[發明專利]基于機器學習的頁巖SEM圖像分割方法

有效

• 申請號: 202011223216.6
• 申請日: 2020-11-05
• 公開（公告）號: CN112348831B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 劉學鋒;萬金彬;程道解;尼浩;夏富軍;張令坦
• 申請（專利權）人: 中國石油大學（華東）;中國石油集團測井有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 濟南魯科專利代理有限公司 37214
• 代理人: 商福全

本發明公開了一種基于機器學習的頁巖SEM圖像分割方法，屬于頁巖成分表征技術領域，其包括：S1、獲取頁巖的SEM二次電子灰度圖像；S2、建立需要分割的成分類別；S3、人工選取各成分類別的圖像區域作為訓練像素；S4、對各個成分類別的圖像區域通過各函數進行濾波處理，提取各特征值，構建訓練數據集；S5、利用訓練數據集訓練隨機森林分類器；S6、采用訓練好的隨機森林分類器對需要分割的頁巖SEM圖像進行分割。本發明提供的基于機器學習的頁巖SEM圖像分割方法，使用特定的函數對原始圖像中每個像素點進行處理，獲得訓練數據集中的各特征值，該訓練數據集有效的提高了所訓練的隨機森林分類器的準確性，提高了圖像分割精度。

技術領域

本發明涉及一種基于機器學習的頁巖SEM圖像分割方法，屬于頁巖成分表征技術領域。

背景技術

國民經濟發展對能源的需求日益攀升，包括頁巖油氣在內的非常規油氣資源越來越受到人們的重視。相比于常規儲層，頁巖具有超低孔隙度和超低滲透率，富含有機質。頁巖儲層孔隙類型多種多樣，有機質內發育大量的納米級孔隙和少量天然裂隙，從成因上可將基質孔隙分為有機孔和無機孔。微觀孔隙組分含量及其孔徑分布是影響頁巖儲層物性、滲透性和電性的關鍵參數，準確評價頁巖微觀結構有助于提高儲層評價精度和開發效率。

SEM測試分辨率高，可用于統計面孔率和孔隙半徑分布已發展成為非常規油氣儲層微觀孔隙結構分析的重要方法。在SEM的基礎上衍生發展出了寬離子束掃描電鏡(BIB-SEM)。寬離子束掃描電鏡采用離子束拋光樣品表面，將表面劃分為一系列網格，對每一網格采用SEM掃描建立高分辨率二維圖像，拼接所有網格的二維圖像建立起大視域高精度二維灰度圖像，兼具高分辨率和大視域的特點，為定量分析頁巖有機質含量、孔隙度和孔隙結構提供了一種新途徑。

在BIB-SEM測試頁巖微觀結構的實踐中，由于頁巖中包含有機質、粘土和石英等多種組分，硬度差異大，難以保證拋光后的樣品端面完全平整。而二次電子的成像模式除了受到表面成分的影響外，還受到表面形貌的影響，例如尖銳的部分亮度較大，平坦的部分亮度低。因此所獲取的SEM二維圖像中組分邊界處存在灰度異常問題，例如孔隙的邊緣會出現異常的高灰度值的區域，這導致圖像難以精確分割。

因此，本發明旨在提供一種先進的頁巖圖像分割方法以解決現有技術中存在的問題。

需要說明的是，上述內容屬于發明人的技術認知范疇，并不必然構成現有技術。

發明內容

本發明的目的在于解決現有技術所存在的問題，提供了一種基于機器學習的頁巖SEM圖像分割方法，解決了頁巖圖像中孔隙邊緣灰度異常區域的分割問題，圖像分割準確度高。

本發明通過采取以下技術方案實現上述目的：

一種基于機器學習的頁巖SEM圖像分割方法，包括如下步驟：

S1、獲取頁巖的SEM二次電子灰度圖像；

S2、根據頁巖的成分特征，建立需要分割的成分類別；

S3、在獲取的灰度圖像中，人工分別選取具有各個成分類別的灰度特征的圖像區域，作為訓練像素，并標注類別標簽；

S4、對屬于各個成分類別的圖像區域通過高斯濾波函數、膜投影濾波函數、雙邊濾波函數、Kuwahara濾波函數和均值濾波函數進行濾波處理，獲取若干個基于像素點灰度的特征值，作為訓練數據集，通過每個濾波函數至少獲取1個特征；

S5、利用訓練數據集訓練隨機森林分類器；

S6、采用訓練好的隨機森林分類器對需要分割的頁巖圖像進行分割。