《一种改进的基于遗传算法优化的otsu算法在岩心ct扫描图像分割中的应用》由会员分享，可在线阅读，更多相关《一种改进的基于遗传算法优化的otsu算法在岩心ct扫描图像分割中的应用（3页珍藏版）》请在金锄头文库上搜索。
1、 综合应用 一种改进的基于遗传算法优化的OTSU算法 在岩心CT扫描图像分割中的应用汤 翟1 何 风231.长江大学油气资源与勘探技术教育部重点实验室 2.宁夏回族自治区地球物理地球化学勘查院地震公司摘 要 目前,CT技术在油气勘探领域中应用越来越广泛,尤其是在岩心分析方面。本文为了从 岩心CT扫描图像上计算二维面孔隙率,在分析岩心CT扫描图像特征的基础上,提出一种消除岩 心CT图像背景影响的分割方法。首先对岩心CT扫描图像统计灰度直方图,根据该直方图确定 一个灰度值,并用该灰度值代替图片的背景灰度值,然后利用遗传算法优化的最大类间方差法确定 最优阈值并对原始CT扫描图像进行分割。结果表明,该
2、方法能消除岩心CT扫描图像背景的影响,将目标从CT扫描图像中提取出来,为岩心孔隙度的求取打下基础。 关键词 岩心CT扫描图像;遗传算法;最大类间方差;直方图0引言计算机层析(CT)技术能在被测物体无损的条件下测量、 计算被测物体断面的密度分布,以计算机断面图像形式并通过灰度变化反映断面材质的密度变化,从而清晰、 直观的呈现出被测物体内部结构、 尺寸、 材质的组成变化情况。1982年S. Y. Wang等人将CT引入岩心分析,给出了非混相驱替过程中油饱和度随时间和岩心不同轴向变化的CT图像,指出了CT在岩心分析上的优越性。此后,CT技术在油气勘探领域中应用越来越广泛。目前,CT技术在石油地质方面
3、的应用主要有测定岩性、 孔隙度、 储层岩心饱和度分布及计算岩心的裂缝参数等1 - 2。文献3提出可以从图像分析的角度确定二维面孔隙率,即用岩心孔隙所占的象素数与整个岩心的象素数作为二维面孔隙率。为了从图像处理的角度较好地获得岩心的物性参数,应先对CT扫描图像进行图像分割,确定岩心孔隙所占的象素。本文在分析岩心CT扫描图像的特征的基础上,提出一种消除岩心CT扫描图像背景影响的分割方法。1岩心CT扫描图像特征岩心CT扫描图像是由岩心图像和黑色背景组成的256级灰度图像,其岩心灰度值与周围背景灰度值有明显的差异,岩心灰度值较高,背景灰度值 非常低。 图1和图2分别给出了某井碳酸盐岩溶孔 型储层和裂缝
4、型储层的岩心CT扫描图像。 从图1 上可以看到,那些孤立的黑色斑点,可以解释为较 大的孔隙;浅色(或白色)区域为高密度区,为高CT值,是岩石的骨架和基质。从图2上可以看到, 线状或条状的深色区域是裂缝的所在,有CT值, 一般较低,同时,可根据裂缝中充填的物质确定裂 缝的有效性,因为充填物不同,其CT值是不同的。 岩心CT扫描图像的标准分辨率扫描的像素矩阵是512512。图1 溶孔型储层的岩心X的CT图像25石油工业计算机应用 Computer Applications of Petroleum 2011年3月3作者简介汤翟(1985 - ) ,男,长江大学在读硕士研究生,现从事测井资料处理与解
5、释的研究。图2 裂缝型储层的岩心Y的CT图像2基于遗传算法优化的OTSU算法的 岩心CT扫描图像分割原理及流程文献4提出了一种基于遗传优化算法的最大类间方差法的图像分割方法,该方法能快速且稳定地求解最大类间方差及对应的灰度阈值。最大类间方差(OTSU)动态阈值图像分割方法是一种常用的图像分割方法,基本原理是将图像的直方图以某一灰度为阈值将图像分为两组并计算两组的方差,当被分成的两组方差最大时,就以这个灰度值为阈值分割图像。但这种算法对于每一灰度值都要反复计算其对应方差,其计算量非常大。为了加快求最优解的速度,在上述方法的基础上采用适应于并行计算的遗传算法。它是基于生物系统的自然选择原理和自然遗
6、传机制,将生物进化过程中适者生存规则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法。算法从随机选择一组模型群体开始,通过选择、 交换和变异三个基本步骤组成转移过程,得到新的模型群体,简单重复这一过程直到模型群体变得 “一致” 为止。这里的 “一致” 是指,根据预定的目标适应度函数对每个个体进行评价,依据适者生存、 优胜劣汰的规则进行,不断得到更优的群体,同时以全局并行搜索方式来搜索优化群体中的最优个体,以求得满足要求的全局最优解5。由于这类岩心CT扫描图像是由岩心图像和黑色背景组成,周围黑色背景为无用信息,因此,遗传算法在初始化种群参数时,随机的产生染色体种群包括岩心周围黑色背
