一種全井周電成像圖像生成方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種全井周電成像圖像生成方法和系統(tǒng)，包括：加載預先獲得的電成像測井資料，對電成像測井資料進行預處理，獲取待修復圖像；其中，該待修復圖像包括：待修復的空白圖像。采用預設的插值算法對待修復的空白圖像進行插值并獲取插值后的待修復圖像；并將插值之前的待修復的空白圖像定義為插值后的待修復圖像中的第一圖像。采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像。通過本發(fā)明的方案，能夠即保證空白圖像被修復后整體圖像的一致性，不會產生明顯的噪點，又保持了圖像的紋理特征，使修復后的數(shù)據(jù)更加可靠。
【專利說明】
-種全井周電成像圖像生成方法和系統(tǒng)
技術領域
[0001] 本發(fā)明設及測井領域，尤其設及一種全井周電成像圖像生成方法和系統(tǒng)。
【背景技術】
[0002] 電成像測井能夠得到井周二維圖像，能較為直觀和清晰地反映井壁的結構和特 征。利用測井圖像可視性和直觀性，可W解決常規(guī)測井難W解決的地質問題。但由于井身結 構和電成像測井儀器結構上的原因，在測量時儀器處于張開狀態(tài)，造成在沿井壁掃描時，有 部分井壁未能測量，覆蓋率不能達到100%，各極板之間存在空白圖像，在電測井圖像上產 生白色條帶，相對于聲波全井周成像圖像，信息量相對較少，不利于后續(xù)的圖像處理和地質 現(xiàn)象的識別。
[0003] 全井周電成像圖像生成屬于圖像修復，就是對圖像上信息缺損區(qū)域進行信息填充 的過程，其目的就是為了對有信息缺損的圖像進行修復，為基于電成像圖像的解釋等后續(xù) 工作提供更多的較為可靠的數(shù)據(jù)，減少因數(shù)據(jù)缺失而導致的解釋結論不準確問題。目前，圖 像修復方法總體可W分為基于結構的修復方法和基于紋理的修復方法?；诮Y構的修復算 法主要是插值算法，其原理簡單，處理快速，能很好的修復圖像的線結構和目標輪廓，但不 足是因存在明顯的處理痕跡使整體視覺效果較差，且不能恢復地層的紋理細節(jié)?；诩y理 的修復方法主要包括紋理合成和多點地質統(tǒng)計方法。紋理合成方法能很好的恢復地層的紋 理細節(jié)，由于算法本身特點，尤其是在修復窗口較大時，計算量大，速度慢，同時又會產生許 多噪點，修復效果不佳;而基于多點地質統(tǒng)計的方法，不僅紋理恢復效果較好，且在修復窗 口較大時，速度較快，但同樣會產生許多噪點。

【發(fā)明內容】

[0004] 為了解決上述問題，本發(fā)明提出了一種全井周電成像圖像生成方法和系統(tǒng)，能夠 即保證空白圖像被修復后整體圖像的一致性，不會產生明顯的噪點，又保持了圖像的紋理 特征，使修復后的數(shù)據(jù)更加可靠。
[0005] 為了達到上述目的，本發(fā)明提出了一種全井周電成像圖像生成方法，該方法包括：
[0006] 加載預先獲得的電成像測井資料，對電成像測井資料進行預處理，獲取待修復圖 像;其中，待修復圖像包括:待修復的空白圖像。
[0007] 采用預設的插值算法對待修復的空白圖像進行插值，獲取插值后的待修復圖像； 并將插值之前的待修復的空白圖像定義為插值后的待修復圖像中的第一圖像。
[000引采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像。
[0009] 優(yōu)選地，
[0010] 待修復圖像還包括:極板圖像。
[0011] 采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像包括：
[0012] 對待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型。
