一種用于對巖屑熒光圖像進行快速分析方法
【專利摘要】本發(fā)明涉及一種用于對巖屑熒光圖像進行快速分析方法,其包括以下步驟:1)基于RGB三維顏色空間進行油性組分識別訓練,獲得聚類文件;2)根據步驟1)得到的聚類文件對待測的巖屑熒光圖像進行油性組分分析,具體包括以下步驟:2.1)對輸入的待測的巖屑熒光圖像進行顏色特征提取,并生成特征向量數(shù)組;2.2)對特征向量數(shù)組中的每一個特征向量進行分析;2.3)直到完成向量數(shù)組中所有特征向量的分析工作,計算出巖屑熒光圖像中所含油性組分以及各組分所占比重。本發(fā)明的基于非均勻顏色空間色差計算的巖屑熒光分層聚類方法在油性組分識別和巖屑熒光圖像分析結果精確、速度快,能夠滿足海上平臺地質人員智能化錄井需要,因此可以廣泛應用在地質勘探開發(fā)過程中。
【專利說明】一種用于對巖屑熒光圖像進行快速分析方法
【技術領域】
[0001]本發(fā)明涉及一種巖屑油性分析方法,特別是關于一種適用于海上平臺實時錄井的基于非均勻顏色空間色差計算以及顏色空間分層聚類的用于對巖屑熒光圖像進行快速分方法。
【背景技術】
[0002]在勘探開發(fā)過程中,為了準確掌握不同地層的地質情況,需要對采集到的巖屑樣本進行分析,從而得到地層的巖性和油性信息。但是巖屑所含油性尤其是輕質油和重質油,通常情況下用肉眼很難觀察,因此熒光錄井技術應運而生,該技術目前廣泛應用于油氣層鑒別領域,公認為是較好的巖屑分析方法。該方法主要基于不同含油巖屑比如油質、膠質和浙青質等在紫外光照射下會激發(fā)出特殊的光亮,這種光亮根據所含油性的不同往往呈現(xiàn)出不同的顏色、飽和度和亮度,幫助測定石油的組成成分,在巖屑油性定性解釋和定量解釋方面有著重要的作用;具體做法是將采集到的巖屑樣本制作成巖屑薄片,然后放置在帶有紫外光源的顯微鏡下進行觀察,并結合光譜分析技術以及標準熒光定量參數(shù)表對激發(fā)熒光進行分析,從而獲得巖屑所含油性類別和數(shù)量等信息,此方法對經驗要求較高,且整個工作過程需要人為參與,因此存在分析效率和靈敏度低等缺點,無法滿足高效和自動化錄井需要。
[0003]為了解決上述問題,提升錄井工作的智能化水平,機器視覺和模式識別技術被應用到這一領域,最基本方法是通過照相設備采集巖屑熒光圖像,然后利用模式識別方法對這些圖像進行分析。其中,聚類算法在該分析領域應用比較廣泛,例如迭代自組織數(shù)據分析算法、模糊聚類算法和k最近鄰分類法等,這些方法通過將熒光圖像的色彩特征轉換成多維向量空間,然后根據變量域之間的相似性將熒光歸群成類,再經過不同樣本的反復訓練,得到聚類中心和聚類數(shù)。但是此方法存在如下問題:I)色彩特征的相似度通過計算顏色距離也就是色差來確定,但是由于RGB顏色空間并非是均勻的,從而導致聚類結果與感知并不相符,原因在于RGB各分量不但表示顏色,還表示明暗程度,從而導致相似顏色距離可能較大,而不相似顏色距離卻很小。為了解決這一問題有人提出了改進型IS0DATA加權聚類算法,該算法基于HSL顏色空間進行組分識別,而非RGB顏色空間,避免了 RGB顏色空間的非均勻性,一定程度上改善了聚類效果,但是與視覺判斷仍存在細小差距,同時受聚類算法自身特點影響,在分類屬性多、樣本空間大的情況下,IS0DATA計算時間過長并易于陷入局部最優(yōu);2)在進行熒光組分訓練時,大多數(shù)方法以采集到的熒光圖像作為訓練樣本計算聚類數(shù)和聚類中心,在無法保證訓練樣本完整的情況下,組分訓練效果往往不理想。
