| 基于卷积神经网络的电成像图像空白条带填充方法 |
| |
| 引用本文： | 张浩,司马立强,王亮,车国琼,郭宇豪,杨琴琴.基于卷积神经网络的电成像图像空白条带填充方法[J].地球物理学进展,2021,36(5):2136-2142. |
| |
| 作者姓名： | 张浩 司马立强 王亮 车国琼 郭宇豪 杨琴琴 |
| |
| 作者单位： | 西南石油大学地球科学与技术学院,成都610500;西南石油大学油气藏地质及开发工程国家重点实验室,成都610500;西南石油大学油气藏地质及开发工程国家重点实验室,成都610500;成都理工大学能源学院,成都610059;中石油西南油气田公司川中油气矿,遂宁629000 |
| |
| 摘 要： | 全井眼微电阻率成像(Fullbore Formation Micro Imager,FMI)技术广泛应用于强非均质性的碳酸盐岩储层测并精细解释.然而,由于各极板间间隙的影响,FMI无法测量360°全井壁地层电阻率信息,这使得FMI图像出现空白条带,严重影响了图像视觉和测井解释进程.为获取全井壁的电阻率信息,必须有效的填充空白条带.本文在探讨现有的电成像图像空白条带填充方法基础上,提出了一种基于卷积神经网络的电成像图像空白条带填充方法.与常用的Criminisi插值法对比填充效果显示:该方法完全适用于各种特征的电成像图像空白条带填充,延续了所有待填充边缘的暗色条带和亮色背景,填充结果与原始图像的像素值频率占比相关性高达0.9581.Criminisi插值法在复杂区域电成像图像的填充结果连通性较差且存在干扰区域,填充结果与原始图像的像素值频率占比相关性仅为0.5924.本文提出的方法具有处理速度快、干扰区域少、连通性强、相关性高的特点,能够满足电成像空白条带成规模填充的实际应用需求,还可为测量极板间的测量缺失带信息处理提供参考手段.
|
| 关 键 词： | 全井眼微电阻率成像 测井精细解释 图像视觉 卷积神经网络 空白条带填充 测量缺失带信息处理 |
Blank strip filling method for resistivity imaging image based on convolution neural network |
| |
| ZHANG Hao,SIMA LiQiang,WANG Liang,Che GuoQiong,GUO YuHao,YANG QinQin.Blank strip filling method for resistivity imaging image based on convolution neural network[J].Progress in Geophysics,2021,36(5):2136-2142. |
| |
| Authors: | ZHANG Hao SIMA LiQiang WANG Liang Che GuoQiong GUO YuHao YANG QinQin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
