巖屑熒光系統(tǒng)下砂巖目標(biāo)的識(shí)別與分類(lèi)

崔康寧 ，滕奇志 ，吳曉紅 ，何海波

（1.四川大學(xué) 電子信息學(xué)院圖像信息研究所，四川 成都 610064；2.成都西圖科技有限公司，四川 成都 610064）

巖屑錄井[1]是地質(zhì)錄井工作發(fā)現(xiàn)油氣層、評(píng)價(jià)油氣層的重要方法之一。巖屑數(shù)字熒光圖像錄井技術(shù)是油氣勘探開(kāi)發(fā)生產(chǎn)現(xiàn)場(chǎng)直觀發(fā)現(xiàn)、快速分析油氣層的實(shí)用性創(chuàng)新技術(shù)，是集計(jì)算機(jī)圖像處理、分析、識(shí)別和應(yīng)用技術(shù)于一體的地質(zhì)錄井。以往估測(cè)含油砂巖的含油組分主要是靠人工經(jīng)驗(yàn)的方式，因此，巖屑錄井資料的準(zhǔn)確性受人為因素的影響較大，現(xiàn)場(chǎng)資料的可比性、實(shí)用性存在著很大的局限性，難以達(dá)到油氣勘探對(duì)錄井工作的要求[2]。為了解決這一難題，在大量室內(nèi)實(shí)驗(yàn)研究工作的基礎(chǔ)上，首先建立了含油砂巖巖屑的識(shí)別方法，以此為基礎(chǔ)建立了巖屑樣品中各含油砂巖含油組分分析的檢測(cè)方法，成功地開(kāi)發(fā)出巖屑熒光圖像分析系統(tǒng)，實(shí)現(xiàn)了巖屑樣品中各類(lèi)巖屑百分含量和含油砂巖含油組分分析檢測(cè)的自動(dòng)化和定量化，為及時(shí)發(fā)現(xiàn)油氣層和評(píng)價(jià)油氣層提供可靠信息。

巖屑熒光圖像分析系統(tǒng)是實(shí)現(xiàn)熒光圖像后期處理及分析的一套軟件系統(tǒng)，用于巖屑熒光圖像砂巖面積的識(shí)別、組分分析與分類(lèi)識(shí)別以及信息管理等方面。該系統(tǒng)主要包含巖屑熒光圖像砂巖面積的識(shí)別和巖屑熒光圖像的含油組分分析兩個(gè)部分。

1 巖屑熒光圖像砂巖面積的識(shí)別

巖屑主要是泥巖和砂巖的混合物，而含油部分主要集中在砂巖中，因此需要把熒光圖像中砂巖部分做識(shí)別和提取處理。然而熒光圖像（如圖1所示）下巖屑顆粒間邊界不明顯，難以準(zhǔn)確區(qū)分泥巖和砂巖。

巖屑圖像采集系統(tǒng)[3]是巖屑熒光圖像分析系統(tǒng)的前端系統(tǒng)，它主要用于采集巖屑圖片，而且此系統(tǒng)可以通過(guò)改變光源，對(duì)同一巖屑樣本在嚴(yán)格的同一視域下分別采集熒光圖像和白光圖像。由于熒光圖像下對(duì)泥巖和砂巖的識(shí)別提取存在很大困難，因此在白光圖像下首先將巖屑圖像中的顆粒分割為一個(gè)一個(gè)的閉合區(qū)域[4]，再根據(jù)砂巖和泥巖的一些紋理和顏色特征對(duì)砂巖部分進(jìn)行提取，這樣就可以完整地識(shí)別并提取出砂巖部分。

圖1 巖屑熒光圖像

在分割巖屑各個(gè)顆粒的過(guò)程中，本系統(tǒng)采用邊緣流分割算法進(jìn)行顆粒間邊界的提取，具體原理如下。

邊緣流算法[5]首先是對(duì)圖像中的每個(gè)像素點(diǎn)確定指向該點(diǎn)最近邊緣的流方向；然后檢測(cè)相反方向的邊緣流矢量相遇的位置[6]，該位置即圖像中對(duì)象的邊緣。

