[发明专利]一种用神经网络进行高质量数字岩心图像处理的方法

说明书

本创新性发明专利基于岩心CT图像的二值图像根据新的算法编写了一种新的边缘检测算子，并将边缘检测技术与BP神经网络相结合。在分析岩心CT图像的孔道结构时，需要利用边缘检测技术来对孔洞的边缘进行定位，而利用传统的Roberts、Sobel等边缘检测算子得到的孔洞边缘图像通常会出现0像素点堆叠和边缘断连这两种比较常见的问题。针对这两种常见的误差现象，本专利发明了一种基于二值图像的新的边缘检测算法，在保证对岩心CT图像孔洞边缘定位准确的情况下，大幅度减少了0像素点堆叠和边缘断连的情况，更便与准确的构建三维孔道来观察其特性。同时，本专利还运用BP神经网络实现了对孔洞边缘的预测，较为准确的定位了孔洞的边缘，并利用预测后边缘图像建立了孔道的三维网格，更利于观察孔道的连通性以及其他特性，来提高对原油的采收率。

所属技术领域

本创发明涉及CT图像处理领域和神经网络领域，特别涉及边缘检测技术和BP神经网络，通过二值图像来研发一种新的边缘检测算子来减小边缘监测图像的误差，从而使BP神经网络预测的边缘图像更加准确。

背景技术

石油是一种重要的不可再生能源，也是当今世界上重要的战略资源，这体现在日常生活、经济、工业生产乃至军事医学等方方面面，所以石油的开采和利用十分重要。而随着图像处理技术的发展，将岩心CT图像转化成数字图像进行处理，来获得边缘检测图像和建立岩心图像的三维孔道，这更便于观察孔道的内部结构，从而可以更好地指导提高原油采收率的工业实践。

而在利用现有的边缘检测算子所得到的岩心边缘图像中，经常会出现孔洞边缘的0像素点堆叠和断连情况，这对建立三维孔道和观察岩心内部结构都会造成误差，所以研发新的边缘检测算子来减少误差显得十分必要。同时，BP神经网络算法在现如今的科研项目中应用普遍，所以将其用于边缘检测技术可以为数字岩心图像处理技术开辟一条新的道路。

发明内容

针对现有的边缘检测算子所检测的边缘图像会出现的0像素点堆叠和断连情况，本发明会采取一种新边缘检测的算法，来减少边缘检测图像的误差，并结合BP神经网络技术准确的预测岩心孔洞的边缘。

本发明解决传统边缘检测算法存在的问题的技术方法为：

通过Micro-CT设备对真实岩心进行扫描获得岩心CT图像；因为我们所得到的岩心CT图片数量很多，如果一张一张进行处理会比较繁琐，而ImageJ可以对图像批量进行操作，大大的节省了对图像预处理所需要的时间，将所得的岩心CT图像导入ImageJ图像处理软件中，对原始图像进行一系列的处理，具体的操作包括：利用中值滤波器对原始图像进行降噪处理来较少噪声对图像的影响、设置合适的阈值来准确并明显的将岩石和孔洞区分开来、让1像素值代表岩石0像素值代表孔洞的二值化处理、通过分割来获得获得尺寸得当的二值图像以便排除背景对图像的影响、将各个部分所得的图像以.tif格式保存下来。将上一步所得的二值图像导入MATLAB中，将图像转化为矩阵，把对图像处理的操作转换为对数字矩阵的操作更便于我们编写程序，利用新的边缘检测算法对图像边缘进行检测，与利用传统边缘检测算子所得的边缘检测图像作细节对比可以看出新的算法会明显的减少孔洞边缘0像素点的堆叠和边缘的断连情况。

将BP神经网络与边缘检测技术现结合的具体步骤为：

在MATLAB中建立BP神经网络，将二值图像作为训练输入集，分割图像作为训练输出集来对网络进行训练。训练结束后将再将二值图像和二值图像的转置图像分别作为测试集来对分割图像进行预测，得到预测结果后再对预测结果进行运算得到最后的边缘预测图像，再对预测结果进行优化后，与实际预测图像对比可以发现优化后的预测图像对边缘的定位比较准确。分别利用实际分割图像和预测分割图像分别建立三维网格，具体方法是：分别标记每一层像素值为0像素点的坐标值，然后通过描点的方法将孔道一层层的复原出来。通过对比，可以看出通过预测分割图像得到的三维孔道和通过实际分割图像建立的三维孔道十分接近。说明新的边缘检测算子能够很好的还原出岩心CT图像的边缘，并且BP 神经网络可以对岩心CT图像的边缘进行效果较好的预测，便于我们观察孔道的内部结构和分析连通性。