【發(fā)明內容】
[0004]針對上述問題,本發(fā)明的目的是提供一種色差計算更符合視覺感受、能夠基于整個RGB三維顏色空間進行油性組分識別訓練以及運算量更小的用于對巖屑熒光圖像進行快速分方法。
[0005]為實現(xiàn)上述目的,本發(fā)明采取以下技術方案:一種用于對巖屑熒光圖像進行快速分析方法,其包括以下步驟:1)基于RGB三維顏色空間進行油性組分識別訓練,獲得聚類文件,具體過程為:1.1)將RGB三維顏色空間轉換成256個RGB 二維平面;1.2)基于RGB 二維平面進行相近顏色區(qū)域分割,即對每一個RGB 二維平面進行聚類分析,并根據每一個RGB 二維平面的聚類分析結果,在相應RGB 二維平面上繪制區(qū)域邊界;1.3)當所有RGB 二維平面分割完成后,為每一個分割完成的RGB 二維平面的所有的顏色區(qū)域標定油性組分;1.4)對每一個標定完成的RGB 二維平面創(chuàng)建相應聚類文件,根據每一 RGB 二維平面的飽和度值為其命名,同時將每一 RGB 二維平面的聚類結果以及相應分析結果保存到相應聚類文件中;
2)根據步驟I)得到的聚類文件對待測的巖屑熒光圖像進行油性組分分析,具體包括以下步驟:2.1)對輸入的待測的巖屑熒光圖像進行顏色特征提取,并生成特征向量數(shù)組;2.2)對特征向量數(shù)組中的每一個特征向量進行分析;2.3)完成向量數(shù)組中所有特征向量的分析工作,計算出巖屑熒光圖像中所含油性組分以及各組分所占比重。
[0006]所述步驟1.2)基于RGB 二維平面進行相近顏色區(qū)域分割,即對每一個RGB 二維平面進行聚類分析,并根據每一個RGB 二維平面的聚類分析結果,在相應RGB 二維平面上繪制區(qū)域邊界,具體過程為:1.2.1)讀取某個RGB 二維平面,并提取該RGB 二維平面中每個像素的特征向量,其中,像素集S= (X1, X2,…,XJ,即此RGB 二維平面中所有像素的集合;1.2.2)采用區(qū)域生長方法對上述RGB 二維平面進行聚類分析,具體過程為:A)定義聚類半徑R ;B)對像素集S中的所有顏色逐一進行聚類處理:對某一個二維平面進行聚類分析時,首先選擇像素集S中第一個像素X1作為第一個待分割區(qū)域的種子點,由于此時聚類中心集為空,所以將該種子點記作聚類中心O1,并將X1添加到O1對應的聚類集C1中;然后按順序從像素集中取出未分類像素,記作Xa,并采用非均勻顏色空間色差計算方法計算該像素到聚類中心集中所有聚類中心的距離:
[0007]D=Hh1DJ
[0008]
【權利要求】
1.一種用于對巖屑熒光圖像進行快速分析方法,其包括以下步驟: .1)基于RGB三維顏色空間進行油性組分識別訓練,獲得聚類文件,具體過程為: .1.1)將RGB三維顏色空間轉換成256個RGB 二維平面; .1.2)基于RGB 二維平面進行相近顏色區(qū)域分割,即對每一個RGB 二維平面進行聚類分析,并根據每一個RGB 二維平面的聚類分析結果,在相應RGB 二維平面上繪制區(qū)域邊界; .1.3)當所有RGB 二維平面分割完成后,為每一個分割完成的RGB 二維平面的所有的顏色區(qū)域標定油性組分; .1.4)對每一個標定完成的RGB 二維平面創(chuàng)建相應聚類文件,根據每一 RGB 