一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统与流程

本发明属于石油测井技术领域，具体涉及一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统。

背景技术：

电成像测井(以Schlumberegr公司的FMI为例)采用了侧向测井的屏蔽原理，在测井过程中，借助液压系统将8个极板紧贴井壁，每个极板和极板上的24个小钮扣电极向地层发射同极性的电流，仪器上部的金属外壳作为回路电极。由于极板上点位的恒定，极板上发射的电流对小钮扣电极的电流起着聚焦的作用，利用8个极板上的多排纽扣状的小电极向井壁地层发射电流，电极覆盖的井壁上的岩石成分、结构及所含流体的不同而引起电流的变化，电流的变化反映了井壁附近地层电阻率的变化，经适当处理可刻度为彩色或灰色等级图像，它们反映地层电阻率的变化，从这些测量信息中，可以提取地层综合地质特征信息。

然而，由于测井中的仪器的旋转/偏心和磕碰等，使成像测井的电导率数据中，存在各种规则和不规则的干扰，如诱导裂缝面、仪器遇卡的异常、仪器上提加速度变化的异常等。由于这些干扰信息的存在，增加了利用电成像测井资料精细描述缝洞型地层的难度，也使解释的结果不准确。故有效地压制或校正上述异常，对于正确刻画和定量描述储层的缝洞分布是十分重要的。

目前，已有很多方法来识别、压制、去除上述干扰，但是仍然缺乏用于定量识别和刻画裂缝和溶蚀孔洞的方法，给电成像测井资料的定量应用带来极大的困难。传统的电成像测井资料的处理方法一般是从电导率图像出发，利用不同像素上电导率大小引起的色彩变化或灰度变化识别和描述孔洞分布。对于复杂储层的定量评价，这种对缝洞不加区分的处理方法的应用效果受到限制。

技术实现要素：

本发明的目的是提供一种基于形态学滤波的电成像储层缝洞体的定量表征方法，压制电成像测井资料中的干扰信息，改善测井图像的质量，准确识别和描述缝洞分布。

本发明的第二个目的是提供一种基于形态学滤波的电成像储层缝洞体的定量表征系统。

为了实现以上目的，本发明所采用的技术方案是：

一种基于形态学滤波的电成像储层缝洞体的定量表征方法，包括下列步骤：

1)对原始电成像测井数据进行噪声压制和空白带加密插值，得到全覆盖率的电成像测井数据；

2)选择适当形状和尺度的结构元素，对步骤1)所得电成像测井数据进行形态滤波，确定不同尺度的缝洞孔隙分布；

3)根据不同尺度的缝洞孔隙分布，分别统计裂缝和溶蚀孔洞的孔隙率占比，得到反映孔喉大小与孔隙度分布关系的缝洞孔隙度谱。

本发明的基于形态学滤波的电成像储层缝洞体的定量表征方法，将数学形态学滤波方法引入成像测井资料处理，从数学形态学原理出发，基于不同尺度电导率信号的滤波与异常识别技术，提高缝洞异常信号的信噪比和可识别性，为电成像测井资料的处理解释提供较为直观的缝洞形态、尺度分布等精确信息。

步骤1)中，原始电成像测井数据事先进行格式转换、速度校正和灰度成像。

步骤1)中，所述空白带加密插值为空白带三次样条插值。

步骤1)中，空白带加密插值之后，用形态学滤波方法去除成像数据中的背景噪声。

步骤2)中，基于加密插值的电成像测井数据与地层岩性、孔隙、流体的关系，及每个电成像测井电极电导率的大小进行地层岩性、孔隙特性的优化分析，进而选择适当形状和尺度的结构元素。

