深度神经网络模型在测井电成像图像处理中的应用
电成像测井可直观分析碳酸盐岩、砂砾岩等复杂储层中的裂缝分布、地层层理及砾岩颗粒.提出一种基于U-Net的全卷积深度神经网络模型结构,在没有大量学习样本的情况下,通过逐步优化神经网络模型参数,捕获图像上的大量底层先验统计特征,从而实现大井眼情况下电成像图像的空白条带充填,形成全井眼覆盖图像.相比于常规的编码器-解码器网络模型,本文模型采用skip模式,将编码器层输出接入对应解码器层,有助于恢复图像局部细节信息;同时采用空洞卷积,捕获多尺度上下文信息.实验结果表明,所提出方法相比于主流的充填算法,平均像素灰度误差减少了约12%,对于复杂岩性的图像充填效果更好.
电成像测井、深度神经网络、U-Net、空洞卷积
44
TP631.84(射流技术(流控技术))
2021-07-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
138-143