2. 中国石油集团川庆钻探工程公司测井公司, 重庆 400021;
3. 中国海洋石油总公司中海油田服务股份有限公司, 河北 三河 065201
2. Logging Division of Chuanqing Drilling Engineering Co.Ltd., CNPC, Chongqing 400021, China;
3. China Oilfield Services Limited, CNOOC, Sanhe 065201, China
电阻率成像测井能够得到井眼周围的二维电阻率图像, 该图像较为清晰和直观地反映井周的地层构造和结构特征。利用电阻率成像测井图像的直观性及可视性, 可以帮助解决常规测井难以解决的问题[1-2]。但由于井眼半径及电阻率成像测井仪器结构上的特点, 当仪器测量处于张开状态时, 覆盖率不能达到100%, 各极板之间存在空白区域, 在电阻率测井图像上出现白色条带。因此相对于声波成像测井图像, 已知信息量相对偏少, 从而影响了电阻率成像测井图像的进一步解释与地质目标的精确识别[3-4]。
电阻率测井图像上空白区域填充属于信息学中图像修复。目前, 图像修复方法一般分为基于纹理合成的图像修复方法和基于结构的图像修复方法两大类[5-6]。基于结构的修复算法主要是插值算法, 例如反距离加权、拉格朗日插值等算法。康晓泉等[7]利用空白区域之间相邻极板的电阻率值对空白区域进行插值, 实现了空白区域的信息填充。插值算法原理简单、处理快速, 但存在着明显的处理痕迹, 整体视觉效果较差, 不能满足实际工程需要。2000年, BERTALMIO等[8]提出了基于偏微分方程的修复算法; 2001年, CHAN等[9]提出基于总体变分(Total Variation, TV)模型的修复方法。基于结构的图像修复算法能很好地修复图像的线结构(如目标轮廓), 但不能恢复纹理细节, 不能用于修复大的纹理区域。李潮流等[10]针对FMI图像的特点, 采用基于样本块的图像修补方法对FMI图像进行修复, 可以非常逼真、自然地修复受损图像, 并将其应用到恢复裂缝形态、准确计算裂缝参数以及消除钻具刮擦及极板污染造成的图像中非地层因素的影响, 从而为测井和地质分析提供地层真实的FMI图像。倪路桥等[11]采用一种基于纹理合成的图像修复算法处理超声测井图像。HURIEY等[12]提出了基于多点地质统计Filtersim方法, 用于修复电成像测井图像中的空白条带区域, 在简单地层图像情况下获得良好的图像修复效果。
与基于插值方法和基于偏微分方程的修复方法相比, 基于纹理合成方法与基于多点地质统计的修复方法在模拟过程中考虑了处理窗长内整幅图像的统计信息, 图像修复效果比插值方法与偏微分方程方法好。但基于多点地质统计的图像修复方法需在整个图像区域中寻找空白区域的最佳模式匹配块。这种全局搜索方法不但耗时, 而且忽略了图像之间的局部相似性, 修复速度相对较慢, 不利于实际电成像测井图像修复; 同时, 基于多点地质统计的修复方法, 在修复均匀性比较好的地层图像时, 图像修复效果较好, 在修复大区域、非均匀性比较严重的地层时, 存在匹配不确定性, 导致图像修复结果出现异常。
本文对基于多点地质统计的图像修复方法进行改进, 结合插值方法和多点地质统计的图像修复方法, 提出了一种混合图像修复方法。该方法利用插值方法先快速插值电成像测井图像的空白区域, 利用其初步图像插值结果在原空白区域进行滤波, 在滤波域进行空白区域模式匹配, 寻找该区域最佳模式匹配块, 由于在基于多点地质统计的图像修复时, 非均匀性比较严重地层的空白区域利用了初步图像插值结果, 增加了信息量, 降低了该区域模式匹配的不确定性, 因而图像修复结果可靠。
1 结合多点地质统计与插值方法的全井周电成像图像修复方法 1.1 基于多点地质统计的修复方法由于电成像图像之间空白区域较大, 一般基于插值、微分方程与纹理合成等修复方法不能得到好的修复效果, 因而不能满足实际工程需要, 需要采用大块信息不完备电成像图像修复方法。
基于多点地质统计的修复一般基于Filtersim模拟来实现其算法[13-14]。Filtersim模拟算法是一组基于滤波原理的多点地质统计方法, 利用6个不同方向的滤波器对训练图像进行滤波, 滤波器是一组各像素位置带权的数据模板。利用各组滤波器对训练图像进行滤波, 可以得到数据模板区域内的滤波值, 利用该滤波值对各模式进行分类。在进行模式分类的基础上, Filtersim利用上述6个不同方向滤波器对原空白区域进行滤波, 获得各数据事件的滤波值, 然后通过滤波值比较各数据事件与训练图像中各模式, 最后, 将最相近的模式“粘贴”到待模拟区域。由于在滤波域进行了模式滤波处理, 维数变为滤波维数, 维数降低了, 因而该方法模拟速度变快[15]。