步骤2)中，确定不同尺度的缝洞孔隙分布是指确定基质孔、裂缝和溶蚀孔洞孔隙度的分布。

通过形态滤波确定不同尺度的缝洞孔隙分布，具体包括下列步骤：

a)采用适当形状和尺度的结构元素，对二维电导率数据进行横向和纵向滤波处理，识别和检测垂直和水平裂缝；

b)对电成像测井数据分别进行开运算和闭运算，对运算结果求平均值，得到基质电导率分布，求取基质孔隙率；

c)用基于不用形状和方向的结构元素的形态滤波结果求差值，获取不同倾斜方向的裂缝孔隙度；

d)用去噪声后的电导率成像数据与背景基质数据和裂缝异常数据求差值，得到溶蚀孔洞的电导率图像，进而计算溶蚀孔洞孔隙度。

所述的基于形态学滤波的电成像储层缝洞体的定量表征方法，还包括如下步骤：

4)基于所得缝洞孔隙度谱，定量预测缝洞层段的厚度、孔隙度大小和连通状况；

5)结合岩心分析、测井解释厚度分析，实现标定和描述缝洞发育带的空间分布，及高孔渗缝洞带的预测和描述。

一种基于形态学滤波的电成像储层缝洞体的定量表征系统，包括：

噪声识别和压制模块，用于对原始电成像测井数据进行噪声压制；

空白带加密插值模块，用于进行空白带加密插值，得到全覆盖率的电成像测井数据；

缝洞异常提取模块，用于采用适当形状和尺度的结构元素，对电成像测井数据进行形态滤波，确定不同尺度的缝洞孔隙分布；

缝洞体识别和统计模块，用于根据不同尺度的缝洞孔隙分布，分别统计裂缝和溶蚀孔洞的孔隙率占比，得到反映孔喉大小与孔隙度分布关系的缝洞孔隙度谱。

所述的基于形态学滤波的电成像储层缝洞体的定量表征系统，还包括：

缝洞孔隙度谱分析模块，用于依据所得缝洞孔隙度谱，定量预测缝洞层段的厚度、孔隙度大小和连通状况。

本发明的基于形态学滤波的电成像储层缝洞体的定量表征方法，从结构元素的选择出发，获取了关于电成像测井资料处理解释的四个方面的应用：

1)压制电成像测井资料中规则和不规则干扰的预处理。该预处理方法完全是数据驱动和自适应的；在压制干扰的过程中，电成像测井的有效信号特征基本不变，有效信号的振幅、频率特征完整地保持，有较高的实际应用价值。

2)多尺度形态滤波提取电成像测井资料中的裂缝与溶蚀孔洞电导率异常信息。从实际电成像测井资料的处理效果看，该方法通过不同类型和不同尺度结构元素的选择，具有区分裂缝和溶蚀能力，可以强化不同孔隙结构和联通特性的优势。

3)多尺度形态滤波电测定成像资料的定量解释。可以帮助解释人员精确确定不同纵横比和孔隙结构的孔隙度占比，如裂缝发育位置和发育程度，溶蚀孔洞的大小及与裂缝的联通关系，这正是缝洞型储层测井评价中急需的。

4)多尺度形态滤波电成像测井资料缝洞空间分布的表征。给出不同尺度缝洞在井壁上的分布特征，为不同井缝洞分布的区域对比提供了基础。

本发明的基于形态学滤波的电成像储层缝洞体的定量表征方法，与现有技术相比，具有如下效果：

1)多尺度形态滤波压制噪声，表现出其它类型滤波器所不具有的优点，它是数据驱动的，无需人为给出滤波阈值，可以成为实用的噪音压制自适应处理方法；另外，形态滤波算法计算简单，计算速度非常快，处理运算效率高；

2)通过选择适当尺度和形状的结构元素，实现二维电导率数据的横向、纵向滤波及其他方向的扫描处理，快速识别和检测不同方向的裂缝，与现有的裂缝人机交互拾取方法相比，效率高，可靠性好；

3)对电成像测井数据分别进行开运算和闭运算，对运算结果求平均值，得到基质电导率分布，求取基质孔隙率，用去噪声后的电导率成像数据与背景基质数据和裂缝异常数据求差，得到溶蚀孔洞孔隙度，实现了次生孔隙中裂缝和溶蚀孔洞的分离，为后续饱和度计算和产能预测提供了基础参数；

