k-means岩石铸体图像分割及孔隙度的计算

《k-means岩石铸体图像分割及孔隙度的计算》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、K-means岩石铸体图像分割及孔隙度的计算摘要：为了准确获取储层的孔隙度进行地层解释并建立地质模型，设计了基于kmeans的岩石铸体图像分割及孔隙度的计算方法。本设计基于kmeans聚类算法对彩色铸体薄片进行有效分割，并且在分割基础上结合形态学相关知识对图像进行更加精确识别，通过计算机判读二值图像中的孔隙面积与总图像面积比值得到孔隙度值。实验结果表明该方法可以取得好的聚类分割效果，并且使用其他检测方法和计算机判读2种方法求得的孔隙度基本一致,数值较吻合。关键词：彩色分割；kmeans聚类；l*a*b*颜色空间；形态学处理；孔隙度 引

2、言储层孔隙度是进行油气预测、油气储量计算的重要参数之一,因此准确获取储层的孔隙度是进行地层解释和建立地质模型的基础和关键[1]。在众多求取孔隙度的方法中,岩石孔隙铸体薄片是研究岩石中真实孔隙大小分布的一种方法，在孔隙识别和求取、储层评价等方面具有直观、可视的技术优势。它能清晰地显示出储层空间的微观结构特点及孔隙在储集层中的存在方式,揭示储层中油气分布与孔隙结构、构造之间的关系,为准确识别油气层提供了可靠依据。1彩色图像聚类分割彩色图像分割方法可分以下几类,聚类(clustering)、区域分裂(regionsplitting)、分裂合

3、并(splitmerge)和基于物理的方法(physicsbasedsegmentation)。对于一幅彩色图像,可以利用聚类的方法根据颜色视觉上的不同将其划分为一系列相似的部分,即实现了彩色图像分割[23]。这种方法是根据图像中像素值,利用统计模式识别中的统计特性找出颜色空间的类,然后将图像中每一像素标识到相应的类，每一类就对应一个区域。2kmeans聚类算法2.1色彩空间转化运用kmeans聚类对彩色图像进行分割，通常使用的颜色空间有rgb颜色空间、hsi颜色空间、l*a*b*颜色空间等。各种颜色模型各有其特点,在rgb空

4、间中计算颜色的相似度,迭代计算量相对大,而且r，g，b的值存在很大的相关性,往往得不到好的聚类分割效果。采用hsi，hls，hsv颜色模型,需要转换颜色空间,空间转换计算相对复杂。l*a*b*颜色空间是均匀颜色空间，也是彩色图像聚类中常采用的颜色模型,更符合人眼的视觉特性。铸体薄片区域颜色非常复杂，难以用单一颜色进行描述，而l*a*b*颜色空间的a*和b*分量是对颜色范围的描述，其色彩空间要比rgb色彩空间大，能够映射rgb颜色空间所能描述的所有色彩信息[4]，所以本文是在l*a*b*色彩空间进行彩色分割的。由rgb到l*a*b*的转换

5、公式为:l*=116(y/y0)1/3－16，y/y0>0.008856903.3(y/y0)1/3，y/y0≤0.008856a*=500［f(x/x0)－f(f(y/y0))］b*=200［f(y/y0)－f(f(z/z0))］式中：f(t)=t1/3，t>0.0088567.787t+16/116，t≤0.008856式中：x0，y0，z0是基准白色的三原色值；l*与亮度相联系，a*与红色绿色相联系；b*与黄色蓝色相联系。2.2kmeans算法的基本思路kmeans算法是一种基于硬划分准则，使得每个对象只能划分到一个类中[5

6、]。其核心思想是通过不断迭代，在满足公式（1）的非线性目标函数最小化的条件下，把n个对象xj（j=1,…,n）构成的数据集分成k个类ci(i=1,2,…,k),从而使得类内对象具有较高的相似度，类间对象的相似度较低，生成的类尽可能紧凑和独立[6]。j=∑ki=1ji=∑ki=1［∑j,xj∈ci‖xj－ci‖］=∑ki=1［∑xj∈cid(xj,ci)]（1）其算法步骤如下：（1）确定需要分类的类数k；（2）从数据集xj中随机选取k个对象作为k个类ci的初始聚类中心ci(i=1,…,k);（3）依次计算对象xj与这k个聚类中心ci的

7、距离d(xj,,ci),并将对象划分到距离最小的类中；（4）分别计算新生成的各个类ci中所有对象的均值，并作为新的聚类中心；（5）计算非线性目标函数，若误差函数变化很小时，结束聚类，否则重复步骤（3）～（5）。2.3实例分析及讨论本次实验图像是选取铸体薄片照片资料中的3幅进行孔隙识别及孔隙度分析预测,利用kmeans算法分别对长庆油田塞9井砂岩（φ＝5%）红色铸体薄片、重庆长寿卧龙河卧80井砂屑云岩（φ＝6.61%）蓝色铸体薄片和重庆长寿双龙双4井精细云岩（φ＝14%）蓝色铸体薄片进行图像分割及孔隙度计算。对其经过聚类分割识别的结果如图2

8、所示。从图2可以看出,kmeans算法可将铸体图像中的孔隙较好地识别出来，如此就可以很方便地在识别后对图像进行细化求得孔隙所占比例。3基于图像分割的铸体图像孔隙度计算岩石孔隙度