[发明专利]一种基于致密砂岩CT图像三维重构的孔隙识别方法

说明书

本发明涉及岩石孔隙识别方法技术领域，特别涉及一种基于致密砂岩CT图像三维重构的孔隙识别方法。该方法包括获取原始砂岩CT图像并对图像进行滤波预处理；对预处理后的数据提取关键点；使用DOG函数进行空间关键点检测；使用基于马氏距离的匹配方式对图像的关键点进行匹配将图像使用高斯核函数映射后对图像进行聚类；对图像的像素点进行光线投射并采样；计算采样点的颜色与透明度；从后向前合成色彩与透明度，重建出致密砂岩的三维模型；根据重构出的三维模型的颜色与透明度识别孔隙；本发明提供一种孔隙识别方法，可提高利用致密砂岩CT图像构建三维模型的准确度，更好地表征微观孔隙的三维结构，进而更好地提高油田的开采率。

技术领域

本发明涉及岩石孔隙识别方法技术领域，特别是涉及一种基于致密砂岩CT图像三维重构的孔隙识别方法。

背景技术

作为非常规油气资源中较易开采的石油接替资源，致密油已成为全球石油勘探开发的亮点领域，其中，砂岩的微观孔隙结构直接影响着储层的储集渗流能力和资源的开采能力，分析砂岩孔隙结构特征对油气藏的研究和开发提供有保障的科学依据。传统方法主要是以下三类：第一类采用的是图像分析方法，采用人工识别分析或者采用专业可视化软件识别孔隙结构。第二类采用的是孔隙结构的建立，即利用CT图像建立孔隙模型表征或微观孔隙结构。第三类采用的是机器学习算法，针对专业人员提出的定量表征数据进行微观孔隙结构的识别。

其中一种现有技术中公开了一种基于语义分割的岩石图像孔隙类型识别方法，其通过数字图像处理方法分割和增强岩石原始图像，同时完成孔隙位置和形状的人工标注，最后将预处理的图像使用DeepLabV3+构建好的卷积神经网络进行训练。该发明泛化性强，可以有效提高孔隙识别的精度。

另一种现有技术公开了一种基于扫描电镜多特征灰度图像的孔隙识别方法。以扫描电镜设备采集的二次电子图像和背散射图像的像素点灰度值为基础，建立基于二维数据的孔隙识别的多层神经网络模型。该方法实现了扫描电镜页岩孔隙的高精度识别，在区分孔隙方面具有较好的效果。上述现有技术主要是利用深度学习方法对二维的岩石孔隙图像进行识别，都在原有的深度学习网络中对图像进行处理，并没有考虑到孔隙结构的三维模型表征情况。

发明内容

(一)要解决的技术问题

本发明提供一种基于致密砂岩CT图像三维重构的孔隙识别方法，以克服现有技术中仅仅利用深度学习方法对二维的岩石孔隙图像进行识别，而没有进一步研究孔隙结构的三维模型表征情况，导致识别致密砂岩内部孔隙的三维结构的准确度较低，从而不利于油田开采率的缺陷。

(二)技术方案

为了解决上述问题，本发明提供一种基于致密砂岩CT图像三维重构的孔隙识别方法，其特征在于，包括：

步骤S1：获取原始砂岩CT图像并进行图像滤波处理，得到预处理后的图像数据；

步骤S2：根据步骤S1中滤波后的结果，使用高斯函数对预处理后的图像进行高斯平滑与降采样处理，得到图像高斯金字塔；

步骤S3：使用DOG函数进行空间关键点检测；

步骤S4：使用基于马氏距离的匹配方式对图像的关键点进行匹配；

步骤S5：根据步骤S1中滤波后的结果，将图像使用高斯核函数映射后对图像进行聚类；

步骤S6：使用步骤S5中图像聚类后的结果，对图像的像素点进行光线投射并采样；

步骤S7：计算采样点的颜色与透明度；

步骤S8：使用步骤S7的结果，将每条射线上采样点的颜色值和不透明度值分别一一累加，从后向前合成色彩与透明度，重构出致密砂岩的三维模型；

步骤S9：根据构建后的致密砂岩三维模型中的颜色和透明来区分孔隙与非孔隙，对孔隙进行识别。