4)对基质孔、裂缝和溶蚀孔洞孔隙度的分布进行综合，输出反映孔喉大小与孔隙度分布关系的孔隙度谱，可以得到关于储层孔隙度分布的全面信息。

本发明通过综合测井曲线、电成像测井资料和岩心分析数据的标定，提高了缝洞发育带空间分布的预测和评价精度。

附图说明

图1为利用半圆形结构元素的腐蚀示意图；

图2为利用半圆形结构元素的膨胀示意图；

图3为灰度开启和闭合示意图；

图4为开-闭运算结果示意图；

图5为闭-开运算结果示意图；

图6为开-闭运算、闭-开运算两者平均组合结果示意图；

图7为开-闭运算、闭-开运算及两者平均组合三种方式结果比较示意图；

图8为地震子波模型；

图9为不同尺寸结构元素形态学滤波后的信号；

图10为地震子波模型；

图11为不同值的扁平结构元素形态学滤波后的信号；

图12为地震子波模型；

图13为半径不同的半圆结构元素形态学滤波后的信号；

图14为地震子波模型；

图15为正弦形结构元素滤波效果，(a)正弦形结构元素，(b)形态滤波后的信号；

图16为半圆形结构元素滤波效果，(a)半圆形结构元素，(b)形态滤波后的信号；

图17为扁平结构元素滤波效果，(a)扁平结构元素，(b)形态滤波后的信号；

图18为三角形结构元素滤波效果，(a)三角形结构元素，(b)形态滤波后的信号；

图19为地震子波模型；

图20为数学形态学滤波结果；

图21为中值滤波结果；

图22为邻域均值滤波结果；

图23为地震子波模型；

图24为数学形态学滤波结果；

图25为中值滤波结果；

图26为邻域均值滤波结果；

图27为结构元素序列图；

图28为多尺度分解示意图；

图29为h8井的多尺度二值图；

图30为h8井1-10个尺度提取裂缝和孔洞后的成图；

图31为ch3井的多尺度二值图；

图32为ch3井1-10个尺度提取裂缝和孔洞后的成图；

图33为h8井(2694m-2696m)孔隙型缝洞孔隙谱图；

图34为h8井(2710m-2711.5m)裂缝型缝洞孔隙谱图；

图35为h8井(2727.5m-2728.5m)裂缝型缝洞孔隙谱图。

具体实施方式

下面结合具体实施方式对本发明作进一步的说明。

1.数学形态学滤波的基本概念

数学形态学(亦称图象代数)是以形态为基础对图象进行分析的工具，基本思想是用具有一定形态的结构元素去量度和提取图象中的对应形状以达到对图象分析和识别的目的。数学形态学的数学基础和所用语言是集合论，其可以简化图象数据，保持他们基本的形状特性，并除去不相干的结构。数学形态学的基本运算有4个：膨胀、腐蚀、开启和闭合，它们在二值图象中和灰度(多值)图象中各有特点。关于集合几个常用术语如下：

①集合(集)：具有某种性质的、确定的、有区别的事物的全体(它本身也是一个事物)。常用大写字母如A、B、···表示。如果某种事物不存在，就称这种事物的全体是空集。规定任何空集都只是同一个集，记为Φ。

②元素：构成集合的每个事物。常用小写字母如a、b、···表示。

③子集：当且仅当集合A的元素都属于集合B时，称A为B的子集。

④并集：由A和B的所有元素组成的集合称为A和B的并集。

⑤交集：由A和B的公共元素组成的集合称为A和B的交集。

⑥补集：A的补集，记为Ac，定义为：

⑦位移：A用x＝(x1,x2)位移，记为(A)x，定义为：(A)_x＝{y|y＝a+x,a∈A}。

⑧映像：A的映像(也称映射)，记为定义为：

⑨差集：两个集合的差，记为A-B，定义为：

⑩结构元素。

2.二值形态学的基本运算

二值形态学中的运算对象是集合，但实际运算中当涉及两个集合时并不把它们看作是互相对等的，一般说A为图象集合，B为结构元素，数学形态学运算是用B对A进行操作。需要指出，结构元素本身也是一个图象集合。以下用阴影代表值为1的区域，白色代表值为0的区域，运算是对值为1的区域进行的。下面为形态学的基本运算：

膨胀：膨胀的运算符为A用B来膨胀写作其定义为：

上式表明用B膨胀A的过程是，先对B做关于原点的映射，再将其映像平移x，这里A与B映像的交集不为空集。换句话说，用B来膨胀A得到的集合是的位移与A至少有1个非零元素相交时B的原点位置的集合。据这个解释，上式可写成：

上式可帮助我们借助卷积概念来理解膨胀操作。如果将B看作一个卷积模板，膨胀就是先对B做关于原点的映射，再将映像连续地在A上移动而实现的。

膨胀的位移运算公式：

灰度形态学基本运算：

①灰值腐蚀：利用结构元素g(也是一个信号)对信号f的腐蚀定义为：

(fΘg)(x)＝min{f(z)-g_x(z):z＝∈D[g_x]}。

注意：腐蚀只在平移结构元素位于信号下方的点才有定义。

图1表示了灰值腐蚀公式的几何意义，其效果相当于半圆形结构元素在信号的下面“滑动”时，其圆心画出的轨迹。但是这里存在一个限制条件，即结构元素必须在信号曲线下面平移。从图1不难看出，半圆形结构元素从信号的下面对信号产生滤波作用。