7、景对应的像素值,最终算法求得的最优阈值并非岩心图像的最优阈值。然而由于 这类岩心CT扫描图像中间的岩心灰度值与边缘的 背景灰度值有明显的差异,因此其灰度统计直方图 一般包含两个峰,如图3。为了减少岩心周围的黑 色背景灰度值对求取最优阈值的干扰,本文提出根 据整个图像的灰度直方图,在直方图上双峰间的谷 底位置取灰度值T ,用该灰度值T代替CT图像的 背景灰度值。再对新的图像应用基于遗传算法优化 的最大类间方差法来求取最优阈值K,最后利用该 阈值K对原始图像进行分割。图3 溶孔型储层的岩心X的灰度频率直方图改进的方法程序流程如下: (1)对岩心CT扫描图像统计灰度直方图,并在直方图双峰间的谷底位置
8、取灰度值T ,然后用该灰 度值T代替CT图像的背景灰度值产生新图像。 (2)对新图像编码。由于灰度图由0255个灰度值组成,正好对应着一个8位二进制即一个字节, 因此使用一个字节作为一个染色体。 (3)初始化种群并设置初始化参数,随机产生一个规模为20的染色体种群。最大进化代数50 ,染 色体长度8 ,交叉概率0. 6 ,变异概率0. 2。 (4)确定适应函数,把最大类间方差法定义的类间方差作为每一个染色体的适应函数。 (5)遗传运算,首先进行遗传算法的交换运算,其次进行变异运算。 (6)按照上面的遗传算子,产生新的种群,然后按新的种群反复的进行,直到得到最优阈值K和最 大的方差。 (7)按最
9、优阈值K,对原始CT扫描图像进行分割。3实例应用分析分别用基于遗传优化算法优化的OTSU算法 及笔者改进的方法对某油田碳酸盐岩地层岩心CT352011年第1期 汤翟,等:一种改进的基于遗传算法优化的OTSU算法在岩心CT扫描图像分割中的应用 扫描图像进行了分割处理。 图4为溶孔型储层的岩心X的CT扫描图像分 割结果对比图,其中图a为512512高分辨率原始图像,图b、 图C分别为基于遗传算法的OTSU算法直接分割结果和本文方法分割的结果,通过对比 可知,基于遗传算法的OTSU算法和本文改进后的 方法都可以分割出溶孔特征,但本文改进后的方法可以分割出更多微小的孔隙,提供更加直观的显示。图(a)岩
10、心X的原始图像 图(b)遗传算法分割结果 图(c)本文方法分割结果图4 溶孔型储层的岩心X的CT扫描图像分割结果对比图图5为裂缝型储层的岩心Y的CT扫描图像分 割结果对比图,其中图a为512512的原始图像, 图b、 图C分别为基于遗传优化算法优化的OTSU 算法直接分割结果和本文方法分割的结果,通过对比可知,不考虑背景灰度值的影响,基于遗传算法优 化的OTSU算法不能很好的将裂缝分割出来,本文 改进后的方法可以比较好的将裂缝分割出来,可以 消除背景灰度值的影响。图(a)岩心Y的原始图像 图(b)遗传算法分割结果 图(c)本文方法分割结果图5 裂缝型储层的岩心Y的CT扫描图像分割结果对比图4结
11、论通过对该油田大量岩心CT扫描图像的分割结 果分析,得出在应用遗传算法优化的最大类间方差算法进行图像分割时,岩心图像的黑色背景对该算 法阈值的准确求取造成了很大的干扰。而应用本文 改进的方法能够消除岩心图像的黑色背景的干扰, 比较准确的得到最优阈值,能够有效的将目标从原 始图像中分割出来,为后续的孔隙度等的求取打下基础。后续的工作可以从分割中的图片中有效的求 取二维面孔隙率,并分析该面孔隙率与孔隙度之间 的关系。参考文献:1戴贤忠、 李小孟等,CT在油气藏储量计算参数测定中的应用J ,石油学报,14(4)1993 ,9.2张敏、 孙明霞,CT技术在油气勘探领域中的应用J ,大庆石油 地质与开发,21(2)2002 ,4.3李玉彬,李向良等,用微焦点X- CT成像研究岩石微观特征,油 气采收率技术,7(4)2000 ,12.4阳波,基于最大类间方差遗传算法的图像分割方法J ,湖南师 范大学自然科学学报,26(1)2003 ,3.5雷英杰、 张善文等,MATLAB遗传算法工具箱及应用 M ,西 安:西安电子科技大学出版社,1999 ,2.6章毓晋,图像处理和分析M ,北京:清华大学出版社,1999 ,2.45石油工业计算机应用 2011年3月
