基于最大类间方差遗传算法的岩心CT扫描图像分割方法

合集下载

基于最大类间方差与形态学的淋巴结图像分割

（ＳｕｎＹａｔ－ｓｅｎＵｎｉｖｅｒｓｉｔｙＣａｎｃｅｒＣｅｎｔｅｒ，Ｇｕａｎｇｚｈｏｕ５１００８０，Ｃｈｉｎａ）
ＡｂｓｔｒａｃｔＬｙｍｐｈｎｏｄｅｓａｒｅａｎｉｍｐｏｒｔａｎｔｏｒｇａｎｏｆｔｈｅｈｕｍａｎｂｏｄｙｉｍｍｕｎｅｒｅｓｐｏｎｓｅ．Ｔｈｅｐａｔｈｏｌｏｇｉｃａｌｃｈｎｇａｅｓｏｆ
述算法对与周围组织有粘连但目标与背景的灰度级相差较大的淋巴结图像的分割效果较好。关键词最大类间方差，数学形态学，淋巴结图像分割，增强处理中图法分类号ＴＰ３９１文献标识码Ａ
ＬｙｍｐｈＮｏｄｅＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＭａｘｉｍａｌＶａｒｉａｎｃｅＢｅｔｗｅｅｎ－ｃｌａｓｓａｎｄＭｏｒｐｈｏｌｏｇｙ
ｂｅｔｗｅｅｎ－ｃｌａｓｓａｎｄｍｏｒｐｈｏｌｏｇｙｗａｓｉｎｔｒｏｄｕｃｅｄｔｏｓｅｇｍｅｎｔｌｙｍｐｈｎｏｄｅ．Ｍａｘｉｍａｌｖａｒｉａｎｃｅｂｅｔｗｅｅｎ－ｃｌａｓｓｍｅｔｈｏｄｗａｓｕｓｅｄｔｏｏｐｅｒａｔｅｂｉｎａｒｙｅｎｈａｎｃｅｍｅｎｔｐｒｏｃｅｓｓｉｎｇｆｏｒｔｈｅｏｒｉｇｉｎａｌｉａｇｍｅ．Ｍａｔｈｅｍａｔｉｃａｌｍｏｒｐｈｏｌｏｇｙｗａｓｉｎｔｒｏｄｕｃｅｄｏｔｄｏｂｏｕｎｄｒｙａｃｏｒｒｅｃｔｉｏｎｆｏｒｂｉｎａｒｙｉｍａｇ￣Ｅｒｏｓｉｏｎａｄｎｅｘｐａｎｓｉｏｎｏｐｅｒａｔｉｏｎｗａｓｕｓｅｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｔａｒｇｅｔａｒｅａｃｏｎｎｅｃｔｅｄｗｉｔｈｅｘｃｅｓｓｉｓｔｓｕｅａｆｔｅｒｂｉｎａｒｉｚａｔｉｏｎ．Ｉｎｔｈｅｅｎｄ，ｕｓｅｆｕｌｌｙｍｐｈｎｏｄｅｉｔｓｓｕｅｗａｓｂｅｔｔｅｒｅｘｔｒａｃｔｅｄ．Ｅｘｐｅｒｉｍｅｎｔｌａｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｅｈｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｉ１ｇｅｔｂｅｔｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｅｆｆｅｃｔｆｏｒ１ｍｐｙｈｎｏｄｅｉｍａｇｅｓｗｉｔｈｓｕｒｒｏｕｎｄｉｎｇｔｉｓ — ｓｕｅａｄｈｅｓｉｏｎｓａｎｄｌｒｇａｅｒｇｒａｙｌｅｖｅｌｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｔｒｇａｅｔａｎｄｂａｃｋｇｒｏｕｎｄ．ＫｅｙｗｏｒｄｓＭａｘｉｍａｌｖａｒｉａｎｃｅｂｅｔｗｅｅｎ－ｃｌａｓｓ，ａｔＭｈｅａｔｍｉｃａｌｍｏｒｐｈｏｌｏｇｙ，Ｌｙｍｐｈｎｏｄｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ，Ｅｎｈａｎｃｅｍｅｎｔ

岩心粒度图像分割算法分析

岩心粒度图像分割算法分析岩心分析是石油勘探开发中的一项重要的工作，是获取油气层特征的主要方式之一，分析了阀值、边缘检测等算法的原理与应用实例，阐述了基于特定理论的岩心粒度分割算法特点与优势，并对各种算法进行了分析对比。