②灰值膨胀：利用结构元素g(也是一个信号)对信号f的膨胀定义为：

图2表示了灰值膨胀公式几何意义。由图2可见，半圆形结构元素从信号的上面对信号产生滤波作用。

③开启和闭合：灰度数学形态学中关于开启和闭合的表达与它们在二值数学形态学中的对应的运算是一致的。用b(灰度)开启f记为其定义为：

用(b灰度)闭合f记为f·b，其定义为：

灰度开启和闭合也可以有简单的几何解释，借助图3来讨论。

用b开启f，即可看作将b贴着f的下沿从一端滚到另一端。图3b给出b在开启中的几个位置，图3c给出开启操作的结果。从图3c可看出，对所有比b的直径小的山峰其高度和尖锐度都减弱了。换句话说，当b贴着f的下沿滚动时，f中没有与b接触的部位都落到与b接触。实际中常用开启操作消除与结构元素相比尺寸较小的亮细节，而保持图形整体灰度值和大的亮区域基本不受影响。具体第一步的腐蚀去除了小的亮细节并同时减弱了图象亮度，第二步的膨胀增加(基本恢复)了图象亮度但又不重新引入前面去除的细节。

用b闭合f，即f·b，可看作将b贴着f的上沿从一端滚到另一端。图3d给出b在闭合中的几个位置，图3e给出了闭合操作的结果。从e可以看出山峰基本没有变化，而所有比b的直径小的山谷得到了填充。换句话说，当b贴着f的上沿滚动时，f中没有与b接触的山谷都填充到与b接触。实际中常用闭合操作消除与结构元素相比尺寸较小的暗细节，而保持图象整体灰度和大的暗区域基本不受影响。具体说来，第一步的膨胀去除了小的暗细节并同时增强了图象亮度，第二步的腐蚀减弱(基本恢复)了图象亮度但又不重新引入前面去除的细节。

3.数学形态学滤波对信号的分解运算

由上节可知，开启运算先膨胀后腐蚀，可以起到对信号的分离、滤波作用，比结构元素小的孤立部分将被滤掉，抑制信号峰值噪声。闭合运算先腐蚀后膨胀，起着补缺、使内部连通作用，抑制信号底谷噪声。下面描述如何利用这些基本性质将形态滤波引入电成像测井数据的处理和储层缝洞的识别与提取。

用形态学滤波处理电成像测井资料与实现信号数字滤波不同，形态滤波的算法不是固定的算法，随着选择的结构元素而变化，开启运算可以把比结构元素小的突刺滤掉，切断细长搭接而起到分离的作用。闭合运算可以把比结构元素小的缺口或孔填充上，搭接短的间断而起到连通作用。由于电成像测井资料中噪音种类繁多，常需要多结构元素的复合形态滤波。

3.1运算的组合方式对滤波效果的影响

由于开运算的非扩展性，表示做过开运算的图像总是位于原始图像的下方；以及闭运算的反扩展性，表示做过闭运算的图像总是位于原始图像的上方。两种滤波器均存在统计偏倚现象，此时开-闭滤波器输出幅度偏小，见图4，而闭-开滤波器的输出幅度偏大，见图5。在大多情况下，单独使用它们并不能取得好的滤波效果，最好采用两种滤波器的平均组合形式，如图6、7所示，它表明了好的形态滤波可以保证电成像测井数据的精度。设输入信号为：x(k)＝s(k)+n(k)，(k＝1，…，N)；

式中：s(k)为原始信号；n(k)为噪声。

则滤波输出信号y(k)为：y(k)＝[OC(x(k))+CO(x(k))]/2。

式中OC表示先进行开运算再进行闭运算，CO表示先进行闭运算再进行开运算。

原信号表达式：y(t)＝e^-50tsin2πft；

其中：f＝30，t＝0～0.1，间隔为0.0001。

结构元素表达式：se＝0.1*sin(π/n*aa)；se1＝0.01*sin(π/n1*bb)；

其中：n＝24,n1＝32,aa＝0～n，间隔为1，bb＝1～n1，间隔为1。

3.2电成像测井数据处理中结构元素的选择

灰度形态学变换和小波变换的相似之处为：小波分析在应用中的一个难点是小波母函数的设计和选择，即很难设计出对不同信号都有强鲁棒性的小波母函数，通常的做法是：根据算法的实时性要求，选择具有一定消失矩的各种母函数对已有的信号样本进行仿真验证，然后确定识别效果最好的一种作为实用中小波母函数。迄今为止，小波母函数的设计和选择基本上仍采用试探法，灰度形态学结构元素的选择也是如此。因而，实验中经验的积累就非常重要，将指明后继研究人员正确的方向。

