[发明专利]基于海森矩阵滤波的岩心图像裂缝识别方法

说明书

本发明公开了一种基于海森矩阵滤波的岩心图像裂缝识别方法，为实现对不同尺度的裂缝的准确识别，根据尺度空间理论确定用于识别不同尺度的裂缝的M个尺度因子；考虑海森矩阵可以准确地描述扫描图像中图像的曲率变化，确定每个尺度因子下各个像素点的海森矩阵，根据每个尺度因子下的各个海森矩阵确定每个尺度因子下用于表征所有的裂缝的分布结构的强度图像并分割出强度图像中的裂缝；将M个强度图像中的裂缝应用于扫描图像中以识别出扫描图像中的所有的裂缝。相较于现有技术中的裂缝识别方式，该方案可以准确地实现对岩心样品中多尺度裂缝的连续提取以最终实现对裂缝的准确识别，不会出现裂缝断裂不闭合的情况，且识别效率更高。

技术领域

本发明涉及图像识别领域，特别是涉及一种基于海森矩阵滤波的岩心图像裂缝识别方法、系统及装置。

背景技术

油气藏的岩心作为典型的多孔介质发育着多类型的复杂孔隙结构，如孔隙和裂缝。裂缝作为油气藏的储层空间及油气运移和开采的重要通道，对其的识别及研究是油气藏资源评价、开发、改造的必不可少的关键步骤。为此，针对待研究油气藏的岩心样品，在得到该岩心样品的扫描图像后，现有技术中主要采用以下两种方式进行裂缝的识别：

第一种方式是在扫描图像的灰度值分布的一系列阈值算法，例如人工经验法、直方图法、最大类间方差法、自适应阈值法等的基础上，加入如边缘检测法、指示克里格法、分水岭法等后设计的一种比较复杂的混合算法，从而实现对裂缝的识别。但这些混合算法受限于算法本身的设计机理，需要的运算时间很长，且针对非常规油气藏的岩心样品的扫描图像，由于此时该岩心样品中的裂缝呈现出多尺度及裂缝边缘模糊的特征，易出现斜向裂缝断裂、裂缝不闭合与内部空腔等问题，从而导致对裂缝识别的准确度不高。

第二种方式是通过机器学习算法，依靠大量的训练油气藏的岩心样品的扫描图像与识别后的裂缝图像之间的关系来实现对裂缝的识别。但是该方法中最终对裂缝识别的准确度与训练数据量的大小紧密相关，并且不同岩性图像中的裂缝的发育差异较大，因此不能迁移学习，即对于每一种岩性的裂缝的扫描图像都需要进行训练学习，造成其处理效率低，且由于机器学习算法的输入图像往往有固定尺寸大小，所以在裂缝识别过程中，需要对岩心样品的扫描图像进行裁剪、缩放等处理后再进行识别，影响了对于裂缝的识别的准确度。

可见，寻找一种高效、准确且适用性广泛的方法实现对油气藏的岩心中裂缝的识别是目前亟待解决的问题。

发明内容

本发明的目的是提供一种基于海森矩阵滤波的岩心图像裂缝识别方法、系统及装置，可以准确地实现对岩心样品中多尺度裂缝的连续提取以最终实现对裂缝的准确识别，不会出现裂缝断裂不闭合的情况，且识别效率更高。

为解决上述技术问题，本发明提供了一种基于海森矩阵滤波的岩心图像裂缝识别方法，包括：

获取岩心样品的扫描图像；

根据尺度空间理论确定用于识别不同尺度的裂缝的M个尺度因子，其中，M为所述扫描图像中最大尺度的裂缝的缝宽的像素数取整且M为整数；

根据所述扫描图像中各个像素点的第一灰度值确定每个所述尺度因子下各个所述像素点的海森矩阵；

根据每个所述尺度因子下的各个所述海森矩阵确定每个所述尺度因子下用于表征所有的裂缝的分布结构的强度图像并分割出所述强度图像中的裂缝；

将分割后的M个所述强度图像中的裂缝应用于所述扫描图像中以识别出所述扫描图像中的所有的裂缝，其中，对于同一个所述裂缝的识别以M个所述强度图像中所述裂缝最完整闭合的识别版本为基准。

优选的，将分割后的M个所述强度图像中的裂缝应用于所述扫描图像中以识别出所述扫描图像中的所有的裂缝之前，还包括：

确定所述扫描图像的灰度直方图；