基于電成像測井的碳酸鹽巖儲層孔隙結構識別新方法

李曦寧，李劍平，沈金松，魏嬌，吳嘉鵬，郭凱

（1.中國石油集團測井有限公司國際公司，北京 100101；2.中國石油大學（北京）油氣資源與探測國家重點實驗室，北京 102249）

0 引 言

裂縫與溶蝕孔洞是碳酸鹽巖儲層的主要儲集空間和滲流通道，但其分布的非均質性和復雜性影響對該類儲層的精細評價。電成像測井以其高分辨率和圖像直觀的特點，在定量評價碳酸鹽巖儲層方面得到廣泛應用。目前，常用的電成像處理軟件，如斯倫貝謝公司的GeoFrame、阿特拉斯公司的eXpress以及中國石油集團測井有限公司的LEAD等，大多是通過人機交互的方式拾取裂縫和溶蝕孔洞，其自動化程度不高，識別和處理的結果受人為因素影響。

許多學者在電成像的自動識別與提取方面做了大量研究。Delhomme[1]提出圖像分割標記控制方法，劃分地質特征并勾勒其輪廓。Hall等[2]提出霍夫變換方法，自動拾取裂縫和地層層理，并計算其產狀。Chitale等[3]提出圖像增強和高斯拉普拉斯濾波，去除橫向地質特征和層邊界，實現裂縫追蹤。Cornet[4]基于Matlab平臺自動識別儲層中裂縫與溶蝕孔洞，用正弦曲線擬合裂縫，并計算裂縫參數。劉瑞林等[5]和Xie等[6]利用小波變換去除電成像圖中的麻點狀噪聲，提取裂縫和孔洞子圖像，并計算縫洞面孔率。Xavier等[7]提出基于形態學算法自動識別聲成像圖中裂縫的方法。Li等[8]提出基于路徑形態學的縫洞自動分離方法。這些方法在相應的研究區都取得了不錯的應用效果，但受復雜地質環境和測井條件的影響，現有的識別方法仍無法自適應地識別裂縫與溶蝕孔洞形態。選擇合適的圖像識別方法將裂縫和溶蝕孔洞從復雜地質圖像背景中分割出來，已經成為儲層定量評價的熱點和難點。

該文提出了一種基于電成像測井的儲層孔隙結構識別新方法。該方法融合了自適應形態濾波與主成分標記連通域算法，實現了從一維電扣數據的噪聲壓制和地層層理識別、到二維電成像圖的縫洞識別的電成像自動處理全過程。

1 一維電扣數據的自適應形態濾波

電成像測井儀的紐扣電極所記錄的一維電扣數據包含了3個分量：①高頻分量，反映井壁附近的裂縫與溶蝕孔洞發育情況；②低頻分量，反映地層電阻率的變化，其探測深度與淺側向測井一致，保留地層的沉積層理等信息；③直流分量，反映極板與井壁摩擦所引起的隨機噪聲等。該研究以斯倫貝謝公司的電成像測井儀FMI的測量數據為例[9]，采用自適應形態濾波壓制192條一維電扣數據的隨機噪聲，并識別低頻的地層層理信息，從而增強裂縫和溶蝕孔洞的高頻信息。

1.1 自適應形態濾波的去噪分析

電成像測井儀器在井下工作時，往往受到井壁的磕碰、儀器電子元器件和線路等影響，造成電成像圖中存在不同程度的麻點狀噪聲。這些噪聲增加了裂縫與溶蝕孔洞的識別難度。因此，有必要采用有效的去噪方法濾除這些麻點狀噪聲。

該文采用形態學的開-閉或閉-開的迭代運算作為算子[10]，自動搜索一維電扣數據的局部峰值，自適應地確定用于壓制隨機噪聲的形態濾波器[11]。該研究將壓制噪聲后的一維電扣數據預處理后成圖，并對電成像圖中的空白條帶進行填充處理[12]。文中分別對比了原始電成像圖、自適應形態濾波去噪后的電成像圖以及Otsu圖像分割后的電成像圖[13]（見圖1）。如圖 1 （d）、（e）和（f）所示，自適應形態濾波去噪后的分割效果較Otsu方法更好。Otsu方法在進行圖像分割時往往會丟失部分極板的裂縫信息[見圖 1 （f）中藍色箭頭所指處]；然而自適應形態濾波方法進行去噪后，很好地保留了原始的極板信息[見圖 1 （e） ]。分割后裂縫的完整性得到增強，這有助于下文對裂縫和溶蝕孔洞的準確識別。

圖1 自適應形態濾波的噪聲壓制對比圖

1.2 自適應形態濾波的地層層理自動識別

為了更準確地提取高頻的裂縫與溶蝕孔洞信息，在去除隨機噪聲后，還需將電成像數據中反映地層層理的低頻信息分離出來。同理，采用自適應形態濾波方法識別一維電扣數據的地層層理信息，實現層理與縫洞的自動分割。

首先，對去噪后的一維電導率信號進行多形狀結構元素的實驗分析，確定用于識別地層層理的結構元素形狀。然后，自動搜索一維電扣數據的下包絡，自適應地確定形態濾波器。最后，對192條一維電扣數據進行形態濾波，計算出包含層理信息的基質電導率曲線，其每條曲線的形態學濾波殘差都反應了高頻的裂縫與溶蝕孔洞信息[見圖 2 （a） ～ 圖 2 （c） ]。分別將提取的一維電扣低頻曲線和高頻曲線成圖，即可獲得分離后的層理與縫洞子圖像[見圖 2 （d） ～ 圖 2 （g） ]。提取的層理子圖像，可用于計算其產狀等參數，這為沉積分析提供依據。分割層理后的電成像圖更有效地突出了裂縫與溶蝕孔洞的信息（見圖2右側藍色箭頭所指處）。