标签：岩心粒度；分割算法；边缘检测；聚类分析随着我国经济的快速发展，对油气资源的需求不断增加，尤其勘探开发的进一步深入，岩芯是在油气勘探开发工作中最重要的基础地质资料之一，为油气勘探开发提供决策依据。

岩芯的观察描述在确定岩性、推断沉积环境以及生储盖组合综合研究中，有着不可替代的作用，对岩心图像的分析和处理成为岩心分析的一项重要工作。

岩芯数字化处理作为一项新技术得到了广泛的应用，借助于计算机软件对采集到的岩心图像进行分析提取直观上的岩心数据，进行定量化的岩心分析，对于现阶段油气勘探开发工作，具有重要的现实意义。

岩心粒度分割是岩心分析中的重要前期工作，其根据图像所包含的对象信息如灰度、色度、纹理等特征，将图像划分成若干个互不相交的区域，让具有一致性或者相似性的特征分布在同一区域，但在不同区域间表现出明显的差异性。

目前国内外广泛使用的图像分割方法大致主要分为基于阈值分割、基于边缘的分割方法，以及其它基于特定理论的岩心粒度分割算法等。

1 岩心粒度图像分割技术的主要内容岩心粒度图像分割是指根据处理图像所包含的对象信息如灰度、色度、纹理、几何形状等特征把图像划分为若干个互不相交的区域，也就是通俗意义上的把图像中的目标从背景中提取，以便对目标进行处理。

由于图像分割的效果很大程度上依赖于特定的图像特征如成像方式，纹理，灰度，噪声等，目前还没有一种通用的图像分割算法可以实现对所有图像的有效分割。

现今内外广泛使用的图像分割方法大致主要分为基于阈值分割、基于边缘的分割方法，以及其它基于特定理论的岩心粒度分割算法等。

2 基于阀值的岩心粒度分割算法阈值分割方法依据的原理就是图像前景与背景像素灰度值存在值的差异，前景与背景相邻像素间的灰度值存在高度差，因此我们可以采用前景与背景之间的某个灰度值作为阈值，将前景与背景进行分割开来。

基于遗传算法的最大类间方差法图像分割毕业设计论文

哈尔滨工业大学毕业设计（论文）毕业设计论文基于遗传算法的最大类间方差法图像分割- I -哈尔滨工业大学毕业设计（论文）摘要本文研究的是遗传算法的基本原理和算法的应用，分析了遗传算子的特性，主要讲述了基本遗传算法的应用步骤，并将其应用于图像处理中的图像分割技术中，用MATLAB软件编程实现遗传算法得出分割阈值数据，利用MATLAB软件强大的仿真功能，编程进行图像分割仿真实验，将得出的几组图像进行对比。

首先分析了最大类间方差阈值图像分割算法的基本原理，然后结合遗传算法及其特点提出了一种自动阈值选取的图像分割算法，在本算法中对传统最大类间方差图像分割的算法及遗传算法进行了改进，提高了传统算法的速度，改善了遗传算法的收敛速度与最优解的协调关系，最后从速度及性能上进行了分析比较，并对实际图像分割做了实验。