1.2 基于反距离加权插值的修复方法反距离加权插值属于一种加权插值法, 以近似的方式进行信息填充。权系数由各方次控制, 较近的数据点赋给一个较高的权重。各点的权系数为该影响点到插值点距离的倒数, 插值点处的值是所有影响点的值与权系数的乘积之和[16]:
$ {Y_j} = \sum\limits_{i = 1}^N {{\lambda _i}{X_i}} $ | (1) |
式中:Yj为插值点的值; N为影响点个数; Xi为影响点的值; λi为对应各影响点的权系数。
1.3 一种混合图像修复方法在对图像进行修复的过程中, 插值算法原理简单、处理快速, 能很好地修复图像的线结构特征区域, 但是不能用于修复大的图像纹理区域。基于多点地质统计的图像修复方法, 在模拟过程中考虑了处理窗长内整幅图像的统计纹理信息, 对大的纹理区域修复效果比较好。在对非均匀性比较严重的地层图像进行修复时, 由于在滤波域中利用滤波值进行空白区域模式匹配, 模式匹配存在不确定性, 因而使图像修复结果出现异常。
在修复非均匀性比较严重的复杂地层电成像测井图像时, 本文采用结合插值方法与基于多点地质统计方法的一种混合图像修复方法, 其图像修复流程如图 1所示。
针对实测电成像图像进行空白区域修复时, 根据井径确定极板之间的空白区域。图 2为不带方位角的砂泥岩地层的实测电成像图像。一方面, 每个极板的纽扣电极为24或25个, 根据井径确定极板之间的空白区域为19个, 可以看出, 相对极板区域的空白宽度相对比较大; 另一方面, 不同粒度的砂岩使该段地层非均匀性非常严重。因此, 一般修复方法很难得到好的修复效果。图 3是不带方位角的实测电成像图像区域与空白区域示意图。图 3中, 蓝色点是实际测量点, 白色点(含绿色点)是插值点。采用本文方法对空白区域进行修复, 先对空白区域进行插值, 然后采用多点地质统计方法修复。
进行插值时, 插值点会受周围实际测量点影响, 本文选取空白区域两侧各3列(共6列)及插值点所在行上、下各2行(共5行)的点作为其影响点。例如, 计算绿色插值点处值时, 所有蓝色点作为其影响点。在计算完一个插值点的值之后, 滑动窗移动至下一个采样间隔, 继续计算窗口中其它的插值点值。
每个实际测量点对插值点的贡献由各个实测影响点的值及其权系数决定, 权系数采用反距离加权法确定。将图 3中所有影响点写成矩阵形式:
$ \left[ {\begin{array}{*{20}{c}} {X\left[ {1,1} \right]}&{X\left[ {1,2} \right]}&{X\left[ {1,3} \right]}& \ldots &{X\left[ {1,9} \right]}&{X\left[ {1,10} \right]}&{X\left[ {1,11} \right]}\\ {X\left[ {2,1} \right]}&{X\left[ {2,2} \right]}&{X\left[ {2,3} \right]}& \ldots &{X\left[ {2,9} \right]}&{X\left[ {2,10} \right]}&{X\left[ {2,11} \right]}\\ {X\left[ {3,1} \right]}&{X\left[ {3,2} \right]}&{X\left[ {3,3} \right]}& \ldots &{X\left[ {3,9} \right]}&{X\left[ {3,10} \right]}&{X\left[ {3,11} \right]}\\ {X\left[ {4,1} \right]}&{X\left[ {4,2} \right]}&{X\left[ {4,3} \right]}& \ldots &{X\left[ {4,9} \right]}&{X\left[ {4,10} \right]}&{X\left[ {4,11} \right]}\\ {X\left[ {5,1} \right]}&{X\left[ {5,2} \right]}&{X\left[ {5,3} \right]}& \ldots &{X\left[ {5,9} \right]}&{X\left[ {5,10} \right]}&{X\left[ {5,11} \right]} \end{array}} \right] $ |