[0013] 根據(jù)一個或多個圖案模型獲取第一圖像的一個或多個對比圖案。
[0014] 根據(jù)預設的距離算法分別計算第一圖像上的每一個待修復節(jié)點與一個或多個對 比圖案的距離，獲取第一圖像上的每個待修復節(jié)點的最優(yōu)圖案模型。
[0015] 將最優(yōu)圖案模型粘貼到與最優(yōu)圖案模型相對應的待修復節(jié)點上。
[0016] 將每個待修復節(jié)點上都粘貼有與其相對應的最優(yōu)圖案模型的待修復圖像作為最 終電成像圖像。
[0017] 優(yōu)選地，對待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型包 括：
[0018] 將待修復圖像中的極板圖像作為訓練區(qū)域。
[0019]設定訓練窗口并設置訓練窗口的參數(shù)。
[0020] 將設置完參數(shù)的訓練窗口在訓練區(qū)域上移動，獲取一個或多個不同的訓練圖案。
[0021] 獲取每個訓練圖案的η個濾波值，η為正整數(shù)。
[0022] 根據(jù)訓練圖案η個方向上的傾斜度和曲率，將η個濾波值分別分成Μ等分，獲取每個 訓練圖案的Μ6個單元，將每一個單元作為一個子訓練圖案。
[0023] 分別獲取每個子訓練圖案的傾斜度和曲率。
[0024] 將傾斜度之間的誤差值小于或等于預設的第一誤差闊值，W及曲率之間的誤差值 小于或等于預設的第二誤差闊值的一個或多個子訓練圖案作為一個圖案模型。
[0025] 優(yōu)選地，根據(jù)一個或多個圖案模型獲取第一圖像的一個或多個對比圖案包括：
[0026] 計算每個圖案模型中的一個或多個子訓練圖案的灰度平均值;將具有不同的灰度 平均值的圖案模型分別作為一個對比圖案。
[0027]優(yōu)選地，
[0028] 預設的插值算法為:反距離加權插值算法。
[0029] 預設的統(tǒng)計算法為:多點地質統(tǒng)計算法。
[0030] 為了達到上述目的，本發(fā)明還提出了一種全井周電成像圖像生成系統(tǒng)，該系統(tǒng)包 括:預處理模塊、插值模塊和優(yōu)化模塊。
[0031] 預處理模塊，用于加載預先獲得的電成像測井資料，對該電成像測井資料進行預 處理，獲取待修復圖像;其中，待修復圖像包括:待修復的空白圖像。
[0032] 插值模塊，用于采用預設的插值算法對空白圖像進行插值，獲取插值后的待修復 圖像;并將插值之前的待修復的空白圖像定義為插值后的待修復圖像中的第一圖像。
[0033] 優(yōu)化模塊，用于采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像。
[0034] 優(yōu)選地，
[0035] 待修復圖像還包括:極板圖像。
[0036] 優(yōu)化模塊采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像包括：
[0037] 對待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型。
[0038] 根據(jù)一個或多個圖案模型獲取第一圖像的一個或多個對比圖案。
[0039] 根據(jù)預設的距離算法分別計算第一圖像上的每一個待修復節(jié)點與一個或多個對 比圖案的距離，獲取第一圖像上的每個待修復節(jié)點的最優(yōu)圖案模型。
[0040] 將最優(yōu)圖案模型粘貼到與最優(yōu)圖案模型相對應的待修復節(jié)點上。
[0041] 將每個待修復節(jié)點上都粘貼有與其相對應的最優(yōu)圖案模型的待修復圖像作為最 終電成像圖像。
[0042] 優(yōu)選地，優(yōu)化模塊對待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案 模型包括：
[0043] 將待修復圖像中的極板圖像作為訓練區(qū)域。
