一种基于电成像的测井砂砾岩体岩性精细评价方法与流程

本发明属于石油勘探开发行业测井技术领域，尤其涉及一种基于电成像的测井砂砾岩体岩性精细评价方法。

背景技术：

砂砾岩体油气藏的勘探成为能源勘探的主要任务之一。砂砾岩体通常由于其物源、沉积过程的特殊性，使其储集性能在纵、横向上都具有较强的非均质性，垂直剖面上岩相变化快，储集层岩性复杂，常规测井对于储层的岩性识别和划分都比较困难。

电成像测井以阵列电子扫描技术得到井周的二维图像，对井壁地层描述达到0.2in的分辨率，能较为直观和清晰地反映井壁的结构和特征。成像测井可以精确的描述储层的沉积环境，对孔隙、泥质、裂缝、层理、孔洞及生物扰动等均有清晰的反映，能够有效进行沉积相研究和岩性识别研究。

已有的基于电成像的岩性自动识别方法，主要包括图像分割方法和基于图像模板匹配的识别方法。但图像分割方法未考虑电成像的井眼覆盖率，未处理电成像的空白条带，导致计算结果不准；基于图像模板匹配的识别方法过于依赖标准模板，导致算法泛化能力差和识别准确率较低。

技术实现要素：

本发明提供了一种基于电成像的测井砂砾岩体岩性精细评价方法，该种评价方法评估方式更为可靠，计算所得结果更为准确。

为解决上述技术问题，本发明采用了如下技术方案：

一种基于电成像的测井砂砾岩体岩性精细评价方法，所述评价方法包括有如下步骤：

(1)、对二维静态微电阻率扫描图像进行空白条带填充预处理；

(2)、对填充预处理后图像中的砾岩颗粒进行边缘检测，并将其从背景中分割出来；

(3)、根据地质沉积约束条件，对分割后的砾岩颗粒进行区域合并与分裂；

(4)、基于滑动窗口和颗粒大小，计算粒度谱及岩性曲线。

进一步的，所述步骤(3)具体可描述为：

根据区块地质沉积约束条件，设定砾岩颗粒的磨圆度；

如果磨圆度为次圆、圆或很圆，将砾岩颗粒分割结果用并查集表示，并得到各分割区域的质心，以及包含像素和边界像素集合；

根据各分割区域包含像素的灰度平均值；判定是否为砾岩；

根据边界像素集合，自适应计算砾岩区域的曲率；根据曲率阈值，选择边界上的凹点，并定位两边的邻近凸点；如果邻近区域的质心在凹点和其邻近凸点设定的坐标范围内，则将邻近区域与该砾岩区域合并；

计算砾岩区域各个凹点对之间的弦长，对于小于弦长阈值的凹点对，计算对应的弧长，如果大于弧弦比阈值，则根据该弦，对砾岩区域进行分裂。

进一步的，所述步骤(4)具体可描述为：

设定滑动窗口纵向大小；

计算评价深度范围内的最大砾岩颗粒大小，根据粒度谱bin值，得到砾岩颗粒大小的统计范围；根据砾岩颗粒的大小，计算滑动窗口内的砾岩颗粒在各颗粒大小范围的个数，归一化后得到粒度谱；

根据细砾岩和中砾岩颗粒大小阈值，划分滑动窗口内的细砾岩、中砾岩和粗砾岩，并计算占滑动窗口的面积比，得到细砾岩、中砾岩和粗砾岩岩性曲线；非砾岩区域的面积比作为砂岩岩性曲线输出。

本发明提供了一种基于电成像的测井砂砾岩体岩性精细评价方法，该评价方法包括有如下步骤：对二维静态微电阻率扫描图像进行空白条带填充预处理；对填充预处理后图像中的砾岩颗粒进行边缘检测，并将其从背景中分割出来；根据地质沉积约束条件，对分割后的砾岩颗粒进行区域合并与分裂；基于滑动窗口和颗粒大小，计算粒度谱及岩性曲线。具有上述步骤的基于电成像的测井砂砾岩体岩性精细评价方法，该评价方法使用了电成像空白条带填充技术，从而可使得评估结果更加符合人工评价结果，且计算结果更加准确。

附图说明

图1为本发明提供的基于电成像的测井砂砾岩体岩性精细评价方法的流程示意图；

图2为利用本发明提供的基于电成像的测井砂砾岩体岩性精细评价方法对y920井两段解释深度范围内的岩性进行精细评价的效果图。

具体实施方式

本发明提供了一种基于电成像的测井砂砾岩体岩性精细评价方法，该种评价方法评估方式更为可靠，计算所得结果更为准确。

如图1所示，该种基于电成像的测井砂砾岩体岩性精细评价方法包括有如下步骤：

步骤1：对二维静态微电阻率扫描图像进行空白条带填充预处理；

举例而言，以采用基于信号稀疏表示的形态分量分析(mca)算法进行空白条带填充预处理为例进行描述。该基于mca算法的空白条带填充预处理的具体实施步骤参考如下：

(1)、初始化：

选择迭代次数n，全变差正则化参数γ，结束标准值stop，噪声标准偏差σ，curvelet变换最粗略分解尺度，ldct变换响铃及窗口宽度；对原始输入图像作curvelet和ldct变换，由变换系数计算初始阈值δ，计算下降步长λ。初始化结构分量xn＝0，初始纹理分量xt＝0。