圖2 自適應形態濾波的地層層理識別

2 利用主成分標記連通域算法的二維圖像縫洞識別

將自適應形態濾波后的一維電扣數據成圖，利用二值變換將電成像圖轉換為二值黑白圖，采用主成分標記連通域算法，實現碳酸鹽巖儲層裂縫與溶蝕孔洞的子圖像自動識別。

該研究計算二值圖像中八連通的所有連通區域[14-15]。不同連通區域的像素被分配給一個整數，該整數的范圍是從 1到連通區域的總數，背景像素標記為0。不同形態的裂縫和溶蝕孔洞被劃分成不同的連通區域，因此，它們也被標記成不同數值。計算連通區域的各種形態學屬性參數，包括連通域最小圓的半徑、直徑或面積、連通域最大搜索直徑等。利用主成分分析方法降維，在保證原有形態學屬性信息的基礎上，獲得一條能夠分離裂縫與孔洞的識別指數（綜合裂縫指數）曲線。通過選取適合的分割閾值，標記形態學連通域，達到自動分離裂縫與溶蝕孔洞子圖像的目的。

為了驗證主成分標記連通域算法在電成像測井的圖像分割優勢，選用一段實際測井數據進行測試。圖 3是用主成分標記連通域算法計算的縫洞分離結果。圖 3 （h）中高值處代表裂縫，取合適閾值后，可將裂縫和溶蝕孔洞自動分開。將主成分標記連通域的縫洞提取結果與LEAD3.0的提取結果作對比[見圖 3 （c） ]，可見現有軟件從電成像圖中分離裂縫與溶蝕孔洞的效果并不理想；而主成分標記連通域算法很好地將高導縫和溶蝕孔洞分離開來，并保持了各條裂縫和溶蝕孔洞的完整[見圖 3 （e） ]。同時，用多項式插值函數對裂縫進行擬合[見圖 3 （f） ]，并計算得到裂縫產狀參數[見圖 3 （g） ]。

圖3 利用主成分標記連通域算法的縫洞識別

3 實測數據的應用效果分析

為了驗證該儲層孔隙結構識別新方法的有效性，將該方法應用于濱里海盆地東南緣碳酸鹽巖儲層和阿姆河盆地東北部碳酸鹽巖儲層的縫洞自動識別，以解決難以準確定量表征復雜碳酸鹽巖儲層的問題。

濱里海盆地東南緣碳酸鹽巖地層主要目的層系為KT-II的灘相儲層，其儲集空間展布復雜，具有強均質性。以濱里海盆地東南緣典型井為例，進行綜合分析與解釋（見圖4）。圖 4 （b）的全井眼電成像圖顯示出復雜的儲集空間，儲層發育裂縫和溶蝕孔洞。分析該井2 963 ～2 967 m層段儲層[見圖 4 （a）紅框和圖 4 （b） ]。結合常規測井和電成像測井，分析認為該段儲層屬于裂縫孔隙型儲層。新識別方法分別自動獲取了裂縫與溶蝕孔洞子圖像[見圖 4 （b）第4道和第5道]，并保持了孔隙結構原始形態。

圖4 濱里海盆地東南緣典型井的綜合測井分析成果圖

同時，自動計算的裂縫產狀[見圖 4 （b）第6道]、縫洞孔隙結構譜[見圖 4 （b）第7道]和裂縫、孔洞孔隙度[見圖 4 （b）第8道]，準確地表征了該段儲層的孔隙結構?？p洞孔隙結構譜給出了孔隙縱橫比由小到大的變化，裂縫的譜峰靠前，溶蝕孔洞的譜峰靠后。該方法的自動識別結果與油田的儲層解釋結論一致[見圖 4 （a）]。

阿姆河盆地右岸東部卡洛夫-牛津階碳酸鹽儲層，主要發育裂縫孔隙型儲層。其儲層成因復雜、類型多樣，利用現有的電成像識別方法，難以準確計算儲層孔隙結構參數。以阿姆河盆地典型井為例，利用新識別方法定量表征該類裂縫孔隙型儲層（見圖5）。

該研究分析了阿姆河盆地典型井A井的3 049.0 ～3 054.5 m層段儲層情況[見圖 5 （a）紅框和圖 5 （b） ]。新識別方法分別自動獲取了裂縫與溶蝕孔洞子圖像[見圖 5 （b）第4道和第5道]，其提取的裂縫骨架圖像[見圖 5 （b）第6道]和溶蝕孔洞邊緣圖像[見圖 5 （b）第7道]形態更為自然。

圖5 阿姆河盆地典型井A井綜合測井分析成果圖

同時，自動計算的縫洞孔隙結構譜[見圖 5 （b）第8道]和裂縫、溶蝕孔洞面孔率[見圖 5 （b）第9道]準確地表征該段儲層的孔隙結構。該方法的自動識別結果，與油田的儲層解釋結論一致[見圖 5 （a）]。由此可見，實測電成像測井數據的處理結果驗證了該儲層孔隙結構識別新方法的準確性和有效性。

4 結 論

（1）提出了一種基于電成像測井的儲層孔隙結構識別新方法，實現了從一維電扣數據的自適應形態濾波的噪聲壓制和層理識別，到二維電成像圖的主成分標記連通域的縫洞自動識別。

（2）該方法分離的裂縫與溶蝕孔洞子圖像最大程度地保持了其原始形態，很好地描述了儲集空間的分布，可為儲層孔隙結構精細評價提供依據。

（3）該方法適用于鹽水鉆井液侵入地層，對于不同地區的電成像測井數據具有普遍適用性。