[0044] 設定訓練窗口并設置訓練窗口的參數(shù)。
[0045] 將設置完參數(shù)的訓練窗口在訓練區(qū)域上移動，獲取一個或多個不同的訓練圖案。
[0046] 獲取每個訓練圖案的η個濾波值，η為正整數(shù)。
[0047] 根據(jù)訓練圖案η個方向上的傾斜度和曲率，將η個濾波值分別分成Μ等分，獲取每個 訓練圖案的Μ6個單元，將每一個單元作為一個子訓練圖案。
[0048] 分別獲取每個子訓練圖案的傾斜度和曲率。
[0049] 將傾斜度之間的誤差值小于或等于預設的第一誤差闊值，W及曲率之間的誤差值 小于或等于預設的第二誤差闊值的一個或多個子訓練圖案作為一個圖案模型。
[0050] 優(yōu)選地，優(yōu)化模塊根據(jù)一個或多個圖案模型獲取第一圖像的一個或多個對比圖案 包括：
[0051] 計算每個圖案模型中的一個或多個子訓練圖案的灰度平均值;將具有不同的灰度 平均值的圖案模型分別作為一個對比圖案。
[0052] 優(yōu)選地，
[0053] 預設的插值算法為:反距離加權插值算法。
[0054] 預設的統(tǒng)計算法為:多點地質統(tǒng)計算法。
[0055] 與現(xiàn)有技術相比，本發(fā)明包括:加載預先獲得的電成像測井資料，對電成像測井資 料進行預處理，獲取待修復圖像;其中，該待修復圖像包括:待修復的空白圖像。采用預設的 插值算法對待修復的空白圖像進行插值并獲取插值后的待修復圖像;并將插值之前的待修 復的空白圖像定義為插值后的待修復圖像中的第一圖像。采用預設的統(tǒng)計算法對第一圖像 進行優(yōu)化，獲取最終電成像圖像。通過本發(fā)明的方案，能夠即保證空白圖像被修復后整體圖 像的一致性，不會產生明顯的噪點，又保持了圖像的紋理特征，使修復后的數(shù)據(jù)更加可靠。
【附圖說明】
[0056] 下面對本發(fā)明實施例中的附圖進行說明，實施例中的附圖是用于對本發(fā)明的進一 步理解，與說明書一起用于解釋本發(fā)明，并不構成對本發(fā)明保護范圍的限制。
[0057] 圖1為本發(fā)明的全井周電成像圖像生成方法流程圖；
[005引圖2為本發(fā)明的全井周電成像圖像生成系統(tǒng)組成框圖。
【具體實施方式】
[0059] 為了便于本領域技術人員的理解，下面結合附圖對本發(fā)明作進一步的描述，并不 能用來限制本發(fā)明的保護范圍。
[0060] 為了克服現(xiàn)有單一技術的不足，本發(fā)明的目的在于提供一種基于多點地質統(tǒng)計與 插值結合的全井周電成像圖像生成方法，提供電成像測井圖像的全井周精確圖像。
[0061] 本發(fā)明基于EGPS測井解釋軟件平臺，在對電成像測井圖像進行修復時，將插值方 法與基于多點地質統(tǒng)計學修復方法結合，插值算法可W保證空白區(qū)域(即空白圖像)被修復 后整體圖像的一致性，不會產生明顯的噪點，但是無法保持圖像的紋理特征，被修復區(qū)域有 明顯的修復痕跡。多點地質統(tǒng)計學修復方法能夠很好的保持圖像的紋理特征，但是在修復 數(shù)據(jù)缺失的空白區(qū)域時，容易產生噪點，影響數(shù)據(jù)的準確性。將運兩種方法有效的結合起 來，就能達到被修復的區(qū)域即不會產生明顯的噪點，又保持了圖像的紋理特征，使修復后的 數(shù)據(jù)更加可靠。
[0062] 為了達到上述目的，本發(fā)明提出了一種全井周電成像圖像生成方法，如圖1所示， 該方法包括：
[0063] S101、加載預先獲得的電成像測井資料，對電成像測井資料進行預處理，獲取待修 復圖像;其中，待修復圖像包括:待修復的空白圖像。
[0064] 在本發(fā)明實施例中，需要先加載預先獲得的電成像測井資料，進行電成像測井資 料預處理。該預處理包括極板對齊和均衡化。經(jīng)過預處理后的電成像測井資料生成待修復 的圖像，運個待修復的圖像為動態(tài)圖像或靜態(tài)圖像。該動態(tài)圖像或靜態(tài)圖像包括極板圖像 區(qū)域和空白圖像(即，待修復圖像上的空白區(qū)域，該空白區(qū)域是圖像上待修復的部分），本發(fā) 明專利的目的就是對該空白區(qū)域進行圖像修復。