滤波效果与结构元素有关，要得到理想的滤波效果，需要针对待解决的问题合理选择结构元素。结构元素的选择包括决定结构元素的宽度(结构元素的定义域的宽度)，高度(结构元素的幅值)和形状。下面将给出在选择结构元素研究中的结果。

①结构元素的宽度对滤波效果的影响：

试验用的子波表达式：y(t)＝e^-50tsin2πft；

上式中：f＝40，t＝0～0.1，间隔为0.0001。图8为地震子波模型，其中上图为地震子波模型的原信号，下图为原信号加上随机噪声，s/n(有效信号能量/随机噪声能量)＝33.0281。

图9为不同尺寸结构元素形态学滤波后的信号。图9中，图(a)、(b)、(c)、(d)是分别用扁平结构元素宽度为2、5、10、40滤波后的结果，滤波后的s/n依次为82.3817、173.7552、222.1622、99.2721。

从图9可以看出，经过形态学滤波后，随机噪声被滤除，信噪比明显增大，结构元素的尺寸对处理结果影响很大。图(c)的滤波效果要好于图(b)，图(b)的效果要好于图(a)，这是因为他们所用的结构元素的尺寸逐渐增大，图(c)的结构元素的尺寸为10个样点，图(b)的结构元素的尺寸为5个样点，图(a)的结构元素的尺寸为2个样点。但并不是说，结构元素的尺寸越大越好。结构元素的尺寸越大，一方面，计算量会增加，另一方面，它可能影响有效信号，见图(d)。所以，应该根据噪声和有效信号的情况适当的选取结构元素的尺寸(即样点数)，结构元素尺寸太小，噪声去不干净，过大，又会损伤有效信号，所以要根据滤波后要保持的信号特征选取结构元素的尺寸。

对于脉冲噪声而言，如果待滤除脉冲噪声最大宽度为T，采样周期为Ts，实验结果表明：结构元素的长度M只需稍大于T/Ts即可。

②结构元素的高度对滤波效果的影响：

试验用的子波表达式：y＝e^-50tsin2πft；

式中：f＝40，t＝0～0.1，间隔为0.001，所用的结构元素为扁平结构元素。

图10为地震子波模型，上图是子波模型的原信号，下图为原信号加上随机噪声，s/n(有效信号能量/随机噪声能量)＝30.1420。

图11为不同值的扁平结构元素形态学滤波后的信号。图11中，图(a)、(b)、(c)是分别用结构元素高度为0、1、2滤波后的结果，从图中可看出虽然结构元素的值不同，但是滤波后的结果相同，s/n都为49.8910。实验结果表明：对扁平结构元素而言，结构元素的高度和对滤波效果没有影响。

下面试验用的子波表达式：y＝e^-50tsin2πft；式中：f＝30，t＝0～0.1，间隔为0.001，所用的结构元素为半圆。

图12为地震子波模型，上图是子波模型的原信号，下图为原信号加上随机噪声，s/n(有效信号能量/随机噪声能量)＝50.6477。

图13为半径不同的半圆结构元素形态学滤波后的信号。图13中，图(a)、(b)、(c)、(d)分别用半圆结构元素(0，0.0017，0.0020，0.0017，0)、(0，0.0173，0.0200，0.0173，0)、(0，0.1732，0.2000，0.1732，0)、(0，1.7321，2.0000，1.7321，0)滤波后的结果，其半径依次为0.002、0.02、0.2、2，滤波后的s/n依次为73.8406、89.5015、46.5422、0.6484。从图13可以看出，结构元素的幅值对处理结果影响不是很大，但是如果结构元素的半径大，那么滤波后，在信号的开始和结尾处，畸变较大，综合滤波后的s/n和滤波后信号的波形，图13(b)的滤波效果好些。

实验结果表明：结构元素的幅值比待滤波的信号值至少小一个数量级。

③结构元素的形状对滤波效果的影响：

这里讨论四种结构元素：直线形、三角形、半圆形、正弦形四种结构元素对处理结果的影响。试验用的子波表达式：y＝e^-50tsin2πft，其中：f＝30，t＝0～0.1，间隔为0.0001。

