|
题目:
雅宝题库答案:
****此区域为收费内容**** 需支付 1 知识币后可查看,1币=0.01元查看答案
雅宝题库解析:
随着石油勘探开发的需要,测井技术发展十分迅速,其中成像测井由于其高分辨率、高井眼覆盖率以及可视性的特点,已成为测井领域的研究热点之一。如何利用图像处理、模式识别等相关理论方法对成像测井图像进行较为精确的定量评价和解释是研究的核心。为此,本文研究了基于纹理特征的测井图像分类方法,采用改进的局部二值模式(LBP)算法、K-means聚类算法以及多类支持向量机(SVM)分类模型实现了较好的测井图像分类。这种精细的孔隙结构分析及研究,对低孔、复杂岩性等储层测井精细评价将具有重要意义。故本课题的研究具有科研和工程应用的双重意义。首先,研究了图像纹理特征提取的相关方法,并重点分析了LBP算法。先对图像进行E-Canny(Enhanced Canny边缘检测)预处理,得到测井纹理图像;然后针对LBP算法没有考虑到待分类样本的分布特征等缺陷,做出改进,提出了适用于测井图像纹理特征提取的LDBP (Local Distribution Binary Patterns)算法。通过生成图像的密度矩阵,将测井图像的密度分布信息考虑到纹理特征中。实验验证了LDBP算法的有效性,使测井图像的识别精度有了很大的提高。其次,研究了现阶段几种重要的模式分类方法,并将K-means聚类算法应用于测井图像,取得了较好的实验结果。同时,本文还着重研究了SVM算法,并根据测井图像分类的实际应用要求,提出了多类SVM分类模型。最后,设计了基于纹理特征的测井图像分类系统,结合LDBP算法和多类SVM分类模型,对测井图像进行了纹理特征提取、训练与分类。实验结果证明该系统能够达到较好的图像分类效果。 |
上一篇:多加密卡环境下负载平衡系统的设计与实现下一篇:名都鞋厂ERP系统的部署和实施
|