[0065] S102、采用預設的插值算法對待修復的空白圖像進行插值，獲取插值后的待修復 圖像;并將插值之前的所述待修復的空白圖像定義為所述插值后的待修復圖像中的第一圖 像。
[0066] 優(yōu)選地，預設的插值算法為:反距離加權插值算法。
[0067] 反距離加權插值Inverse Distance to a化wer，也可W稱為距離倒數(shù)乘方法。
[0068] 距離倒數(shù)乘方網(wǎng)格化的方法是一個加權平均插值法，可W進行確切的或者圓滑的 方式插值。方次參數(shù)控制著權系數(shù)如何隨著離開一個網(wǎng)格節(jié)點距離的增加而下降。對于一 個較大的方次，較近的數(shù)據(jù)點被給定一個較高的權重份額，對于一個較小的方次，權重比較 均勻地分配給各數(shù)據(jù)點。
[0069] 計算一個網(wǎng)格節(jié)點時，給予一個特定數(shù)據(jù)點的權值W及從節(jié)點到觀測點的指定方 次，該節(jié)點與距離倒數(shù)成比例。當計算一個網(wǎng)格節(jié)點時，配給的權重是一個分數(shù)，所有權重 的總和等于1.0。當一個觀測點與一個網(wǎng)格節(jié)點重合時，該觀測點被給予一個實際為1.0的 權重，所有其它觀測點被給予一個幾乎為0.0的權重。換言之，該結點被賦給與觀測點一致 的值。運就是一個準確插值。
[0070] 在本發(fā)明實施例中，在采用預設的插值算法對空白圖像進行插值后獲取第一圖 像，第一圖像上的每個插值點處具有一定的灰度值，將具有該灰度值的待修復圖像作為插 值后的待修復圖像進入步驟S103的優(yōu)化處理過程。
[0071] 其中，采用反距離加權插值算法對空白圖像進行插值的過程就是獲取每個插值點 處的灰度值的過程，包括：
[0072] 獲取極板圖像區(qū)域中每個數(shù)據(jù)點到插值點的距離和距離倒數(shù)。
[0073] 分別對每個數(shù)據(jù)點到一個插值點的距離除W全部所述距離倒數(shù)的和，獲得每個數(shù) 據(jù)點的加權系數(shù)。
[0074] 將所述極板圖像區(qū)域中每個數(shù)據(jù)點的灰度值與所述加權系數(shù)的乘積之和作為所 述插值點處的灰度值。
[0075] S103、采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像。
[0076] 優(yōu)選地，預設的統(tǒng)計算法為:多點地質統(tǒng)計算法。
[0077] 在本發(fā)明實施例中，為了改善步驟S102中產生的修復圖像效果，利用多點地質統(tǒng) 計方法優(yōu)化圖像，使之與實際地層更加匹配。
[0078] 優(yōu)選地，待修復圖像還包括:極板圖像。
[0079] 優(yōu)選地，采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像包括：
[0080] S201、對待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型。
[0081] 優(yōu)選地，對待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型包 括：
[0082] S301、將待修復圖像中的極板圖像作為訓練區(qū)域。
[0083] S302、設定訓練窗口并設置訓練窗口的參數(shù)。
[0084] 在本發(fā)明實施例中，該訓練窗口為一個巧X的窗口，該X為正整數(shù)。