计算出窗口中各个实际测量影响点的权系数, 例如图 3中实际测量影响点X[5, 11]到插值点X[3, 4]的权系数
对空白区域插值后, 再对该区域进行6个方向滤波, 该窗口空白区域就有了插值结果, 与插值前相比, 窗口中信息量增加了。图 4为实测电成像图像插值后的滤波窗口(5×5数据点), 蓝色点是实测点, 绿色点表示空白插值点。由于窗口中空白区域已有初步插值信息, 能在滤波域中比较可靠地寻找到该窗口的最接近数据事件的类, 从该类中随机提取出1个模式, 然后“粘贴”到相应的待模拟区域上, 就完成了对该窗口的修复。
图 5显示了采用不同方法进行图像修复处理的结果。图 5a为原始电成像数据, 可以看出, 地层结构变化复杂, 极板之间空白区域较大。采用距离反比加权的插值法对图 5a所示的空白区域进行插值处理, 结果如图 5b所示。图 5c和图 5d分别为采用基于多点地质统计图像修复方法和本文提出的混合方法对图 5a空白区域进行图像修复的结果。对比图 5b, 图 5c与图 5d可以看出, 插值结果中出现空白区域条带现象比较明显; 采用基于多点地质统计学修复结果中空白区域出现很多异常结果, 这是因为滤波窗口中很多为空白点, 导致匹配异常所致; 而采用本文方法图像修复结果最好, 主要是因为先对空白区域进行了插值处理, 滤波窗口中所有点都有初步信息, 滤波匹配比较容易寻找最佳模式, 减少了出现异常模式的概率。以100m修复为例进行比较, 插值方法、基于多点地质统计方法与本文方法图像修复时间分别为86, 174, 197s, 说明本文方法图像修复时间增加的幅度不大, 可以接受。
图 6a为连续地层实测电成像数据。采用本文方法对图 6a所示的空白区域修复后, 进行带方位处理, 结果如图 6b所示。图 6a地层为连续性比较明显的砂泥岩地层, 极板之间空白区域较大。从图 6b可以看出, 不仅空白处未出现条带现象, 层理界面连续性较好, 而且一些地质目标通过修复恢复了原貌, 如:1653m附近的低阻目标体通过修复恢复了原始形状。因此, 采用本文混合图像修复方法, 通过插值处理, 比较容易寻找正确的模式, 减少了出现异常模式的概率, 取得较好的图像修复效果。
图 7a为非均匀性强的孔洞地层原始电成像数据。图 7b为采用本文图像修复方法对图 7a所示的空白区域进行修复的结果。可以看出, 对于宽度较大的空白区域与非均匀性强的孔洞地层图像, 修复后图像结果显示, 孔洞分布均匀, 没有出现条带与虚假的孔洞现象。
图 8a为非均匀性强的裂缝地层原始电成像数据。图 8b为采用本文修复方法对图 8a所示的空白区域图像进行修复的结果。可以看出, 对于宽度较大的空白区域与非均匀性非常严重的裂缝地层图像, 修复后结果显示, 裂缝完整, 没有出现条带与虚假的裂缝现象。
由于井身结构和电成像测井仪器结构上的原因, 各极板之间存在空白区域, 在电阻率测井图像上出现白色区域, 影响了图像的效果, 不利于后续的成像测井图像处理与地质结构的识别, 利用电成像资料进行资料处理与解释前, 需要对电成像空白区域进行全井周电成像图像修复。基于多点地质统计的图像修复方法在模拟过程中考虑了处理窗长内整幅图像的统计信息, 在修复储层非均匀性较强的地层图像时, 会使匹配出现不确定性, 导致图像修复结果出现异常。而本文提出的混合图像修复方法, 在修复宽度较大的空白区域与非均匀性比较严重的地层图像时, 通过插值处理, 比较容易寻找正确的模式, 减少了出现异常模式的概率, 能取得较好的图像修复效果。
[1] |
张莹, 潘保芝, 印长海, 等. 成像测井图像在火山岩岩性识别中的应用[J].
石油物探, 2007, 46(3): 288-293 ZHANG Y, PAN B Z, YIN C H, et al. Application of imaging logging maps in lithologic identification of volcanics[J]. Geophysical Prospecting for Petroleum, 2007, 46(3): 288-293 |
[2] |
左程吉, 王祝文, 向旻, 等. 基于电成像测井孔隙度分析技术的火山岩孔隙径向非均质性研究[J].
