آشکارسازی شکستگی های سنگ مخزن مبتنی بر آنالیز بافت جهتی و نگاشت خودسازمان ده

به دلیل تاثیر بسزایی که شکستگی ها بر تولید و برداشت بهتر و موثرتر از چاه دارند، شناسایی این پدیده ها، موضوعی بسیار بااهمیت است. نمودارهای تصویری، ابزار بسیار قوی برای مطالعه شکستگی ها در چاه ها هستند. در یک نمودار تصویری، یک شکستگی به شکل منحنی سینوسی دیده می شود. در این مقاله، ابتدا با استفاده از روش های استخراج ویژگی، مانند بانک فیلتر گابور، گشتاورهای زرنیک، گشتاورهای مستقل هفت گانه هیو و تبدیل والش-هادامارد جهتی، ویژگی های مفید استخراج شده و سپس برای کلاسه بندی نمودار تصویری، شبکه عصبی SOM بکار گرفته شده است. نتایج آزمایشی نشان داد که الگوریتم پیشنهادی به طور موفقیت آمیز و با دقت بالایی قادر به تشخیص شکستگی های موجود در نمودارهای تصویری است. در الگوریتم پیشنهادی، از روش های استخراج ویژگی استفاده شد که برای استخراج ویژگی اشیاء بافت، مناسب می باشند. نتایج نشان می دهند که دقت روش پیشنهادی برای استخراج پیکسل های شکستگی، بسیار بالا است و همچنین حساسیت کمی به نویز در نمودارهای تصویری دارد. الگوریتم پیشنهادی در این مقاله بر روی دو دسته از دیتاست های تصویری FMI و RMI اعمال شد و نتیجه کلاسه بندی در مقایسه با سایر الگوریتم های پیشنهادی، از دقت بهتری برخوردار است.

کلیدواژه ها:

شکستگی ، نمودار تصویری ، منحنی سینوسی ، استخراج ویژگی ، بانک فیلتر گابور ، گشتاورهای زرنیک ، گشتاورهای مستقل هفت گانه هیو ، تبدیل والش-هادامارد جهتی ، شبکه عصبی SOM