[0085] S303、將設置完參數(shù)的訓練窗口在訓練區(qū)域上移動，獲取一個或多個不同的訓練 圖案。
[0086] S304、獲取每個訓練圖案的η個濾波值，η為正整數(shù)。
[0087] 在本發(fā)明實施例中，給定多個(如6個)不同方向的濾波器，作用于訓練圖案，對訓 練圖像分別進行水平與垂直兩種方向上的多種濾波，該多種濾波包括濾波、一階導數(shù)濾波、 二階導數(shù)濾波。獲取包括平均值、傾斜度或曲率的多種濾波值，即本發(fā)明的η個濾波值(如6 個）。運些濾波數(shù)值體現(xiàn)了訓練圖案在給定多個(如6個)方向上的傾斜度與曲率特征，傾斜 度與曲率特征體現(xiàn)了圖像的紋理復雜程度，傾斜度和曲率的變化范圍越大說明紋理變化越 大。
[0088] 下面W傾斜度和曲率為實施例來進行說明。
[0089] S305、根據(jù)訓練圖案η個方向上的傾斜度和曲率，將η個濾波值分別分成Μ等分，獲 取每個訓練圖案的Μ6個單元，將每一個單元作為一個子訓練圖案。
[0090] S306、分別獲取每個子訓練圖案的傾斜度和曲率。
[0091] S307、將傾斜度之間的誤差值小于或等于預設的第一誤差闊值，W及曲率之間的 誤差值小于或等于預設的第二誤差闊值的一個或多個子訓練圖案作為一個圖案模型。每個 圖案模型里有多個傾斜度與曲率特征相似的子訓練圖案。
[0092] 在本發(fā)明實施例中，該第一誤差闊值和第二誤差闊值都可W更具不同的應用場景 自行設置。
[0093] S202、根據(jù)一個或多個圖案模型獲取第一圖像的一個或多個對比圖案。
[0094] 優(yōu)選地，根據(jù)一個或多個圖案模型獲取第一圖像的一個或多個對比圖案包括：
[0095] 計算每個圖案模型中的一個或多個子訓練圖案的灰度平均值;將具有不同的灰度 平均值的圖案模型分別作為一個對比圖案。
[0096] S203、根據(jù)預設的距離算法分別計算第一圖像上的每一個待修復節(jié)點與一個或多 個對比圖案的距離，獲取第一圖像上的每個待修復節(jié)點的最優(yōu)圖案模型。
[0097] 運里，計算第一圖像上的每一個待修復節(jié)點與一個或多個對比圖案的距離是指計 算第一圖像上的每一個待修復節(jié)點與一個或多個對比圖案的中屯、節(jié)點距離。運里需要說明 的是，由于修復節(jié)點的大小與上述的子訓練圖案的大小一致，運里，每個對比圖案中分別將 該對比圖案中包含的每一個子訓練圖案作為一個節(jié)點，中屯、節(jié)點即對比圖案中處于中屯、的 子訓練圖案。
[0098] 獲取第一圖像上的每個待修復節(jié)點的最優(yōu)圖案模型包括：
[0099] 將與一個待修復節(jié)點的距離最小的對地圖案作為該帶修復節(jié)點的最優(yōu)對比圖案， 獲取該最優(yōu)對比圖案上與該帶修復節(jié)點的距離最小的子訓練圖案，將獲得該子訓練圖案作 為修復節(jié)點的最優(yōu)圖案模型。
[0100] 在本發(fā)明實施例中，通過步驟S20U包括步驟S301至步驟S307)至步驟S202便完成 了本發(fā)明實施例中根據(jù)基板圖像進行建模的過程。
[0101] 本步驟中所說的第一圖像就是步驟S102中獲得的經(jīng)反距離加權插值算法進行插 值W后，具有一定灰度值的原空白圖像。完成上述的建模W后，需要在該第一圖像上設置一 個或多個修復節(jié)點，分別對每一個修復節(jié)點進行優(yōu)化，其中，該修復節(jié)點的大小與上述的子 訓練圖案的大小一致。
[0102] 運里，預設的距離算法可W是W下等式：（運里W第一圖像的中屯、節(jié)點為例進行說 明）
[0103]
[0104] 式中，U0是對比圖案中屯、節(jié)點的位置;η是對比圖案中所有節(jié)點的個數(shù)；j是對比圖 案中當前節(jié)點的位置；是對比圖案中每一個節(jié)點的權重;U是數(shù)據(jù)事件的中屯、節(jié)點;hj是 在對比圖案中的偏移距。
