[發(fā)明專利]一種巖心CT裂紋識別與分割方法

有效

• 申請?zhí)枺?/td>: 202110378251.3
• 申請日: 2021-04-08
• 公開（公告）號: CN112991370B
• 公開（公告）日: 2022-11-25
• 發(fā)明（設(shè)計）人: 鄒永寧;張智斌;余浩松;李琦
• 申請（專利權(quán)）人: 重慶大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/149;G06T7/194;G06V10/764;G06V10/774;G06V10/776
• 代理公司: 北京同恒源知識產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

本發(fā)明涉及一種巖心CT裂紋識別與分割方法，屬于圖像處理技術(shù)領(lǐng)域。按1:6的比例將數(shù)據(jù)集分為測試集和訓練集，并對所有圖像進行自適應中值濾波與Hessian矩陣線狀濾波，以增強圖像質(zhì)量；再將訓練集圖像分割為若干尺寸一致的小圖像，并對分割得到的子圖提取Hu不變矩特征、灰度共生矩陣特征以及灰度均值特征，并利用得到的特征矩陣訓練SVM預測模型；將測試集的圖像分割為相同尺寸的圖像塊并提取相同的特征，利用得到的SVM模型對圖像塊進行預測，完成裂紋的粗定位；最后利用活動輪廓分割方法對包含裂紋的圖像塊進行分割，得到最終的裂紋分割結(jié)果。該發(fā)明能夠準確、快速的分割出巖心CT圖像中的裂紋缺陷，且具有較強的抗干擾性。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種巖心CT裂紋識別與分割方法。

背景技術(shù)

計算機層析成像(Computed Tomography,CT)利用X射線穿過不同物質(zhì)的衰減信息，采用一定的重建算法得到被測物體內(nèi)部密度分布，其圖像清晰，分辨率高，是世界公認的先進的無損檢測手段之一，已廣泛應用在航天、航空、醫(yī)學、生物、工業(yè)、農(nóng)業(yè)、電子和考古等領(lǐng)域。

CT技術(shù)被廣泛的應用在油氣勘探領(lǐng)域中，尤其是在巖心分析方面。從巖心CT掃描圖像中，不僅可以識別出儲層的儲集空間類型(比如裂縫、溶洞、溶孔等信息)，還可以識別裂縫發(fā)育的密集和張開度、溶蝕空洞的分布情況、計算巖心的孔隙度等信息。要實現(xiàn)巖心的各種分析，首先需要分割出巖心CT圖像中的裂紋。

裂紋分割目前已經(jīng)有諸多研究成果。例如：OliveiraH等人使用動態(tài)閾值法和熵進行了道路圖像裂縫分割；Landstrom A等人采用形態(tài)學方法和邏輯回歸模型提取了道路表面圖像中縱向裂縫；LiuL等人研究了基于小波變換和C-V模型的CT圖像裂縫分割；LiZ等人提出了基于有限平面積分變換(FPIT)和planelet的CT圖像裂縫分割方法；巖心CT圖像裂紋分割目前也已經(jīng)有了諸多研究，例如：楊瑞娜使用改進的水平集算法對巖心CT圖像進行分割；吳曉元等人利用FasterR-CNN對裂紋位置進行定位后，再用改進的閾值分割對圖像分割；何風等人利用蟻群聚類算法對巖心CT圖像中的裂紋進行分割。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種巖心CT裂紋識別與分割方法。為了進一步提高巖心裂紋分割算法的分割準確性、魯棒性和自動化程度，基于支持向量機和活動輪廓的巖心CT圖像裂紋分割方法的特點在于使用了灰度共生矩陣、Hu不變矩以及灰度均值作為特征，其中灰度共生矩包含6種特征，分別為：對比度、相關(guān)性、能量、逆方差、方差、均值和，Hu不變矩包含了7種具有旋轉(zhuǎn)、縮放和平移不變性的特征。基于支持向量機和活動輪廓的巖心CT圖像裂紋分割方法的優(yōu)點在于它不需要大量的訓練數(shù)據(jù)，便可根據(jù)裂縫的特征初步定位出CT圖像中的裂縫位置，縮小圖像分割的區(qū)域，且具有較高的正確性。再利用活動輪廓分割方法得到最終的裂縫分割結(jié)果。

為達到上述目的，本發(fā)明提供如下技術(shù)方案：

一種巖心CT裂紋識別與分割方法，該方法包括以下步驟：

S1：將樣本圖像按1:6的比例分為測試樣本和訓練樣本，并對所有圖片做自適應中值濾波與Hessian矩陣線狀濾波，實現(xiàn)樣本圖像的降噪與增強；

S2：將S1中的訓練集圖像分割為32×32的圖像塊并將圖像塊分類為背景子圖、工件邊緣子圖、無裂紋工件內(nèi)部子圖和有裂紋工件內(nèi)部子圖，再對每類子圖提取特征矩陣，并分別命名為data0、data1、data2和data3；

S3：用S2中得到的特征矩陣訓練三個SVM模型：SVM1、SVM2和SVM3；

SVM1用于區(qū)分圖像工件區(qū)域和背景區(qū)域，其正樣本為工件區(qū)域子圖data1+data2+data3，負樣本為背景區(qū)域子圖data0；

SVM2用于區(qū)分工件的邊緣區(qū)域和工件內(nèi)部區(qū)域，其正樣本為工件內(nèi)部區(qū)域子圖data2+data3，負樣本為工件邊緣子圖data1；