基于CT图像和核聚类的致密砂岩孔隙三维重构

作     者：宋晓晖 

作者单位：东北石油大学 

学位级别：硕士

导师姓名：王梅;孙晓红

授予年度：2023年

学科分类：0820[工学-石油与天然气工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 082002[工学-油气田开发工程] 

主      题：核聚类 超像素 区域合并 孔隙分割 三维重构 

摘      要：致密砂岩油气作为非常规油气资源中最主要的绿色能源,具有巨大的开采价值。其中,致密砂岩孔隙结构能够为油田的开采工作提供有效的信息,但是由于孔隙结构复杂多样,在对其识别时存在一定难度。现有研究多数是对二维的砂岩图像进行孔隙识别,基于致密砂岩扫描图像对孔隙进行三维重构的研究较少。三维重构方法可对孔隙进行三维建模,向油田工作者展示孔隙的内部结构以及分布情况。目前,致密砂岩孔隙的分割准确率较低,导致三维重构的结果与实际的砂岩孔隙结构差距较大。因此,本文使用基于核聚类算法的图像分割和基于光线投射算法的三维重构方法来构建孔隙的三维模型,为孔隙表征提供了一种新的思路,也为在此基础上的研究提供了更具有价值的参考信息。本文主要研究致密砂岩CT图像孔隙的三维重构方法,实现了基于Efficient Net V2-S模型的超像素语义特征提取、基于神经正切核K-Means的聚类算法的超像素合并以及基于光线投射的三维重构方法。主要研究重点如下:1.针对K-Means聚类算法高度依赖样本分布和使用均值法更新聚类中心所带来的的问题,提出了一种基于神经正切核K-Means(Neural Tangent Kernel K-Means,NTKKM)聚类算法。首先,通过神经正切核(NTK)将输入数据进行非线性映射,将数据映射到高维空间;然后,在高维空间中使用结合簇间与簇内距离的K-Means算法对数据进行聚类,并得到聚类结果。为了证明算法的有效性,在公共数据集上进行实验,证明了NTKKM聚类算法与传统的K-Means算法以及高斯核K-Means聚类算法相比,NTKKM聚类算法有更好的聚类结果和更强的稳定性。2.针对致密砂岩CT图像的孔隙分割,提出了一种基于核聚类的孔隙区域合并(NTK-K-Means Clustering of Pore,NTK-KCo P)算法。首先,采用图像滤波和图像增强方法进行预处理;接着,采用SLIC0算法获得图像的超像素块;再结合致密砂岩CT图像的特点,对超像素提取语义特征、灰度特征以及边缘特征;最后,通过判断超像素特征的相似程度和位置上的相似性进行区域合并,得到致密砂岩CT图像孔隙分割效果图。3.实现了基于光线投射算法的致密砂岩CT图像孔隙的三维重构方法。首先,使用基于核聚类的区域合并算法实现了对致密砂岩CT图像孔隙较为准确的分割,在使用光线投射算法时可减少对无效区域的计算;然后,使用三线性插值和包围盒法完成采样点的重采样,最后,使用从前往后的图像合成方法渲染出更符合实际的孔隙三维效果图。最后,依据以上理论,建立了致密砂岩CT图像孔隙的三维重构系统。