[0105] S204、將最優(yōu)圖案模型粘貼到與最優(yōu)圖案模型相對應的待修復節(jié)點上。
[0106] 在本發(fā)明實施例中，通過步驟S203已經(jīng)闡明了，運里，往待修復節(jié)點上粘貼的是與 該帶修復節(jié)點的距離最近的最優(yōu)對比圖案上的與該帶修復節(jié)點的距離最近的子訓練區(qū)域。
[0107] S205、將每個待修復節(jié)點上都粘貼有與其相對應的最優(yōu)圖案模型的待修復圖像作 為最終電成像圖像。
[0108] 在本發(fā)明實施例中，對于待修復圖像上的基板圖像不作變動，通過W上步驟對每 一個待修復節(jié)點進行粘貼，直至粘貼完整個第一圖像，便完成了本發(fā)明的全井周電成像圖 像修復生成方案。
[0109] 為了達到上述目的，本發(fā)明還提出了一種全井周電成像圖像生成系統(tǒng)01，如圖2所 示，該系統(tǒng)包括:預處理模塊02、插值模塊03和優(yōu)化模塊04。
[0110] 預處理模塊02,用于加載預先獲得的電成像測井資料，對該電成像測井資料進行 預處理，獲取待修復圖像;其中，待修復圖像包括:待修復的空白圖像。
[0111] 插值模塊03，用于采用預設的插值算法對空白圖像進行插值并獲取插值后的待修 復圖像;并將插值之前的待修復的空白圖像定義為插值后的待修復圖像中的第一圖像。
[0112] 優(yōu)化模塊04,用于采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖 像。
[0113] 優(yōu)選地，待修復圖像還包括:極板圖像。
[0114] 優(yōu)化模塊04采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像包 括：
[0115] 對待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型。
[0116] 根據(jù)一個或多個圖案模型獲取第一圖像的一個或多個對比圖案。
[0117] 根據(jù)預設的距離算法分別計算第一圖像上的每一個待修復節(jié)點與一個或多個對 比圖案的距離，獲取第一圖像上的每個待修復節(jié)點的最優(yōu)圖案模型。
[0118] 將最優(yōu)圖案模型粘貼到與最優(yōu)圖案模型相對應的待修復節(jié)點上。
[0119] 將每個待修復節(jié)點上都粘貼有與其相對應的最優(yōu)圖案模型的待修復圖像作為最 終電成像圖像。
[0120] 優(yōu)選地，優(yōu)化模塊04對待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖 案模型包括：
[0121] 將待修復圖像中的極板圖像作為訓練區(qū)域。
[0122] 設定訓練窗口并設置訓練窗口的參數(shù)。
[0123] 將設置完參數(shù)的訓練窗口在訓練區(qū)域上移動，獲取一個或多個不同的訓練圖案。
[0124] 獲取每個訓練圖案的η個濾波值，η為正整數(shù)。
[0125] 根據(jù)訓練圖案η個方向上的傾斜度和曲率，將η個濾波值分別分成Μ等分，獲取每個 訓練圖案的Μ6個單元，將每一個單元作為一個子訓練圖案。
[0126] 分別獲取每個子訓練圖案的傾斜度和曲率。
[0127] 將傾斜度之間的誤差值小于或等于預設的第一誤差闊值，W及曲率之間的誤差值 小于或等于預設的第二誤差闊值的一個或多個子訓練圖案作為一個圖案模型。
[0128] 優(yōu)選地，優(yōu)化模塊04根據(jù)一個或多個圖案模型獲取第一圖像的一個或多個對比圖 案包括：
[0129] 計算每個圖案模型中的一個或多個子訓練圖案的灰度平均值;將具有不同的灰度 平均值的圖案模型分別作為一個對比圖案。
[0130] 優(yōu)選地，
[0131] 預設的插值算法為:反距離加權插值算法。