石油物探, 2016, 55(3): 449-454 ZUO C J, WANG Z W, XIANG M, et al. The radial pore heterogeneity of volcanic reservoir based on the porosity analysis of micro-electric imaging logging[J]. Geophysical Prospecting for Petroleum, 2016, 55(3): 449-454 |
[3] |
赵舒. 微电阻率成像测井资料在塔河油田缝洞型储层综合评价中的应用[J].
石油物探, 2005, 44(5): 509-516 ZHAO S. The application of microresistivity imaging log in the evaluation of carbonate fracture-vug reservoir in Tahe oilfield[J]. Geophysical Prospecting for Petroleum, 2005, 44(5): 509-516 |
[4] |
张程恩, 潘保芝, 张晓峰, 等. FMI测井资料在非均质储层评价中的应用[J].
石油物探, 2011, 50(6): 630-633 ZHANG C E, PAN B Z, ZHANG X F, et al. Application of FMI logging data in evaluation of heterogeneity reservoirs[J]. Geophysical Prospecting for Petroleum, 2011, 50(6): 630-633 |
[5] |
魏欣, 蒋华伟. 基于纹理和结构的图像修复算法研究[J].
计算机技术与发展, 2010, 20(9): 90-93 WEI X, JIANG H W. Study on inpainting algorithm based on image structure and texture[J]. Computer Technology and Development, 2010, 20(9): 90-93 |
[6] |
何金海, 李薇, 屈磊, 等. 一种改进的基于样本的图像修复方法[J].
计算机工程, 2008, 34(14): 182-184 HE J H, LI W, QU L, et al. Improved method for exemplar-based image inpainting[J]. Computer Engineering, 2008, 34(14): 182-184 |
[7] |
康晓泉, 周正志, 贺维胜, 等. 一种电成像测井图全井壁复原方法: 510075171[P]. 2005-06-10
KANG X Q, ZHOU Z Z, HE W S, et al. Full well wall restoring method for electric imaging logging map: 510075171[P]. 2005-06-10 |
[8] | BERTALMIO M, SAPIRO G, CASELLES V, et al. Image inpainting[R]. New Orleans: Proceedings of ACM SIGGRAPH, 2000: 417-424 |
[9] | CHAN T, SHEN J. Local inpainting models and TV inpainting[J]. SIAM Journal on Applied Mathematics, 2001, 62(3): 1019-1043 |
[10] |
李潮流, 周灿灿, 黄书先. FMI成像测井失真图像的修复及其地质应用[J].
石油天然气学报, 2007, 29(1): 88-91 LI C L, ZHOU C C, HUANG S X. Inpainting of distorted fmi image and its geologic application[J]. Journal of Oil and Gas Technology, 2007, 29(1): 88-91 |
[11] |
倪路桥, 余厚全, 李长文, 等. 基于纹理的超声成像测井图像"城墙效应"修复研究[J].
测井技术, 2014, 34(5): 428-431 NI L Q, YU H Q, LI C W, et al. Ultrasonic logging image restoration based on Texture[J]. Well Logging Technology, 2014, 34(5): 428-431 |
[12] | HURLEY N F, ZHANG T F. Method to generate fullbore images using borehole images and multi-point statistics[J]. SPE Reservoir Evaluation MYM Engineering, 2011, 14(2): 204-214 DOI:10.2118/120671-PA |
[13] | ZHANG T F, SWITZER P, JOURNEL A G. Filter-based classification of training image patterns for spatial simulatation[J]. Mathematical Geology, 2006, 38(1): 63-80 DOI:10.1007/s11004-005-9004-x |
[14] | ZHANG T F. Filter-based training image pattern classification for spatial pattern simulation[D]. Stanford: Stanford University, 2006 |
[15] |
张挺. 基于多点地质统计的多孔介质重构方法及实现[D]. 合肥: 中国科学技术大学, 2009
ZHANG T. Research on the reconstruction of porous media based on multiple-point geostatistics[D]. Hefei: University of Science and Technology of China, 2009 http://cdmd.cnki.com.cn/article/cdmd-10358-2009111068.htm |
[16] |
孙建孟, 赵建鹏, 赖富强, 等. 电测井图像空白条带填充方法[J].
测井技术, 2011, 35(6): 532-537 SUN J M, ZHAO J P, LAI F Q, et al. Methods to fill in the gaps between pads of electrical logging images[J]. Well Logging Technology, 2011, 35(6): 532-537 |