二維平面的飽和度值為其命名,同時將每一 RGB 二維平面的聚類結果以及相應分析結果保存到相應聚類文件中; .2)根據步驟I)得到的聚類文件對待測的巖屑熒光圖像進行油性組分分析,具體包括以下步驟: .2.1)對輸入的待測的巖屑熒光圖像進行顏色特征提取,并生成特征向量數(shù)組; .2.2)對特征向量數(shù)組中的每一個特征向量進行分析; .2.3)完成向量數(shù)組中所有特征向量的分析工作,計算出巖屑熒光圖像中所含油性組分以及各組分所占比重。
2.如權利要求1所述的一種用于對巖屑熒光圖像進行快速分析方法,其特征在于:所述步驟1.2)基于RGB 二維平面進行相近顏色區(qū)域分割,即對每一個RGB 二維平面進行聚類分析,并根據每一個RGB 二維平面的聚類分析結果,在相應RGB 二維平面上繪制區(qū)域邊界,具體過程為: .1.2.1)讀取某個RGB 二維平面,并提取該RGB 二維平面中每個像素的特征向量,其中,像素集S= (X1, X2,…,XJ,即此RGB 二維平面中所有像素的集合; .1.2.2)采用區(qū)域生長方法對上述RGB 二維平面進行聚類分析,具體過程為: A)定義聚類半徑R; B)對像素集S中的所有顏色逐一進行聚類處理: 對某一個二維平面進行聚類分析時,首先選擇像素集S中第一個像素X1作為第一個待分割區(qū)域的種子點,由于此時聚類中心集為空,所以將該種子點記作聚類中心O1,并將X1添加到O1對應的聚類集C1中;然后按順序從像素集中取出未分類像素,記作Xa,并采用非均勻顏色空間色差計算方法計算該像素到聚類中心集中所有聚類中心的距離:
D= (D1, D2, ---,Dj
Di = ^Ckr * Cr1 - Y2)2 + kg * Cg1 - gLY + kb * (b! — b2)2)/4 * 2552 + θ, 式中,r1; 表示顏色樣本Xa顏色特征,r2, g2,b2表示聚類中心Oi顏色特征,(kr,kg,kb)表示像素與聚類中心空間距離的加權系數(shù),Θ表示修正后的像素與聚類中心的角度距離; C)取D中的最小值Di,并比較Di與聚類半徑R的大小,如果Di( R,則返回步驟B);否則進入步驟F); D)將像素Xa添加到聚類中心Oi對應的聚類集Ci中; E)更新聚類中心Oi,使其始終處于聚類集Ci的中心位置,更新完成后跳轉到步驟B):
3.如權利要求1或2所述的一種用于對巖屑熒光圖像進行快速分析方法,其特征在于:所述步驟2.2)對特征向量數(shù)組中的每一個特征向量進行分析,具體過程為:. 2.2.1)根據RGB-HSL轉換公式,計算出待分析特征向量的飽和度值,然后根據飽和度值找到與步驟1.4)中編號一致的聚類文件; . 2.2.2)根據非均勻顏色空間色差計算方法分別比較特征向量與聚類文件中記錄的聚類中心的距離,并得出最小距離值所對應的某個RGB 二維平面中的某個顏色區(qū)域的聚類中心;. 2.2.3)根據步驟2.2.2)中得到的聚類中心分析出該特征向量所屬的聚類以及所含油性組分。
【文檔編號】G06K9/62GK103927547SQ201410125638
【公開日】2014年7月16日 申請日期:2014年3月31日 優(yōu)先權日:2014年3月31日
【發(fā)明者】符耀慶, 劉耀華, 王亞楠, 苑舒斌, 麥文, 蘇文輝, 趙倫, 劉換來, 晏菲, 陳金定, 楊寶偉, 沈雪峰 申請人:中國海洋石油總公司, 中海油信息科技有限公司