圖像中像素點(diǎn)s在θ方向上的邊緣流矢量為F（s，θ），定義為：

其中，E（s，θ）為圖像像素點(diǎn) s沿 θ方向的邊緣能量，用于描述顏色、紋理等圖像信息沿θ方向的變化強(qiáng)度；P（s，θ）表示從圖像像素點(diǎn)s往θ方向可能找到邊緣的概率；P（s，θ+π）表示從像素點(diǎn) s往（θ+π）方向可能找到邊緣的概率。 P（s，θ）和 P（s，θ+π）用來(lái)描述邊緣流方向的可能性。邊緣流的定義提供了一個(gè)統(tǒng)一的框架，將圖像的色彩和紋理等不同的圖像特征結(jié)合起來(lái)。

下面介紹邊緣流計(jì)算過(guò)程中要用到的主要公式。

（1）GD（the first derivative of Gaussian）

x軸方向上高斯函數(shù)的一階導(dǎo)數(shù)為：

將GD與圖像亮度卷積可以得到圖像亮度變換的強(qiáng)弱。

（2）DOOG（the difference of offset Gaussian）

x軸方向高斯函數(shù)的偏移差分為：

其中，d是兩個(gè)高斯核中心的距離，與σ成正比。

通過(guò)旋轉(zhuǎn)式（2）和式（3），可以得到它們?cè)诓煌?θ下的表示：

其中，GDσ，θ（x，y）表示高斯函數(shù)沿著 θ方向的一階導(dǎo)數(shù)，DOOGσ，θ（x，y）表示高斯函數(shù)沿著 θ方向平移距離 d 的偏移差分，x′=xcosθ+ysinθ，y′=-xsinθ+ycoxθ。

運(yùn)用邊緣流矢量定位邊緣的主要操作步驟為：首先將彩色圖像進(jìn)行顏色空間轉(zhuǎn)化，由RGB空間轉(zhuǎn)化為L(zhǎng)ab空間，然后在單一尺度下構(gòu)造邊緣流矢量。計(jì)算當(dāng)前點(diǎn)的邊緣流矢量時(shí)，可以統(tǒng)計(jì)8或16方向的邊緣流矢量場(chǎng)，計(jì)算每個(gè)方向上找到邊緣的概率，概率的大小與存在邊緣的可能性成正比，由此確定該點(diǎn)矢量方向[7]。當(dāng)遍歷完整幅圖像后，繪制邊緣流矢量圖，矢量圖中邊緣流矢量方向相反處就是圖像中目標(biāo)邊緣所在的位置。

假設(shè)ai為第i個(gè)邊緣流矢量的加權(quán)系數(shù)，則有Σiai=1。計(jì)算好各種邊緣流之后，合成的邊緣流矢量可以表示為：

本文選用Lab色彩模型中的亮度信息L分量構(gòu)造邊緣流矢量，因?yàn)榱炼刃畔與顏色信息a、b相對(duì)獨(dú)立，在尋找目標(biāo)邊緣時(shí)，亮度信息起著重要的作用，亮度變化較大的地方就是邊緣，適合于圖像分割[8]。

給定尺度參數(shù) σ，則邊緣能量 E（s，θ）定義為尺度圖像Iσ，L（x，y）沿著 θ方向 的梯 度幅值，即：

其中，s=（x，y）是圖像的像素點(diǎn)，IL=（x，y）是圖像 I（x，y）轉(zhuǎn)到 Lab色彩空間 L通道中點(diǎn)（x，y）的強(qiáng)度值，n表示 θ方向的單位法矢量。從式（7）可以看出，邊緣能量 E（s，θ）實(shí)際上就是圖像 IL（x，y）與高斯函數(shù) Gσ（x，y）卷積后得到的尺 度 圖 像 Iσ，L（x，y），在 θ方 向 上 也 就 是 尺 度 圖 像 梯 度 的大小，反映了尺度圖像強(qiáng)度的強(qiáng)弱變化[9]。

