基于Canvas的粒度累积概率曲线绘制系统

沉积相分析是油气勘探分析中的重要环节,其中粒度累积概率曲线作为沉积相分析的重要环节之一,在石油、地质开发过程中应用广泛。目前,曲线的绘制大部分只能应用于客户端,资源共享性差,绘图效率低。针对前述问题,提出了一种基于HTML5 Canvas技术绘制粒度累积概率曲线的方法,其主要优势在于实现了曲线的动态绘制和分段拟合,且系统可以在各大主流浏览器和智能设备中运行。     

柱状岩心成像研究与实现

实现了柱状岩心360°表面成像。通过面阵CCD采集柱状岩心外表面图像,经过全局光照校正和畸变校正预处理,采用最佳拼接线算法拼接融合,完成整个柱状岩心表面图像重建,得到了高质量柱状岩心全景图。     

基于SR-SURF的岩石显微图像拼接

岩石显微图像拼接是对岩石分析和研究的关键环节, 由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域, 导致拼接速率和配准准确率低, 并且多幅图像拼接时会产生误差累积导致拼接错位, 针对此问题提出了一种SR-SURF (similar region-SURF)的岩石显微图像拼接方法. 首先选用哈希指纹快速提取相似区域(similar region), 然后在此区域检测特征点; 之后利用改进的RANSAC (random sample consensus)算法剔除错误匹配点; 再然后选用最佳模板匹配纠正错误配准图像; 最后引入最小二乘法消除单应性矩阵相乘产生的累计误差; 实验结果显示本文的算法消除了多幅图像拼接产生的累计误差, 解决了拼接错位问题, 提高了拼接速率和配准准确率, 具有较高的实用价值, 推动了岩石薄片的数字化存储进程.     

岩石薄片正交偏光融合图像的颗粒分割方法

岩石薄片中的矿物颗粒提取是自动化薄片鉴定的基础,直接影响到石油地质勘探测量的准确度。由于实际工业矿场生产中得到的岩石薄片极为复杂,采用自动化技术很难将其中的矿物颗粒完整地提取出来。针对这一问题,提出了对固定视域下的多角度正交偏光序列图进行最大值融合,利用基于Fast Minimum Barrier Distance (Fast-MBD)变换的超像素算法分割提取岩石薄片中的矿物颗粒目标,再通过最佳阈值筛选出过分割的颗粒,最后根据颜色相似性合并目标颗粒区域,实现颗粒自动分割。该方法明显改善了目前岗位上所使用方法提取效果不完善的问题,可以更好地提取岩石薄片图像中的矿物颗粒,获得较好的效果。     

基于Leap Motion的动态手势识别方法

伴随虚拟现实（Virtual Reality,VR）技术的发展,以及人们对人机交互性能和体验感的要求提高,手势识别作为影响虚拟现实中交互操作的重要技术之一,其精确度急需提升^[1].针对当前手势识别方法在一些动作类似的手势识别中表现欠佳的问题,提出了一种多特征动态手势识别方法.该方法首先使用体感控制器Leap Motion追踪动态手势获取数据,然后在特征提取过程中增加对位移向量角度和拐点判定计数的提取,接着进行动态手势隐马尔科夫模型（Hidden Markov Model,HMM）的训练,最后根据待测手势与模型的匹配率进行识别.从实验结果中得出,该多特征识别方法能够提升相似手势的识别率.     

岩石薄片显微图像的自动聚焦算法

岩石薄片显微图像在有较多的平坦背景区域且受到杂质和噪声干扰时,现有的聚焦算法极易出现自动聚焦失败。本文针对岩石薄片显微图像的相关特性,提出一种改进的Vollath函数清晰评价函数,该算法基于图像的互相关函数,可以有效抑制噪声、减少杂质干扰,再结合变步距渐进爬山算法实现岩石薄片显微图像的自动聚焦。大量实验表明,该算法基本可以满足实时性要求,并表现出卓越的单峰性和抗噪性,已在岩石薄片显微图像的自动聚集中进行实际应用。     

基于改进UNet3+的岩心图像颗粒提取算法

在石油勘探过程中, 岩心颗粒是研究地质层序、评估油气含量以及认识地质构造的有效资料, 对岩心颗粒图像进行颗粒提取有利于地质研究人员后续的深入分析. 岩心颗粒图像通常存在颗粒边缘模糊、背景与颗粒色彩复杂的问题. 为了改善岩心颗粒提取的效果, 本文设计了一种基于改进UNet3+的岩心图像颗粒提取算法. 该算法在UNet3+的每个编码层后加入感受野模块(RFB)来扩大网络的感受野, 从而有效地解决网络因感受野受限而导致的分割精度低的问题, 并在RFB模块后嵌入了卷积块注意力模块(CBAM)使网络更加精确地聚焦于目标区域, 提高目标区域的特征权重. 实验结果表明, 改进后的算法在岩心颗粒图像上具有良好的分割效果, 相比原始UNet3+网络, 分别在mIoU、mPA和FWIoU上提升了5.43%、2.99%和5.34%.     

基于改进的SLIC的岩心颗粒图像边缘分割算法

在岩心颗粒图像进行目标提取的过程中,由于颗粒颜色丰富,类别和大小不一,且存在边界模糊等情况,导致颗粒分割很困难.针对以上问题,本文提出一种基于改进的简单线性迭代聚类(SLIC)算法,首先对图像进行预处理,增强目标区域同时模糊背景部分,消除孤立的噪声点且保护边缘信息;其次,结合LBP纹理特征对图像进行超像素分割;最后,结合区域之间的颜色特征进行超像素合并.实验表明,与现有的其它算法相比,该算法能准确地分割颗粒的边界,更有效地提取目标颗粒,极大地降低了后续对提取目标进行分析的复杂度.     

基于几何形状特征的剩余油形态识别

在油田开发后期,剩余油形态分呈复杂趋势。对于岩石孔隙结构中的剩余油形态分布情况的研究,是石油勘探开发领域中的一个重要课题。在实验室中,微观驱替实验是石油地质实验中研究剩余油的重要模拟方法。要想了解剩余油形态的分布规律,统计和识别剩余油形态的类型是先决条件。人工识别统计剩余油形态类型是一项繁重耗时的工作,为了提高研究人员的工作效率,在深入研究剩余油形态几何形状特征的基础上,利用图像处理技术和分类识别算法对剩余油形态类型进行自动识别,具有重要的意义。