بخشی از مقاله
چکیده
یکی از ویژگیهای مهم سنگ، شکستگی است که میتواند بوسیله چاهنمودارهای تصویری تشخیص داده شود. شکستگیها نقش مهمی را در پایداری چاه و جریان سیال در چاههای کربناته دارند. شناسایی شکستگی به دلیل مسایلی مانند: کنتراست ضعیف، ضخامت متغیر شکستگی، وجود نوفه و وجود پدیدههای مشابه شکستگی مانند لایهبندی، کاری بسیار پیچیده است. در این مقاله، یک روش هوشمند با کمک تکنیکهای پردازش تصویر و هوش مصنوعی برای شناسایی شکستگیهای طبیعی باز که بخش مهمی از شکستگیها را در چاههای کربناته تشکیل میدهند، با استفاده از چاهنمودارهای تصویری ارایه میشود.
برای شناسایی شکستگی در چاهنمودارهای تصویری یک گام پایه و پیچیده، بخشبندی این تصاویر است. در این مقاله ابتدا تعدادی از روشهای بخشبندی برای شناسایی شکستگیهای طبیعی باز بر روی تصاویر نمونه پیادهسازی میشود. پس از ارزیابی و مقایسه نتایج این روشها با هم، بهترین روش بخشبندی انتخاب میشود. نتایج ما نشان میدهد که استفاده از شبکه عصبی رقابتی خودسازماندهی با دقت %94/5 از سایر روشها برای بخشبندی این تصاویر مطلوبتر است. پس از مرحله بخشبندی، با استفاده از تکنیکهای مورفولوژی ردپاهای دقیق پدیده شکستگیهای طبیعی باز از سایر اجزاء غیر شکستگی و نوفه باقیمانده در تصویر جدا میشود.
-1 مقدمه
شناسایی دقیق پدیدههای موجود در مخازن با روشهای هوشمند به منظور بهرهبردای با راندمان بالاتر از مخازن کربناته بسیار مهم است. یکی از مهمترین پارامترهای تأثیرگذار در بهرهبرداری و اکتشاف مخازن و نیز در حوزههای دیگر مثل مکانیک سنگ و منابع آب، شکستگیها هستند . - Kherroubi, 2008; Wang, 2005; Wang et al, 2007 - هر نوع گسیختگی یا جدایش فیزیکی سنگ که ناشی از فزونی تنشها بر مقاومت سنگ باشد که ممکن است به دلیل مکانیزمهای طبیعی، عوامل حفاری و... در سنگ صورت گیرد، شکستگی نامیده میشود . - Khoshbakht, 2006 -
وو و همکارانش در سال2004 به بهبود تصاویر مخازن کربناته با استفاده از ترکیب انواع مختلف چاهنمودارهای تصویری به منظور تشخیص راحتتر شکستگی توسط کارشناسان پرداختند . - Wu et al, 2004 - ونگ در سال 2005 به آشکارسازی لبهها برای یافتن شکستگی در سنگها در تصاویر گرفته شده از سنگها پرداخت . - Wang, 2005 - رویلین در سال 2005 از تبدیل موجک دوبعدی برای بخشبندی تصاویر مخازن کربناته جهت جداسازی زیر تصاویر شکستگی و تخلخل در تصویر چاه استفاده کرد .
- Rui-Lin et al, 2005 - ونگ در سال 2007 از کلاسهبند ماشین بردار پشتیبان برای جدا کردن شکستگی از سایر پدیدهها استفاده کرد . - Wang et al , 2007 - خروبی در سال 2008 به جداسازی ردپاهای شکستگی با عملگرهای مورفولوژیکی پرداخت . - Kherroubi, 2008 - ونگ در سال 2010 با استفاده از تصویر ماوراء بنفش گرفتهشده از سنگها در کنار تصاویر نوری به آشکارسازی لبهها پرداخت - . - Wang et al, 2010 هی و همکاران با استفاده از نوع خاصی از شبکه عصبی به نام PCNN روش جدیدی را برای شناسایی شکستگیها ارایه داد . - He et al, 2010 -
تحقیقات انجام شده نشان داد که در حال حاضر به دلیل پیچیدگیهای موجود در شناسایی شکستگی، روش هوشمند و اتوماتیکی وجود ندارد و در این زمینه کار جامعی صورت نگرفته است، لذا به سبب اهمیت شکستگی، هدف در این مقاله ارایه الگوریتم و روشی برای شناسایی شکستگیها در چاهنمودارهای تصویری بهصورت هوشمند است. در این مقاله از چاهنمودارهای تصویری میکرومقاومتی - FMI - برای شناسایی پدیده شکستگیهای طبیعی باز در چاههای کربناته استفاده شده است. این ابزارها برخی ویژگیهای فیزیکی سنگهای دیواره چاه مانند خواص الکتریکی و صوتی را اندازهگیری کرده و این مقادیر اندازه-گیره شده را به تصاویری مجازی از چاه تبدیل میکنند.