在得到 E（s，θ）后，尋找 P（s，θ）最大值（也就是 s 點(diǎn)附近最有可能的邊緣方向）對(duì)應(yīng)的θ，該θ對(duì)應(yīng)的方向就是邊緣所在的方向。

邊緣流矢量包括它的方向和幅值[10]。s點(diǎn)邊緣流矢量的方向就是式（8）中的 θ（s）。 而在 θ（s）方向上的邊緣能量 E（s，θ（s））就是邊緣流矢量的幅值。 圖 2從一維角度說(shuō)明了邊緣流矢量對(duì)邊緣的定位效果。在邊緣左邊的點(diǎn)，由于 P（left）P（right），因此這些點(diǎn)上的 θ（s）都指向左邊，即邊緣流的方向是左[11]。兩個(gè)方向的邊緣流相遇的地方就是邊緣的位置。

從前面的敘述中已經(jīng)了解到，影響邊緣流矢量結(jié)果的唯一因素就是尺度因子σ。經(jīng)過(guò)大量的測(cè)試，在泥巖和砂巖的混合物中，σ=3分割效果比較好，如圖3所示。

圖2 原圖及邊緣定位圖

圖3 尺度參數(shù)ρ=3的分割效果

細(xì)線就是本文通過(guò)邊緣流分割提取出來(lái)的邊緣分割線，從圖3可以明顯看出，各個(gè)顆粒已被劃分為獨(dú)立的閉合區(qū)域。根據(jù)砂巖的紋理和顏色特征[12]填充砂巖的閉合區(qū)域，如圖4所示。

圖4 邊緣流分割提取的目標(biāo)

對(duì)比圖3和圖4可以發(fā)現(xiàn)，基本上所有的砂巖部分都提取出來(lái)了。通過(guò)這種方法，本文另外測(cè)試了多個(gè)巖屑樣本，基本上都識(shí)別出巖屑樣本中的砂巖部分。

2 巖屑熒光圖像含油組分分析與分類(lèi)識(shí)別

把在白光圖像下提取的砂巖圖像疊加到熒光圖像上，再分析砂巖區(qū)域的顏色、亮度等特征，從而得到巖屑的含油組分。

巖屑熒光分析系統(tǒng)采用聚類(lèi)算法對(duì)彩色色譜圖進(jìn)行分層訓(xùn)練，生成訓(xùn)練文件。在此基礎(chǔ)上，對(duì)熒光圖像的發(fā)光強(qiáng)度、波長(zhǎng)、顏色、亮度和飽和度進(jìn)行彩色分類(lèi)，將不同區(qū)域點(diǎn)標(biāo)記為輕質(zhì)油、中質(zhì)油和重質(zhì)油，同時(shí)記錄下類(lèi)別的顏色等待征。通過(guò)以上過(guò)程，可以得到目標(biāo)區(qū)域的分類(lèi)情況，最后用不同顏色顯示不同組分類(lèi)別，其實(shí)現(xiàn)原理見(jiàn)參考文獻(xiàn)[13]。砂巖分類(lèi)結(jié)果如圖5所示。

圖5中，輕質(zhì)油、中質(zhì)油及重質(zhì)油分別以不同顏色代表，這幅圖像所代表的巖屑樣本中輕質(zhì)油和中質(zhì)油比較多，而重質(zhì)油的含量較少。圖6是另外兩個(gè)樣本的砂巖分類(lèi)圖，其中左圖代表的巖屑樣本含有中質(zhì)油和重質(zhì)油的比例較高，右圖則含有輕質(zhì)油和重質(zhì)油的比例較高。