图14为地震子波模型，上图是子波模型的原信号，下图为原信号加上随机噪声，s/n(有效信号能量/随机噪声能量)＝120.4241。

图15-图18为分别用正弦形、半圆形、直线形和三角形四种结构元素对随机噪音进行压制。对这几种形状的结构元素，都用了两种不同的尺寸进行滤波试验，选择效果好的进行形状比较。经过这几种结构元素的滤波，信号中噪声明显被压制，信噪比显著提高，滤波后的信噪比分别：1.0755e+003，1.0488e+003，661.4504，846.2939。

由实验结果可以看出，一般来说，结构元素的形状将根据滤波后要保持的信号的形状而定，用于地震信号滤波处理的结构元素可选半圆形、正弦形等与波形类似的形状。

④不同滤波器比较：

在图像处理和信号分析中，平滑滤波的方法有很多，如中值滤波和邻域均值滤波等。这里比较非线性形态学滤波，非线性中值滤波，线性邻域均值对随机噪声和脉冲噪声压制的效果。

试验用的子波表达式：y＝e^-50tsin2πft，式中：f＝30，t＝0～0.1，间隔为0.0001。

图19为地震子波模型，上图是子波模型的原信号，下图为原信号加上随机噪声，s/n(有效信号能量/随机噪声能量)＝107.6534。

图20为数学形态学滤波结果，结构元素为正弦，样点数20，滤波后的信噪比(有效信号能量/随机噪声能量)为1.5073e+003。

图21为中值滤波结果，窗宽为21个样点，中值滤波后的信噪比(有效信号能量/随机噪声能量)为1.2238e+003。

图22邻域均值滤波结果，窗宽为11个样点，均值滤波后的信噪比(有效信号能量/随机噪声能量)为1.4715e+003。

图20-图22是三种滤波器对随机噪声压制的效果示意图。从曲线和处理后的信噪比都可以看出，三种滤波器都有一些好的效果，随机噪声被压制，信噪比得到提高，但是从整体上来看，形态滤波器效果要优于中值滤波器和邻域均值滤波器。

图23为地震子波模型，上图是子波模型的原信号，下图为原信号加上脉冲噪声，s/n(有效信号能量/随机噪声能量)＝3.9924。

图24为数学形态学滤波结果，扁平结构元素，样点数6，滤波后的信噪比(有效信号能量/随机噪声能量)为676.3878。

图25为中值滤波结果，窗宽为21个样点，中值滤波后的信噪比(有效信号能量/随机噪声能量)为437.2538。

图26为邻域均值滤波结果(窗宽为21个样点)，均值滤波后的信噪比(有效信号能量/随机噪声能量)为19.4337。

图24-图26是三种滤波器对脉冲噪声的压制效果图。从滤波后的波形和信噪比可以看出，在去除脉冲噪声时，形态学滤波方法要好于其他两种。以上的实验结果表明，形态学滤波完全可以用于电成像测井资料的去噪处理。

3.3形态学滤波剔除电成像测井资料中野值脉冲噪音

从形态滤波的理论分析可以推断，用数学形态学的方法可以很好的压制电成像测井资料中脉冲噪音。于是，将形态学用于实际电成像测井资料处理的第一个应用就是去除地震记录中的野值，实际电成像测井资料采集中常常有野值脉冲干扰，这种野值脉冲对电成像测井资料处理的效果影响非常大，几乎影响到地震处理的每一个过程，现在实际资料处理中大多由人工一道一道剔除，电成像测井数据属于海量数据的范畴，去除脉冲野值工作不但繁重，而且将有野值的地震道的其余有效信号也废弃了。一些地震处理的大型通用程序中也有自动去野值的程序，通常用神经元网络自动识别，或用阀值门限控制，由于计算效率不高、处理效果不好，一般不受处理人员的重视。

4.多尺度数学形态学滤波的原理及实现流程

4.1多尺度形态学滤波的基本原理

在数学形态学中，结构算子B在图形、信号的形状特征提取和目标表达中起到很关键的作用。如果给出一个结构元素序列，在这个序列中的所有结构元素的形状相同而尺度大小不同。这样就可以用结构元素序列对图形和信号进行处理。这种利用不同尺度的结构元素进行形态学变换的算法就称为多尺度形态学变换。下面给出多尺度形态学(Multiscale Morphology)的两种基本运算：多尺度开启和多尺度闭合。

其中，B是给定的基本结构元素，n代表第n个尺度。如果B是凸函数，那么可以通过对基本结构元素用它自身进行n-1次膨胀得到nB，公式如下：

例如给出一个半椭圆形结构算子B(图27中第一个半椭圆)，用它自身进行膨胀后可以得到如图27所示的结构元素系列。

设地震信号表示为f(x,t)，各个尺度信号表示为F_i(x,t)，则f(x,t)可表示为各个尺度的和，即：

其中用下面的公式求解F_i(x,t)