(2)、迭代n次：

①、计算残差r＝m(x-xn-xt)，x为待修复图像数据，m为掩膜模板；

②、parta：结构分量更新：

a.对xn+r进行curvelet变换，得到变换系数αn；

b.对αn使用δ进行软阈值收缩，再进行curvelet反变换，重构xn。

partb：纹理分量更新：

a.对xt+r进行ldct变换，得到变换系数αt；

b.对αt使用δ进行软阈值收缩，再进行ldct反变换，重构xt。

partc:使用参数γ对结构分量xn进行tv校正。

③、更新阈值δ，如果是指数下降，则δ＝δ×λ；如果是线性下降，则δ＝δ-λ。

步骤2：对填充预处理后图像中的砾岩颗粒进行边缘检测，并将其从背景中分割出来；

在完成步骤1的基础上，进一步对步骤1所得预处理后的图形中的砾岩颗粒进行边缘检测。

具体的，以基于边缘流的多尺度边缘检测方法为例进行描述，该多尺度边缘检测方法的具体实施步骤如下：

(1)、设定初始尺度，结束尺度和尺度跳跃间隔；

(2)、在初始尺度，计算边缘流能量e(s,θ)，计算公式如下：

式中，gσ(x,y)为尺度σ的高斯函数，n＝(cosθ,sinθ)为梯度方向的单位向量；

将各个像素点的边缘流能量投影到x，y方向，并进行累加，得到初始边缘流向量场；

(3)、根据尺度跳跃间隔，得到当前尺度，计算当前边缘流向量场；如果初始边缘流向量场幅度小于幅度阈值，则初始边缘流向量场赋值为当前向量场；如果初始向量场与当前向量场的角度小于角度阈值，则将当前向量场叠加到初始向量场；

(4)、尺度跳跃，重复步骤(2)和(3)，直到结束尺度，则初始尺度向量场为最终的多尺度边缘流向量场s；

(5)、计算向量场s的散度，求解如下possion方程

得到边缘流函数c。

而后，进行检测到的边缘部分从背景中分割出来，具体以基于曲线演化的图像分割算法为例对边缘部分进行分割。该基于曲线演化的图像分割算法的具体实施步骤如下：

(1)、设定误差阈值λ,平滑权重系数w和迭代次数n；

(2)、根据如下水平集方程：

其中，迭代计算曲线演化结果图像为；

(3)、如果与原始图像的差值小于误差阈值，或迭代次数大于n，则停止迭代；

(4)、将曲线演化结果图像分别与高斯函数x，y方向一阶导数进行卷积，根据幅度值，计算图像上的边缘点。

步骤3：根据地质沉积约束条件，对分割后的砾岩颗粒进行区域合并与分裂；

在完成步骤2的基础上，进一步对分割后的砾岩颗粒进行区域合并与分裂。作为本发明一种较为优选的实施方式，基于地质沉积约束的区域合并与分裂方法具体可描述为：

(1)、根据区块地质沉积约束条件，设定砾岩颗粒的磨圆度；

(2)、如果磨圆度为次圆、圆或很圆，将砾岩颗粒分割结果用并查集表示，并得到各分割区域的质心，以及包含像素和边界像素集合；

(3)、根据各分割区域包含像素的灰度平均值；判定是否为砾岩；

(4)、根据边界像素集合，自适应计算砾岩区域的曲率。根据曲率阈值，选择边界上的凹点，并定位两边的邻近凸点。如果邻近区域的质心在凹点和其邻近凸点设定的坐标范围内，则将邻近区域与该砾岩区域合并；

(5)、计算砾岩区域各个凹点对之间的弦长，对于小于弦长阈值的凹点对，计算对应的弧长，如果大于弧弦比阈值，则根据该弦，对砾岩区域进行分裂。

以及步骤4：基于滑动窗口和颗粒大小，计算粒度谱及岩性曲线。

在完成步骤3的基础上，进一步计算粒度谱及岩性曲线。作为本发明的一种较为优选的实施方式，粒度谱及岩性曲线计算方法的具体实施步骤如下：

(1)、设定滑动窗口纵向大小；

(2)、计算评价深度范围内的最大砾岩颗粒大小，根据粒度谱bin值；得到砾岩颗粒大小的统计范围；根据砾岩颗粒的大小，计算滑动窗口内的砾岩颗粒在各颗粒大小范围的个数，归一化后得到粒度谱；

(3)、根据细砾岩和中砾岩颗粒大小阈值，划分滑动窗口内的细砾岩、中砾岩和粗砾岩，并计算占滑动窗口的面积比，得到细砾岩、中砾岩和粗砾岩岩性曲线；非砾岩区域的面积比作为砂岩岩性曲线输出。

值得注意的是，图2示出了基于本发明提供的评价方法对y920井两段解释深度范围内的岩性进行精细评价效果图。从图2中可以看到对原始电成像图像在空白条带填充后，构建的粒度谱和计算的岩性剖面可以有效地反映了解释井段内砾岩颗粒大小分布以及细致的岩性划分。

本发明提供了一种基于电成像的测井砂砾岩体岩性精细评价方法，该评价方法包括有如下步骤：对二维静态微电阻率扫描图像进行空白条带填充预处理；对填充预处理后图像中的砾岩颗粒进行边缘检测，并将其从背景中分割出来；根据地质沉积约束条件，对分割后的砾岩颗粒进行区域合并与分裂；基于滑动窗口和颗粒大小，计算粒度谱及岩性曲线。具有上述步骤的基于电成像的测井砂砾岩体岩性精细评价方法，该评价方法使用了电成像空白条带填充技术，从而可使得评估结果更加符合人工评价结果，且计算结果更加准确。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。