تصویربردارهای میکرو مقاومتی - FMI - یکی از این ابزراهای اندازه-گیری هستند که تصویری از دیواره چاه بوسیله تغییرات مقاومتی سنگ تولید میکنند. چاه نمودارهای میکرو مقاومتی بخاطر دقت بیشتر آنها در ثبت پدیدههای زمینشناسی مانند: گسلها، سطوح لایهبندی و شکستگیها نسبت به سایر ابزارها برتری دارند . - Kherroubi, 2008 - شکستگیهای طبیعی باز و پدیدههای مشابه آن مانند لایه بندی، بصورت منحنیهای سینوسی کامل یا ناپیوسته و تیره رنگ در تصویر بازشده چاه استوانهای دیده میشوند. - شکل . - 1
در این مقاله ابتدا به معرفی دادههای مورد استفاده برای الگوریتم پیشنهادی هوشمند جهت آشکارسازی شکستگیهای طبیعی باز در چاههای کربناته پرداخته میشود. سپس در بخش روششناسی، الگوریتم پیشنهادی به صورت گام به گام معرفی میگردد و تکنیکهای استفاده شده معرفی میشوند. در ادامه، در بخش پیادهسازی الگوریتمها و نتایج، الگوریتم هوشمند پیشنهادی بر روی دادههای مورد استفاده پیادهسازی میشود و نتایج حاصل مورد ارزیابی و بحث قرار میگیرد. در پایان در بخش نتیجه-گیری، نتایج حاصل از الگوریتم پیشنهادی بصورت خلاصه جمعبندی خواهد شد.
-2 روش شناسی
بهطور کلی الگوریتم هوشمند پیشنهادی برای شناسایی شکستگیهای طبیعی باز دارای چهار گام است. پس از پیشپردازش تصاویر به منظور بهبود تصاویر در گام نخست، در گام دوم بخش بندی تصاویر موجود با روشهای مختلف انجام میشود. در گام سوم نتایج حاصل از بخشبندی با هم مقایسه و ارزیابی میشود و بهترین روش با معیار ارزیابی تعریف شده، تعیین میشود. در گام آخر برای شناسایی دقیق اثرهای شکستگیهای طبیعی باز در تصویر بخشبندی شده بهینه، پدیدههای مشابه موجود در تصویر و نوفه باقیمانده در تصویر حذف میشود. شکل2 مراحل کلی الگوریتم پیشنهادی را نشان میدهد.
پیشپردازش تصاویر
یکی از روشهای حذف نوفه در تصاویر استفاده از فیلترهای پنجرهای است.. بهترین نوع فیلتر برای حذف نوفه در این تصاویر فیلتر میانهگیر است - . - Wang et al, 2007 این فیلتر با استفاده از اطلاعات همسایگی هر پیکسل، مقدار میانه روشنایی پیکسل مرکزی پنجره را یافته و بجای روشنایی پیکسل مرکزی قرار میدهد . - Gonzalezet al, 2008 -
بخش بندی تصاویر
بخش بندی فرآیندی است که بوسیله آن یک تصویر به تعدادی ناحیه تقسیم میشود. همه پیکسلهای متعلق به یک ناحیه با توجه به ویژگیهایی معین مانند: رنگ، شدت روشنایی و بافت و... مشابه هم هستند و پیکسلهایی که در نواحی مختلف قرار دارند با توجه با این ویژگیها با هم تفاوت دارند . - Wang, 2005; Wang et al, 2007 -
روش آستانهگذاری
به دلیل خواص جالب، سادگی محاسبات و سرعت محاسبات، بخش بندی تصاویر بوسیله آستانهگذاری در بسیاری از از زمینه-های پردازش تصویر مورد توجه ویژهای قرار گرفته است . - Gonzalez