式中：

多尺度形态学分解的算法流程为：

(1)利用给出的结构算子参数求出多尺度结构算子的各个尺度的算子；

(2)将原始信号用尺度一的结构算子分别作开启闭合。将得到的信号相加求平均得有y₁。用原始信号减去得到的信号y₁就得到尺度一的信号；

(3)对大于1小于n的各个尺度，用尺度i的结构算子对原始信号分别作开启闭合和闭合开启。将所得信号求平均求出y_i，用y_i-1减去y_i去就得到该尺度的信号。

(4)对于最后一个尺度，就直接用y_n-1作为尺度n的信号。

算法示例：如图28所示一个简单的波形，可以利用形态学多尺度分解将它分割成各个不同尺度的波形。

从图28可以看出，多尺度分解将原始波形分解为尺度不同的各个波形。首先在第一个尺度中分解出一个细的尖峰。由于原始图形没有处于第二个尺度的波形，所以在第二个尺度为一条全为0的直线。最终将信号分解为9个尺度，第9尺度内的波形是原始波形减去前八个尺度内信号剩余的信号。当然可以继续分解，将第九个尺度的信号分解得更彻底。

从集合定义上来说，形态学多尺度算法的本质是利用数学形态学变换，把复杂信号X分割成一系列互不相交的简单子集X₁,X₂,L,X_n，对X₁,X₂,L,X_n求并集就得到原始信号，并且他们的交集为空，即：

X＝UX_i且Φ＝I X_i (4-7)。

形态学多尺度将信号分解为不同尺度的各个信号，其中每一个尺度的信号包含大于上一个结构元素尺度而小于该尺度结构元素尺度的波形。

多尺度形态学分解的重构由下面的关系式给出：

其中k_i为重构系数。令：

并且重构系数全为1，就得到下式：

如果给出不同的重构系数，加强有效信号成分多的尺度的权重，减小有效成分少的尺度的权重就可以压制噪声提高信噪比，同时由于多尺度形态学是全频带处理，在提高信噪比的同时不会降低剖面的分辨率。这就为压制噪声，提高信噪比找到了一个新的方法。另外还可以在不同尺度上进行有针对性地去除噪声，可以用来去除规则噪音。

用形态学多尺度分解电成像测井资料，得到是不同波形尺度的地震信息，这种分解用数学分析去描述极为复杂，它既不同于付里叶变换也不同于小波变换。但其地球物理意义比较明确，它包含了在同一个激发点上用不同带宽和不同主频的震源多次激发后地层反射信息。

4.2多尺度形态滤波缝洞识别与评价的实现流程

多尺度形态滤波缝洞识别与评价的流程如下：

1)将原始电成像测井数据格式转换，速度校正和灰度成像；

2)对电成像测井数据进行噪声压制和空白带加密插值，用形态学滤波方法去除成像数据中背景噪声，得到全覆盖率的电成像测井数据；

3)选择适当尺度和形状的结构元素，对二维电导率数据进行横向和纵向滤波处理，识别和检测垂直和水平裂缝；

4)对电成像测井数据分别进行开运算和闭运算，对运算结果求平均值，得到基质电导率分布，求取基质孔隙率；

5)用不同形状和方向的结构元素的形态滤波结果求差，获取不同倾斜方向的裂缝孔隙度；

6)用去噪声后的电导率成像数据与背景基质数据和裂缝异常数据求差，得到溶蚀孔洞的电导率图像，进而计算溶蚀孔洞的孔隙度；

7)对基质孔，裂缝和溶蚀孔洞的分布进行综合，输出反映孔喉大小与孔隙度分布关系的孔隙度谱。

具体实施方式中，所使用的基于形态学滤波的电成像储层缝洞体的定量表征系统，包括：噪声识别和压制模块，用于对原始电成像测井数据进行噪声压制；

空白带加密插值模块，用于进行空白带加密插值，得到全覆盖率的电成像测井数据；

缝洞异常提取模块，用于采用适当形状和尺度的结构元素，对电成像测井数据进行形态滤波，确定不同尺度的缝洞孔隙分布；

缝洞体识别和统计模块，用于根据不同尺度的缝洞孔隙分布，分别统计裂缝和溶蚀孔洞的孔隙率占比，得到反映孔喉大小与孔隙度分布关系的缝洞孔隙度谱；

缝洞孔隙度谱分析模块，用于依据所得缝洞孔隙度谱，定量预测缝洞层段的厚度、孔隙度大小和连通状况。

实施例

本实施例的基于形态学滤波的电成像储层缝洞体的定量表征方法，分别对h8井(2719m-2721m)、ch3井(4111m-4113m)的电成像储层缝洞体进行定量表征。

