一种成像测井中空白条带的填充方法、装置以及介质

本技术涉及油气资源勘探开发领域，特别是涉及一种成像测井中空白条带的填充方法、装置以及介质。

背景技术：

1、电成像图像的空白条带填充在信息处理领域属于图像修复的范畴，主要方法包括基于偏微分方程/变分方法、基于样本块匹配方法和基于稀疏表示方法。而与传统的图像修复方法不同，针对电成像图像空白条带填充的问题，目前测井领域主流是采用filtersim算法与criminisi算法等方法进行空白条带的填充。filtersim算法的核心思想为通过多个线性滤波器将图像分类并给定标识，再根据处理图像时的预测分类函数选择相应的图像特征进行预测填充，criminisi算法使用优先权的图像修复方式，首先将待修复区域确定，处理优先级最高的待修复区域，以像素点为单位确定置信程度，不断进行修复工作直至待修复区域为零。

2、上述两种方法在图像特征简单时，填充空白条带的效果较好，但是在缝洞、特殊岩石构造发育的复杂地层特征情况下，填充效果明显变差，明显不具备视觉语义，且图像填充速度较慢，无法大规模应用于计算机处理。因为这两种传统意义上的算法均以输入图像中连通性良好的区域为参照，通过图像特征对比进行空缺填补，在图像特征较为复杂时，特征对比进程缓慢，图像之间的匹配性差，所以，填充后的图像视觉效果不够自然。

3、由此可见，如何提高电成像图像的空白条带填充速度和效果，是本领域技术人员亟待解决的问题。

技术实现思路

1、本技术的目的是提供一种成像测井中空白条带的填充方法、装置以及介质，以提高电成像图像的空白条带填充速度和效果。

2、为解决上述技术问题，本技术提供一种成像测井中空白条带的填充方法，包括：

3、获取待填充的测井电成像；

4、标记所述待填充的测井电成像中的空白条带区域以及非空白条带区域；

5、将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像；其中，所述神经网络图像填充模型生成图像并进行迭代得到新的测井电成像，使所述待填充的测井电成像的非空白条带区域与所述新的测井电成像对应的区域一致，以得到所述填充后的测井电成像。

6、优选地，所述将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像之后，还包括：

7、采用评价指标对所述神经网络图像填充模型进行评价；

8、若评价结果不满足预设要求，则重新建立所述神经网络图像填充模型。

9、优选地，所述评价指标至少包括以下之一：所述待填充的测井电成像的非空白条带区域与所述填充后的测井电成像的非空白条带区域之间的平均灰度像素误差、所述待填充的测井电成像与所述填充后的测井电成像之间的结构相似性指数以及所述填充后的测井电成像的峰值信噪比。

10、优选地，所述神经网络图像填充模型包括损失函数，所述损失函数用于反向传播更新所述神经网络图像填充模型；

11、生成所述损失函数的过程包括：

12、根据待填充的测井电成像样本的非空白条带区域的像素与填充后的测井电成像样本的非空白条带区域的像素之间的平均绝对误差生成所述损失函数。

13、优选地，所述神经网络图像填充模型结合有通道和空间的注意力机制，以确定测井电成像中各特征的权重值。

14、优选地，训练所述神经网络图像填充模型包括：

15、采用自然场景图像原图和设置有空白条带区域的自然场景图像对所述神经网络图像填充模型进行消融实验得到补全效果更好的所述神经网络图像填充模型。

16、优选地，所述将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像之前，还包括：

17、对所述待填充的测井电成像进行切分得到测井电成像子图像；

18、所述将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像包括：

19、将所述测井电成像子图像输入所述神经网络图像填充模型中以得到填充后的测井电成像子图像；

20、所述将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像之后，还包括：

21、合并所述填充后的测井电成像子图像得到所述填充后的测井电成像。

22、为解决上述技术问题，本技术还提供一种成像测井中空白条带的填充装置，包括：

23、获取模块，用于获取待填充的测井电成像；

24、标记模块，用于标记所述待填充的测井电成像中的空白条带区域以及非空白条带区域；

25、输入模块，用于将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像；其中，所述神经网络图像填充模型生成图像并进行迭代得到新的测井电成像，使所述待填充的测井电成像的非空白条带区域与所述新的测井电成像对应的区域一致，以得到所述填充后的测井电成像。

26、优选地，所述成像测井中空白条带的填充装置还包括：评价模块，用于在所述将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像之后，采用评价指标对所述神经网络图像填充模型进行评价；

27、建立模块，用于在评价结果不满足预设要求时，重新建立所述神经网络图像填充模型。

28、优选地，所述成像测井中空白条带的填充装置还包括：切分模块，用于在所述将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像之前，对所述待填充的测井电成像进行切分得到测井电成像子图像；

29、所述将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像包括：将所述测井电成像子图像输入所述神经网络图像填充模型中以得到填充后的测井电成像子图像；

30、合并模块，用于在将所述测井电成像子图像输入所述神经网络图像填充模型中以得到填充后的测井电成像子图像之后，合并所述填充后的测井电成像子图像得到所述填充后的测井电成像。

31、为解决上述技术问题，本技术还提供一种成像测井中空白条带的填充装置，包括：存储器，用于存储计算机程序；

32、处理器，用于执行计算机程序时实现上述成像测井中空白条带的填充方法的步骤。

33、为解决上述技术问题，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述成像测井中空白条带的填充方法的步骤。

34、本技术所提供的一种成像测井中空白条带的填充方法，预先建立神经网络图像填充模型，并根据包含空白条带区域的测井电成像样本训练神经网络图像填充模型。在应用时，先获取待填充的测井电成像，然后标记出待填充的测井电成像中的空白条带区域以及非空白条带区域，以便于实现填充的处理器能够分辨出待填充的测井电成像中的空白条带区域以及非空白条带区域。最后将标记后的测井电成像输入预先建立的神经网络图像填充模型中以得到填充后的测井电成像；其中，神经网络图像填充模型会生成一个充满噪声的图像并对其进行迭代，最终得到新的测井电成像，使待填充的测井电成像的非空白条带区域与新的测井电成像对应的区域一致，而此时新的测井电成像中与待填充的测井电成像的空白条带区域对应的区域也会生成图像，即相当于实现了原空白条带区域的填充，得到了填充后的测井电成像。鉴于复杂图像特征条件下传统图像修复算法效果较差的问题，本技术提供一种基于深度模型的电成像图像空白条带填充方法，相较于传统算法，本技术基于深度模型生成新的测井电成像实现填充，速度更快、效果更好，能够完成长段电成像图像的空白条带填充。且同时避免了多样本的要求，针对不同的空白条带图像有着自适应性。

35、本技术还提供了一种成像测井中空白条带的填充装置和计算机可读存储介质，与上述方法对应，故具有与上述方法相同的有益效果。