[0132] 預設的統(tǒng)計算法為：多點地質統(tǒng)計算法。與現(xiàn)有技術相比，本發(fā)明包括:加載預先 獲得的電成像測井資料，對電成像測井資料進行預處理，獲取待修復圖像;其中，該待修復 圖像包括:待修復的空白圖像。采用預設的插值算法對待修復的空白圖像進行插值，獲取插 值后的待修復圖像;并將插值之前的待修復的空白圖像定義為插值后的待修復圖像中的第 一圖像。采用預設的統(tǒng)計算法對第一圖像進行優(yōu)化，獲取最終電成像圖像。通過本發(fā)明的方 案，能夠即保證空白圖像被修復后整體圖像的一致性，不會產生明顯的噪點，又保持了圖像 的紋理特征，使修復后的數(shù)據(jù)更加可靠。
[0133] 本發(fā)明與現(xiàn)有的技術相比具有如下有益效果：
[0134] 相對于基于多點地質統(tǒng)計修復方法，該方法充分利用插值方法速度快的特點，快 速修復電成像測井空白區(qū)域，在空白區(qū)域利用其初步修復結果，進行濾波，在濾波域進行匹 配，尋找模式匹配塊。由于在非均勻性比較嚴重的空白區(qū)域，利用了初步插值結果進行濾 波，在根據(jù)濾波值尋找最佳模式類，即最優(yōu)圖案模型時，比較容易尋找正確的模式，減少了 出現(xiàn)異常模式的概率，使修復結果可靠。因此，該修復方法具有速度快、精度高、可靠性強的 特點。解決了復雜地層條件下圖像修復問題。
[0135] 需要說明的是，W上所述的實施例僅是為了便于本領域的技術人員理解而已，并 不用于限制本發(fā)明的保護范圍，在不脫離本發(fā)明的發(fā)明構思的前提下，本領域技術人員對 本發(fā)明所做出的任何顯而易見的替換和改進等均在本發(fā)明的保護范圍之內。
【主權項】
1. 一種全井周電成像圖像生成方法，其特征在于，所述方法包括： 加載預先獲得的電成像測井資料，對所述電成像測井資料進行預處理，獲取待修復圖 像;其中，所述待修復圖像包括:待修復的空白圖像； 采用預設的插值算法對所述待修復的空白圖像進行插值，獲取插值后的待修復圖像； 并將插值之前的所述待修復的空白圖像定義為所述插值后的待修復圖像中的第一圖像； 采用預設的統(tǒng)計算法對所述第一圖像進行優(yōu)化，獲取最終電成像圖像。2. 如權利要求1所述的全井周電成像圖像生成方法，其特征在于， 所述待修復圖像還包括:極板圖像； 所述采用預設的統(tǒng)計算法對所述第一圖像進行優(yōu)化，獲取最終電成像圖像包括： 對所述待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型； 根據(jù)所述一個或多個圖案模型獲取所述第一圖像的一個或多個對比圖案； 根據(jù)預設的距離算法分別計算所述第一圖像上的每一個待修復節(jié)點與所述一個或多 個對比圖案的距離，獲取所述第一圖像上的每個待修復節(jié)點的最優(yōu)圖案模型； 將所述最優(yōu)圖案模型粘貼到與所述最優(yōu)圖案模型相對應的待修復節(jié)點上； 將每個待修復節(jié)點上都粘貼有與其相對應的最優(yōu)圖案模型的待修復圖像作為所述最 終電成像圖像。3. 如權利要求2所述的全井周電成像圖像生成方法，其特征在于，所述對所述待修復圖 像中的極板圖像進行圖像訓練獲取一個或多個圖案模型包括： 將所述待修復圖像中的極板圖像作為訓練區(qū)域； 設定訓練窗口并設置所述訓練窗口的參數(shù)； 將設置完所述參數(shù)的訓練窗口在所述訓練區(qū)域上移動，獲取一個或多個不同的訓練圖 案； 獲取每個訓練圖案的η個濾波值，η為正整數(shù)； 根據(jù)所述訓練圖案η個方向上的傾斜度和曲率，將所述η個濾波值分別分成Μ等分，獲取 每個訓練圖案的Μ6個單元，將每一個單元作為一個子訓練圖案； 分別獲取每個所述子訓練圖案的傾斜度和曲率； 將所述傾斜度之間的誤差值小于或等于預設的第一誤差閾值，以及所述曲率之間的誤 差值小于或等于預設的第二誤差閾值的一個或多個子訓練圖案作為一個圖案模型。