مقایسه معماری خودرمزنگار پیچشی و ترنسفورمر بینایی در نویززدایی و بازسازی تصاویر سنگ های مخازن شکافدار زیرزمینی

سنگ های مخزنی شکاف دار از مهم ترین اهداف در مطالعات مهندسی نفت به شمار می آیند، زیرا شبکه های پیچیده ی شکستگی ها و شکاف ها نقش تعیین کننده ای در تخلخل و نفوذپذیری این مخازن دارند. تصاویر سیتی اسکن به عنوان ابزاری کلیدی برای تحلیل ساختار درونی این سنگ ها استفاده می شوند، اما افت کیفیت تصاویر معمولا بازسازی دقیق آن ها را دشوار می کند. در این پژوهش، دو معماری یادگیری عمیق شامل خودرمزگذار پیچشی و ترنسفورمر بینایی با هدف بهبود کیفیت و بازسازی تصاویر سیتی اسکن سنگ های مخزنی شکاف دار طراحی و مقایسه شدند. وظیفه اصلی مدل ها بازسازی و نویززدایی تصاویر شکاف دار زیرسطحی بود و پس از بازسازی، فرایند بخش بندی سه کلاسه شامل ماتریکس، شکاف باز و شکاف پرشده با استفاده از روش کلاسیک آستانه گذاری اتسو جهت بررسی عملکرد بهتر نتایج تصاویر بازسازی شده روی خروجی مدل ها اعمال شد. نتایج کمی و کیفی نشان داد که ترنسفورمر بینایی به واسطه بهره گیری از مکانیزم توجه، عملکرد برتری نسبت به خودرمزگذار دارد. این مدل در بازسازی تصاویر به نسبت سیگنال به نویز اوج ۴۵ و شاخص شباهت ساختاری ۹۸/۰ دست یافت، در حالی که خودرمزگذار به ترتیب مقادیر ۳۹ و ۹۳/۰ را ثبت کرد. در بخش بندی سه کلاسه مبتنی بر روش اتسو نیز ترنسفورمر بینایی در معیارهای دقت، بازخوانی و امتیاز F۱ عملکرد بهتری داشت. برای کلاس ماتریکس، مقادیر دقت، بازخوانی و امتیاز F۱ به ترتیب ۹۸۹/۰، ۹۹۰/۰ و ۹۸۹/۰ در مقایسه با ۹۸۰/۰، ۹۶۹/۰ و ۹۷۴/۰ برای خودرمزگذار) به دست آمد. در کلاس شکاف پرشده، نتایج ۹۷۴/۰، ۹۵۳/۰ و ۹۶۳/۰ و در کلاس شکاف باز ۹۲۳/۰، ۹۲۰/۰ و ۹۲۱/۰ حاصل شد؛ در حالی که مدل خودرمزگذار مقادیر ۹۶۰/۰، ۹۶۲/۰، ۹۶۱/۰ و ۹۴۰/۰، ۹۳۴/۰، ۹۳۷/۰ را ثبت کرده بود. در مجموع، نتایج نشان می دهد که ترنسفورمر بینایی گزینه ای کارآمدتر و دقیق تر برای بازسازی تصاویر سیتی اسکن سنگ های شکاف دار است و می تواند نقش مهمی در بهبود تحلیل های عددی خواص سنگ از جمله تخلخل و نفوذپذیری در مطالعات مهندسی مخزن ایفا کند.

کلیدواژه ها:

سنگ مخزن شکافدار ، بازسازی تصاویر ، معماری خودرمزگذار ، ترنسفورمربینایی ، نسبت سیگنال به نویز اوج ، شاخص شباهت ساختاری