采用上述4.2部分的多尺度形态滤波缝洞识别与评价的实现流程分别对h8井、ch3井的电成像测井数据进行处理。

利用多尺度数学形态学滤波方法将电成像测井资料中不同尺度裂缝和溶蚀孔洞提取出来。采用上述的基于形态学滤波的电成像储层缝洞体的定量表征系统，实现程序基于matlab编程平台。

基本做法：将原始图像转换成二值图，进行形态学的膨胀运算，在去除基质和噪声的影响下，得到更加饱满的图像信息(包含孔洞和裂缝)，选择不同尺度和不同形态的结构元素对二值图像进行形态学滤波处理；在二值图上，统计纵向上每个尺度所对应裂缝或孔洞信息的占比，即为缝洞孔隙。

分别对h8井、ch3井的电成像测井数据进行处理，每口井分别做10个尺度的形态学处理，2口井截取一段具体的图像如下：

图29为h8井的多尺度二值图，其中(a)为原始图像，(b)为形态学腐蚀处理后的灰度图，(c)为二值图。

图30为h8井1-10个尺度提取裂缝和孔洞后的成图。从图30可以看出，小尺度滤波提取了开度小的裂缝和部分噪声，随着尺度增大，大裂缝和溶蚀孔洞开始出现，尺度10主要反映大尺度的溶蚀孔洞。

图31为ch3井的多尺度二值图，其中(a)为原始图像，(b)为形态学腐蚀处理后的灰度图，(c)为二值图。

图32为ch3井1-10个尺度提取裂缝和孔洞后的成图。

从各个尺度的地震记录可以看出：随着尺度的增大，地震记录中波形尺度越来越大，小尺度的剖面主要表现地震记录的细节信息，大尺度的剖面主要表现剖面的整体趋势。从不同的尺度上可以获得不同的信息，例如在尺度一上就可以明显看到直达波初至，在尺度二和三可以看到部分被面波淹没的有效反射，在尺度四和五上折射波能量强，在尺度九上面波能量集中，这样就可以更多的挖掘和利用地震信号形态分解的信息，用于处理与解释，提供更加丰富的地质信息。采用形态学滤波去除面波的优势在于去噪时不降低分辨率，对有效信号损害甚轻微，可以强化弱反射，其应用前景看好。

h8井缝洞孔隙谱图的处理结果如图33-图35所示。在图33-图35的成果曲线中，从上到下的填充图形依次表示尺度6、尺度8、尺度2、尺度4。

从图33中可以看出，孔隙型的特征：h8井该段为溶蚀孔洞，在缝洞谱上峰值明显，且相对靠前，说明该层段小的溶蚀孔洞居多。

从图34、图35中可以看出，裂缝型的特征：孔隙度谱后方有显示，缝洞谱显示为裂缝。

在本发明的实施例中，根据电成像测井数据体的空白带样条插值和灰度转换，根据电导率响应值与岩性、基质孔、缝洞分布和含油气性的敏感关系，优化选择结构元素及相应的组合运算，得到对储层缝洞最为敏感的电导率响应异常；根据电导率异常识别缝洞的分布，包括缝洞的纵横比大小、裂缝开度、裂缝方位和空间延伸长度等。最后，通过岩心描述的缝洞孔隙度分布及含油气性的标定，利用电成像测井的图像对储层缝洞体进行精细描述，实现缝洞储层孔隙结构和含油气性的识别和综合评价。本发明的特点是通过综合岩心信息、测井信息和多尺度的数学形态学滤波算法，利用非线性插值和边缘检测技术，考虑了电成像测井数据中的多种噪声和空白带，以及电成像测井的电导率响应对不同孔隙类型、岩性、物性和含油气性不同的敏感程度，拓展了电成像测井数据描述复杂储层的应用范围。由于在本发明实施例中不仅仅是根据电成像测井信息，还包括了岩心等信息的标定和综合，不仅提高了储层缝洞的识别和评价精度，也为油气勘探开发中精确评价缝洞型储层重缝洞体的空间变化及识别描述提供技术支持。

需要说明的是，所使用的基于形态学滤波的电成像储层缝洞体的定量表征系统，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分为不同的功能模块，以完成以上描述的全部或者部分功能。本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。