圖5 砂巖分類(lèi)效果圖

圖6 其他樣本的砂巖分類(lèi)效果圖

通過(guò)以上的一系列處理，就可以得到熒光圖像的石油含量組分分析，而且效果很直觀，據(jù)此可以得到巖屑樣本的含油情況。

本文在巖屑熒光系統(tǒng)下，通過(guò)對(duì)白光圖像進(jìn)行巖屑間顆粒的邊界提取，然后再根據(jù)砂巖和泥巖的紋理特征識(shí)別出巖屑中的砂巖目標(biāo)，解決了在熒光圖像下無(wú)法準(zhǔn)確識(shí)別砂巖的弊端，實(shí)驗(yàn)結(jié)果證明此方法可以較為完整地獲得巖屑中的砂巖目標(biāo)。最后參照系統(tǒng)生成的訓(xùn)練文件對(duì)砂巖目標(biāo)進(jìn)行分類(lèi)，得到巖屑熒光圖像的含油組分分析。此外，本系統(tǒng)在分析識(shí)別砂巖含油組分的過(guò)程中具有一定的智能化和自動(dòng)化，為地質(zhì)部門(mén)對(duì)巖屑含油量進(jìn)行定量分析提供了便利。

[1]王春艷，王新順，王延華，等.基于不同光譜技術(shù)的原油樣品的熒光分析[J].光譜學(xué)與光譜分析，2006，26（4）：728.

[2]鮑云杰，高玉凱，石景艷，等.巖屑定量描述評(píng)價(jià)儀的研制[J].測(cè)井技術(shù)，1999，23（1）：68-71.

[3]鄧明霞.巖屑圖像采集影響因素及圖像采集標(biāo)準(zhǔn)[J].錄井工程，2007，18（2）：17-20.

[4]慈興華，向巧玲，陳方鴻，等.定量熒光分析技術(shù)在原油性質(zhì)判別方面的應(yīng)用探討[J].石油實(shí)驗(yàn)地質(zhì)，2004，26（1）：100-102.

[5]MA W Y， MANJUNATH B S.Edge flow： a technique for boundarydetectionandimagesegmentation[J].IEEETransactions on Image Processing， 2000，9（8）：1375-1388.

[6]宋頂利，楊炳儒，于復(fù)興.Edge flow數(shù)字圖像邊緣檢測(cè)[J].微電子學(xué)與計(jì)算機(jī)，2011，12（4）：81-87.

[7]劉楠，舒寧.基于局部光譜空間分析的多尺度邊緣檢測(cè)[J].國(guó)土資源遙感，2005，65（3）：34-38.

[8]張鋒.砂巖薄片圖像分割關(guān)鍵技術(shù)研究[D].成都：四川大學(xué)，2006.

[9]CHANG C C，LIN C J.LIBsVM： a library for support vector machines[EB/OL].2011-10-15.httpl//www.Csi.ntu.edu.tw/～cjlln/libsvm， 2011-03-09.

[10]曹華美，吳曉紅，羅代升.融合邊緣流和模糊區(qū)域聚類(lèi)的巖心圖像分割 [J].計(jì)算機(jī)工程與應(yīng)用，2013（6）：187-189.

[11]韋宏強(qiáng)，李彤華，鄭屹，等.基于多結(jié)構(gòu)元素形態(tài)學(xué)的圖像邊緣檢測(cè)算法 [J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，22（28）：5452-5447.

[12]王東強(qiáng)，李文東，劉宗林，等.基于傅里葉變換的巖屑紋理特征提取及巖性識(shí)別方法研究 [J].石油實(shí)驗(yàn)地質(zhì)，2008，30（4）：420-423.

[13]何霽，滕奇志，羅代升，等.一種改進(jìn)的 ISODATA算法及在彩色熒光圖像中的應(yīng)用[J].四川大學(xué)學(xué)報(bào)，2007，44（3）：563.