[发明专利]融合二次电子和背散射电子图像的区域生长孔隙识别方法

说明书

本发明公开了融合二次电子和背散射电子图像的区域生长孔隙识别方法，包括以下步骤，图像采集：分别采集选定分析区域的背散射图像和二次电子图像；图像预处理：分别对背散射图像和二次电子图像进行灰度校正；孔隙识别：根据二次电子图像和或背散射电子图像成像响应差异构建区域生长算法的停止生长模型；在二维平面上分别判断各个像素点与周围像素点的连通性，归并区块完成分析区域孔隙识别；通过构建区域生长算法停止生长的数学模型，提高区域生长算法孔隙识别的精度，实现了扫描电镜页岩孔隙的高精度识别，在区分孔隙和基质方面具有较好的效果，大大提高了区域生长算法识别孔隙的可行性，并能够取得较高的识别结果。

技术领域

本发明涉及油气储层评价、岩土工程等领域，特别是一种融合二次电子和背散射电子图像的区域生长孔隙识别方法。

背景技术

在页岩孔隙性评价和孔隙结构分析中，扫描电镜是一种广泛的应用技术。对未抛光的样品进行扫描电镜观察可以定性分析页岩的孔隙类型和分布特征，通过对氩离子抛光的页岩样品的扫描电镜观察可以定量统计页岩孔隙的各种参数。但是，人工统计页岩孔隙参数的工作量巨大，一般仅用于科学研究，难以用于工业生产推广，因此很多学者和研发人员都对扫描电镜孔隙的计算机识别技术开展了大量研究。目前已有的识别技术以灰度法和分割法为主。

1、灰度法

扫描电镜的页岩图像中孔隙和基质(包括有机质、无机矿物)的灰度通常存在较为明显的差异，孔隙的灰度值相对较低。因此，可以设定某灰度值A，当分割单元或像素点灰度值小于A时为孔隙，当分割单元或像素点灰度大于A为基质。由于扫描电镜图像属于灰度图像，且灰度识别方法操作简单，因此被广泛应用于扫描电镜孔隙识别。目前，常用的利用灰度法识别孔隙的软件以颗粒(孔隙)及裂隙图像识别与分析系统(PCAS)为代表(刘春等，2018)，戚明辉等(2019)利用J Micro Vision软件的灰度识别功能对扫描电镜下孔隙识别也开展了研究。

由于页岩中孔隙分布于有机质和不同类型的无机矿物中，而有机质和不同类型的无机矿物在扫描电镜下灰度不一，不同类型孔隙的灰度值相对于有机质或者无机矿物的灰度值的高低也存在差别，因此单从灰度值的高低来看，孔隙和基质的灰度值区间往往存在一定的重叠，造成灰度区分孔隙和基质存在一定误差。

2、分割法

根据孔隙、有机质和不同类型的无机矿物在灰度上存在差异，而在它们的边界则会出现灰度值变化。分割法就是根据扫描电镜图像中不同组分(孔隙、有机质、各种无机矿物)的界线处灰度变化，利用数学方法(边缘法、分水岭法等)将扫描电镜图像分割成不同的区块(α)，然后对各个区块(α)进行分别识别。分割法中可以引入区块(α)的灰度、形态等多种参数。

分割法对于较大的孔隙往往具有较好的区分效果，但是孔隙较小时实现难度较大。目前的扫描电镜技术下，观察到的页岩孔隙极限约为放大倍数10万倍下1个像素点，大约是3～6nm，同时也是页岩微纳米孔隙分布的重要尺度。因此，放大倍数10万倍扫描电镜下经常可见几个甚至1个像素点即为1个孔隙的情况，此时如果采用分割法则容易将孔隙作为噪点排除，识别精度大大降低。

扫描电镜图像包括二次电子图像(ETD)、背散射电子图像(BSED)等。二次电子图像(ETD)探测深度较浅，一般小于5nm，能更好的反映分析区域(R)表层结构特征；背散射电子图像(BSED)探测深度较深，一般大于50nm，能更好的反映分析区域(R)的原子序数高低，灰度越高，代表原子序数越高。

由于二次电子图像(ETD)或背散射电子图像(BSED)成像所依据的电子类型不一样，因此成像过程中有机质、无机质、有机质孔隙、无机孔隙的响应特征不一样，且两种电子图像的组合响应特征也不一样。本专利提出在用二次电子图像(ETD)进行区域生长识别的算法中，根据二次电子图像(ETD)或背散射电子图像(BSED)成像响应差异，增加生长停止的算法模型，提高识别精度。