度計算公式為：
8.一種基于圖像處理的碳酸鹽巖斷裂識別系統，用于實現如權利要
9.根據權利要求8所述的一種基于圖像處理的碳酸鹽巖斷裂識別系統，其特征在于，還包括：
10.一種電子設備，包括至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其特征在于，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1-7中任一項所述的方法。
...【技術特征摘要】
1.一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，包括：
2.根據權利要求1所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述圖像去噪具體包括如下步驟：
3.根據權利要求2所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述圖像增強具體包括如下步驟：
4.根據權利要求3所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述圖像分割具體包括如下步驟：
5.根據權利要求4所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述采用神經網絡模型，構建碳酸鹽巖裂縫信息分析模型具體包括如下步驟：
6.根據權利要求5所述的一種基于圖像處理的碳酸鹽巖斷裂識別方法，其特征在于，所述將預處理后的碳酸鹽巖圖像輸入至碳酸鹽...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。