[发明专利]声电成像测井图的识别方法及相关设备

权利要求书

1.一种声电成像测井图的识别方法，其特征在于，包括：

获取声电成像测井图；

由神经网络模型根据所述声电成像测井图进行地质特征识别，得到所述声电成像测井图对应的地质特征类型；所述神经网络模型是通过样本声电成像测井图和所述样本声电成像测井图对应的标注标签进行训练得到的，所述标注标签用于指示所对应样本声电成像测井图对应的地质特征类型；所述地质特征类型包括层理类型、裂缝类型和孔洞类型；

其中，针对每一种地质特征类型，设定进行地质特征参数计算的处理过程，其中，地质特征参数计算的处理过程包括：

对所述声电成像测井图进行图像分割，得到二值图像；

根据所述二值图像中各像素点的灰度值进行边缘检测，确定所述声电成像测井图中的轮廓线；

根据所确定所述声电成像测井图中轮廓线所在的像素点，计算地质特征参数，所述地质特征参数用于描述所述声电成像测井图所示出的地质特征，所述地质特征包括层理、裂缝和孔洞；用于描述层理的地质特征参数包括：厚度、倾角；用于描述裂缝的地质特征参数包括：裂缝面积、裂缝长度、裂缝平均宽度、裂缝最大宽度、裂缝分形维数、倾角、缝面孔率；用于描述孔洞的地质特征参数包括：孔洞数量、长度、宽度、面积、直径、孔洞面孔率；

其中，所述根据所述二值图像中各像素点的灰度值进行边缘检测，确定所述声电成像测井图中的轮廓线，包括：

根据所述二值图像中各个像素点的灰度值，对所述二值图像中的实体对象进行标记；其中，若所述二值图像中两个像素点八点连通，则所述两个像素点属于同一实体对象，实体对象包括地质层中的表示实体，非实体对象包括地质层中用于标识裂缝、孔洞的空隙区域；

对所述二值图像中被标记的实体对象进行轮廓跟踪和提取，确定所述实体对象的边界点；

根据所述实体对象的边界点进行曲线拟合，得到所述声电成像测井图中的轮廓线；其中，采用Hough变换的方法，将所述二值图像中所确定的边界点变换到参数空间中，确定描述边界点所形成轮廓线的描述参数，基于所确定的边界点提取得到轮廓线和轮廓线的描述参数，对轮廓线进行曲线拟合，得到所述声电成像测井图中的轮廓线。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括输入层、卷积神经网络、全连接神经网络和输出层；

所述由神经网络模型根据所述声电成像测井图进行地质特征识别，得到所述声电成像测井图对应的地质特征类型，包括：

将所述声电成像测井图输入所述输入层；

由所述卷积神经网络对所述输入层的输出进行卷积特征提取，得到所述声电成像测井图对应的卷积特征向量；

由所述全连接神经网络对所述卷积特征向量进行全连接，得到所述声电成像测井图对应的全连接特征向量；

由所述输出层根据所述全连接特征向量进行分类，输出所述声电成像测井图对应的地质特征标签，所述地质特征标签用于指示所述声电成像测井图对应的地质特征类型。

3.根据权利要求2所述的方法，其特征在于，所述卷积神经网络包括一个或多个级联的第一神经网络层，所述第一神经网络层包括级联的卷积层、第一激活函数层和池化层；所述全连接神经网络包括一个或多个第二神经网络层，所述第二神经网络层包括级联的全连接层、第二激活函数层和Dropout层。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练样本集合，所述训练样本集合包括一个或多个样本声电成像测井图和所述样本声电成像测井图对应的标注标签，所述标注标签用于指示所述样本声电成像测井图实际对应的地质特征类型；

由所述神经网络模型对所述样本声电成像测井图进行地质特征类型预测，得到所述样本声电成像测井图对应的预测标签；

根据所述样本声电成像测井图对应的预测标签和所述样本声电成像测井图对应的标注标签，调整所述神经网络模型的参数；

在达到所述神经网络模型的收敛条件时，结束所述神经网络模型的训练。

5.根据权利要求1所述的方法，其特征在于，所述获取声电成像测井图，包括：

获取原始声电成像测井图；

对所述原始声电成像测井图进行预处理，得到所述声电成像测井图，所述预处理包括滤波处理和图像增强处理中的至少一项。