جداسازی شکستگیهای طبیعی در چاه نمودارهای تصویری با استفاده از پردازش تصویر

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 646

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NIPC03_009

تاریخ نمایه سازی: 30 دی 1394

چکیده مقاله:

چاه نمودارهای تصویری یکی از ابزارهای قوی و مورد استفاده برای شناسایی و تفسیر اطلاعات چاههای کربناته است. به کمک این تصاویر مجازی میتوان پدیدههای مختلفی مانند شکستگیها، گسلها، لایهبندیها و ... را که نقش مهمی در چاههای کربناته دارند شناسایی کرد. استفاده از روشهای هوشمند برای شناسایی شکستگیها در این تصاویر مانند حوزه های دیگر میتواند مفید باشد. یکی از پدیدههای مهم زمین شناسی در چاههای نفت، شکستگیها هستند. شکستگیها نقش مهمی را در حرکت سیال نفت و پایداری دیواره چاه و مدلسازی رفتار چاههای کربناته بازی میکنند. شناسایی این پدیده بوسیله انسان به دلیل عواملی مانند وجود نوفه در تصاویر برداشتی، الگوی متنوع آنها و ... کاری پیچیده است. بنابراین ارایه روشهای هوشمند با استفاده از پردازش تصویر و هوش مصنوعی برای شناسایی شکستگیها کاری ضروری است. الگوریتم هوشمند پیشنهادی در این مقاله بصورت کلی دارای گامهای بهبود تصاویر، بخشبندی و جداسازی پیکسل- های شکستگی در تصویر بخشبندی بهینه است. در گام نخست بوسیله فیلترهای مختلف نوفه تصاویر حذف شدند و بعد از ارزیابی کمی و کیفی نتایج فیلترهاف بهترین فیلتر پایینگذر گوسی بود. در گام بعدی روشهای مختلفی برای بخشبندی تصاویر بهبود یافته بر روی تصاویر پیاده سازی شد. بررسی کمی و کیفی نتایج نشان داد که روشK-meansبهترین نتایج را نشان میدهند. و در گام آخر با استفاده از اطلاعات مکانی و هندسی با استفاده از عملگرهای مورفولوژیکی مسیر شکستگیها در تصویر بخشبندی شده جدا شدند.

نویسندگان

محمود سیف الهی

کارشناسی ارشد مهندسی الکترونیک، دانشکده مهندسی ، دانشگاه پیام نور واحد اهرم،

مسلم قاسمی

کارشناسی ارشد مهندسی کنترل، دانشکده فنی و مهندسی ، دانشگاه شهید باهنر کرمان،

بهزاد تخم چی

دکترای مهندسی اکتشاف معدن، دانشگاه شاهرود، دانشکده مهندسی معدن، نفت و ژئوفیزیک،

علی سلیمانی ایوری

دکترای الکترونیک، دانشگاه شاهرود، دانشکده مهندسی برق و رباتیک،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Wu. H, Texaco. C, Image enhancement, and 3D visualization of ...
  • Wang. W, An edge based segmentation algorithm for rock fracture ...
  • Wang. W, Liao. H, and Huang. Y, Rock fracture tracing ...
  • Rui-Lin. L, Yue-Qi. W, Jian-Hua. L, and Yong. M, The ...
  • Kherroubi. J, Automatic Extraction of Natural Fracture Traces from Borehole ...
  • Wang. W, Wang. X, Micro Rock Fracture Image Acquisition And ...
  • He. C, Wang.W, A PCNN-based Edge Detection Algorithm for Rock ...
  • Seifallahi.M, Tokhmechi.B, Soleamani.A, and Ahmady Fard.A, A Novel Methodology For ...
  • Assous. S, Elkington. P, Clark. S, and Whetton. J, Automated ...
  • Gonzalez. R, and Wood R. E, 2008, Digital image processing, ...
  • Zhu X., Milanfar, P. Automatic Parameter Selection for Denoising Algorithms ...
  • Kaur. N, and Banga. V. K, 2011, Color Image Segmentation ...
  • Sengar. J. S, and Sharma. N, Review: Competitive Learning Algorithm ...
  • Zhang.H, Fritts.J.E, Goldman.S.A, image segmentation evaluation:a survey of unsupervised methods, ...
  • نمایش کامل مراجع