بخش بندی چاه نمودارهای تصویری به منظور شناسایی شکستگی ها در چاه های نفت

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 486

This Paper With 15 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

FBFI01_099

تاریخ نمایه سازی: 9 مرداد 1395

Abstract:

چاه نمودارهای تصویری یکی از ابزارهای قوی و مورد استفاده برای شناسایی و تفسیر اطلاعات چاه های کربناته است. به کمک این تصاویر مجازی می توان پدیده های مختلفی مانند شکستگی ها، گسل ها، لایه بندی ها و ... را که نقش مهمی در چاه های کربناته دارند شناسایی کرد. هر نوع گسیختگی یا جدایش فیزیکی سنگ که ناشی از فزونی تنش ها بر مقاومت سنگ باشد که ممکن است به دلیل مکانیزم های طبیعی، عوامل حفاری و... در سنگ صورت گیرد شکستگی نامیده می شود استفاده از روش های هوشمند برای شناسایی شکستگی ها در این تصاویر مانند حوزه های دیگر می تواند مفید باشد. یکی از گام های اساسی در جداسازی شکستگی ها در چاه نمودارهای تصویری، بخش بندی تصاویر است. هدف از بخش بندی، جداسازی مسیرهای شکستگی ها در تصاویر از پیکسل های پس زمینه است. در این مقاله برخی از روش های مختلف بخش بندی بر روی تصاویر نمونه چاه های نفت پیاده سازی و مورد ارزیابی کیفی و کمی قرار گرفته می شود. نتایج حاصل نشان می دهد که روش های مبتنی بر اطلاعات رنگ و استفاده از مفهوم خوشه بندی نتایج بهینه را برای بخش بندی تصاویر برداشتی از دیواره چاه های نفت برای شناسایی شکستگی ها دارد.

Authors

میلاد کرمی

گروه مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد بوشهر

احمد کشاورز

استادیار گروه مهندسی برق، ، دانشکده فنی، دانشگاه خلیج فارس بوشهر

مهدی صادق زاده

استادیار گروه مهندسی نرم افزار کامپیوتر، دانشگاه آزاد اسلامی واحد ماهشهر

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Kherroubi. J, Automatic Extraction of Natural Fracture Traces from Borehoe ...
  • /3537 3/1739 10/2391 13/3046 18/3068 ...
  • Wang. W, An edge based segmentation algorithm for rock fracture ...
  • Wang. W, Liao. H, and Huang. Y, Rock fracture tracing ...
  • Rui-Lin. L, Yue-Qi. W, Jian-Hua. L, and Yong. M, The ...
  • Wu. H, Texaco. C, Image enhancement, and 3D visualization of ...
  • Wang. W, Wang. X, Micro Rock Fracture Image Acquisition And ...
  • He. C, Wang.W, A PCNN-based Edge Detection Algorithm for Rock ...
  • Assous. S, Elkington. P, Clark. S, and Whetton. J, Automated ...
  • Zuva. T, Olugbara. O. O, Ojo. S. O, and Ngwira. ...
  • Saleh Al-amr. S, Kalyankar. N, and Khamitkar. S, Image Segmentation ...
  • Maini. R, and Aggarwal. H, Study and Comparison of Various ...
  • Wang. Z, Bovik. A, A new look t signal fidelity ...
  • Sengar. J. S, and Sharma. N, Review: Competitive Learming Algorithm ...
  • Zhang.H, Fritts.J.E, Goldman.S.A, image segmentation evaluation:a survey of unsupervised methods, ...
  • نمایش کامل مراجع