基于多尺度区域卷积神经网络的露头孔洞自动提取
2021-07-20曾齐红张友焱邵燕林
现代地质 2021年4期
王 庆,曾齐红,张友焱,邵燕林,魏 薇,邓 帆
(1.长江大学地球科学学院,湖北 武汉 430100;2.中国石油勘探开发研究院,北京 100083)
0 引 言
碳酸盐岩储层解释与评价的一个重要内容是确定其孔隙空间特征,定量识别碳酸盐岩中裂缝和孔洞的分布状况及其内部的几何结构对储层评价具有重要意义。传统上储层的孔隙空间特征是通过钻井和地震资料获取,孔洞提取方法是利用薄片观察或者岩心CT扫描等技术,通过样品从储层内部精细、微观地刻画洞缝信息。而野外地质露头是钻井和地震的桥梁,其作为地下储层的类似体具有直观性的特点[1-2]。基于野外地质露头的孔隙空间特征描述可以作为上述微观孔洞和地震宏观孔洞的有效补充。目前露头研究通常是现场调查和手工绘制,基于激光扫描的数字露头技术可以实现精细、定量和仿真露头研究,在数字露头上研究图像缝洞自动识别能够提升工作效率并实现定量化,同时在缝洞结构识别后,结合露头地质特征(构造、沉积、成岩)明确孔洞成因类型与发育规律,为区域地质勘探过程中储层预测提供依据。因此,如何利用数字图像识别技术来完成露头区的缝洞自动识别是一项具有实际意义的课题。
自Meger和Becher于1990年使用图像分割技术获取成像测井图像孔洞面元及其分布等特征参数,图像处理技术开始应用于测井成像资料缝孔洞的自动识别[3],国内外学者已广泛采用阈值分割[4-6]、边缘提取[7-8]、机器学……
登录APP查看全文