4. 如權利要求3所述的全井周電成像圖像生成方法，其特征在于，所述根據(jù)所述一個或 多個圖案模型獲取所述待修復的空白圖像的一個或多個對比圖案包括： 計算每個所述圖案模型中的一個或多個子訓練圖案的灰度平均值;將具有不同的灰度 平均值的圖案模型分別作為一個對比圖案。5. 如權利要求1所述的全井周電成像圖像生成方法，其特征在于， 所述預設的插值算法為:反距離加權插值算法； 所述預設的統(tǒng)計算法為:多點地質統(tǒng)計算法。6. -種全井周電成像圖像生成系統(tǒng)，其特征在于，所述系統(tǒng)包括:預處理模塊、插值模 塊和優(yōu)化模塊； 所述預處理模塊，用于加載預先獲得的電成像測井資料，對所述電成像測井資料進行 預處理，獲取待修復圖像;其中，所述待修復圖像包括:待修復的空白圖像； 所述插值模塊，用于采用預設的插值算法對所述空白圖像進行插值，獲取插值后的待 修復圖像;并將插值之前的所述待修復的空白圖像定義為所述插值后的待修復圖像中的第 一圖像； 所述優(yōu)化模塊，用于采用預設的統(tǒng)計算法對所述第一圖像進行優(yōu)化，獲取最終電成像 圖像。7. 如權利要求6所述的全井周電成像圖像生成系統(tǒng)，其特征在于， 所述待修復圖像還包括:極板圖像； 所述優(yōu)化模塊采用預設的統(tǒng)計算法對所述第一圖像進行優(yōu)化，獲取最終電成像圖像包 括： 對所述待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型； 根據(jù)所述一個或多個圖案模型獲取所述第一圖像的一個或多個對比圖案； 根據(jù)預設的距離算法分別計算所述第一圖像上的每一個待修復節(jié)點與所述一個或多 個對比圖案的距離，獲取所述第一圖像上的每個待修復節(jié)點的最優(yōu)圖案模型； 將所述最優(yōu)圖案模型粘貼到與所述最優(yōu)圖案模型相對應的待修復節(jié)點上； 將每個待修復節(jié)點上都粘貼有與其相對應的最優(yōu)圖案模型的待修復圖像作為所述最 終電成像圖像。8. 如權利要求7所述的全井周電成像圖像生成系統(tǒng)，其特征在于，所述優(yōu)化模塊對所述 待修復圖像中的極板圖像進行圖像訓練獲取一個或多個圖案模型包括： 將所述待修復圖像中的極板圖像作為訓練區(qū)域； 設定訓練窗口并設置所述訓練窗口的參數(shù)； 將設置完所述參數(shù)的訓練窗口在所述訓練區(qū)域上移動，獲取一個或多個不同的訓練圖 案； 獲取每個訓練圖案的η個濾波值，η為正整數(shù)； 根據(jù)所述訓練圖案η個方向上的傾斜度和曲率，將所述η個濾波值分別分成Μ等分，獲取 每個訓練圖案的Μ6個單元，將每一個單元作為一個子訓練圖案； 分別獲取每個所述子訓練圖案的傾斜度和曲率； 將所述傾斜度之間的誤差值小于或等于預設的第一誤差閾值，以及所述曲率之間的誤 差值小于或等于預設的第二誤差閾值的一個或多個子訓練圖案作為一個圖案模型。9. 如權利要求8所述的全井周電成像圖像生成系統(tǒng)，其特征在于，所述優(yōu)化模塊根據(jù)所 述一個或多個圖案模型獲取所述待修復的空白圖像的一個或多個對比圖案包括： 計算每個所述圖案模型中的一個或多個子訓練圖案的灰度平均值;將具有不同的灰度 平均值的圖案模型分別作為一個對比圖案。10. 如權利要求6所述的全井周電成像圖像生成系統(tǒng)，其特征在于， 所述預設的插值算法為:反距離加權插值算法； 所述預設的統(tǒng)計算法為:多點地質統(tǒng)計算法。
【文檔編號】G06T5/00GK105825487SQ201610210700
【公開日】2016年8月3日
【申請日】2016年4月6日
【發(fā)明人】楊玉卿, 崔維平, 張翔, 王俊華
【申請人】中國海洋石油總公司, 中海油田服務股份有限公司