结果表明，本遗传算法的图像分割方法在图像分割过程中具有速度快，效果好的特点。

关键词图像分割；遗传算法；阈值；方差；适应度函数- II -哈尔滨工业大学毕业设计（论文）AbstractThis thesis mainly studies the basic principle of the genetic algorithms and the applications of the algorithms. The characteristic of the genetic operator has analyzed, mainly discussed the application steps of the simple genetic algorithms. The GAs are applied to the image segmentation technique, With the strong function of MATLAB, I programmed the GA emulation and gave the final data, then, compared the pictures showed by the emulation experiment of the image segmentation.Firstly, developed a new automatic threshold image segmentation algorithm after comprehensively studying the method with maximum variance between two class and GA principle. Then, with the change of the GA , the algorithm develops the compute speed and result stability . Finally, the results of the experiments by the algorithm are showing to compare with the tradition method, it is conclude that the algorithm is not only higher quality but also quicker compute speed.Keywords image segmentation the genetic algorithm threshold variance fitness function- III -哈尔滨工业大学毕业设计（论文）目录摘要 (I)Abstract ................................................................................................................. I II第1章绪论 (3)1.1 课题背景 (3)1.2 遗传算法的生物学基础 (4)1.2.1 遗传与变异 (4)1.2.2 进化 (5)1.2.3 遗传与进化的系统观 (5)1.3 遗传算法的发展史 (6)第2章基于灰度的图像分割 (8)2.1 图像分割概述 (8)2.1.1 图像分割的应用领域 (8)2.1.2 图像分割的通用定义 (9)2.2 灰度门限法 (10)2.2.1 灰度门限法简介 (10)2.2.2 灰度门限的确定 (11)2.2.3 最大类间方差阈值分割法 (12)2.3 本章小结 (15)第3章遗传算法 (16)3.1 遗传算法概述 (16)3.2 遗传算法的特点 (17)3.3 遗传算法的应用 (17)3.4 基本遗传算法 (19)3.4.1 基本遗传算法的构成要素 (19)3.4.2 基本遗传算法的形式化定义 (20)3.4.3 基本遗传算法的实现 (20)3.4.4 基本遗传算法的应用步骤 (23)3.5 本章小结 (26)第4章软件实现与分析 (27)- 1 -哈尔滨工业大学毕业设计（论文）4.1 用MATLAB实现遗传算法 (27)4.2 最大类间方差图像分割中的遗传算法 (30)4.3 图像分割遗传算法的性能分析 (32)4.4 实验结果分析 (33)4.5 本章小结 (35)结论 (36)致谢 (37)参考文献 (38)附录1 (39)附录2 (45)附录3 (51)- 2 -哈尔滨工业大学毕业设计（论文）第1章绪论1.1课题背景图像分割是计算机视觉及模式识别中一个非常困难的研究内容，是视觉图像理解，如目标检测、特征提取、目标识别操作的基础，图像分割的好坏直接影响到图像理解[6]。

基于最大方差法和改进遗传算法的图像分割

ｃｉｇｔｆｈｈｅｈｌ．ｈｅｈｎｍｅｏｅｔｒｓｏｄｒｉｔ
ＫｅｗｏｓｙｒｄＧｅｅｉｇｒｔｎｔｃａｏｉｌｈｍＩｏｖｄｇｎｔｃａｇｒｔｍｐｒｅｅｅｉｏｉｈｍＴｅｍａｉｌａｉｎＩａｅｓｇｅｔｔｏｌｈｘｍａｖａｃｅｍｇｅｒｍｎａｉｎ
改进遗传算法相结合对图像进行分割的方法。以灰度图像的最大方差作为适应度函数，图像分割问题变成一个优化问题０利用把
遗传算法的寻优高效性，索到能使分割质量达到最优的分割阈值。实验结果表明，搜采用新的改进遗传算法和最大方差法相结合对
图像搜索全局阈值时能收敛至全局最优解，并且大大缩短寻找最优阈值的时间。
维普资讯
第２５卷第２期
２００８年２月
计算机应用与软件
ＣｏｕｅｐｉａｔｎｎｏｔｒｍｐｔｒＡｐｌｃｉｓａｄＳｆｏｗａｅ
Ｖｏ．５Ｎｏ２１２．
Ｆｂ２０ｅ．０８
ｍａａａｃｆｈｒｙｉｇｓｔｋｎａｈｉｅｓａｄｔｅｐｏｌｍｆｉｇｅｍｅｔｔｎｉｈｇｄｉｔｐｉｚｔｎｐｏｌｍ．ａｉｇｌｖｒｎｅｏｅｇａｍａｅｉａｅｓｔｅｆｎｓ，ｎｒｂｅｏｉｔｔｈｍａｅｓｇｎａｉｓｃａｅｎｏａｏｔｏｎｎｍｉａｉｒｂｅＴｋｎｏ
ｈｄａｔｇｆｏｕｔｓ，ｄｐａｌｙｎｆｃｎｙｅｇｎｔｌｒｈｔｓｔｄｃｎｏｔｉｔｐｉｌｅｍｅｔｏｒｕｔｃｏｄｔｅａｖｎａｅｏｂｓｅｓａａｔｉｔａｄｅｉｅｃｆｈｅｅｉａｏｔｍ，ｉｍｅｏａｂａｅｏｔａｓｇｎａｉｓｌａｃｒ— ｒｎｂｉｆｉｏｔｃｇｉｈｈｎｈｍｔｎｅ

石油岩芯CT图像裂缝分割算法研究

石油岩芯裂缝的检测研究对于石油开采具有指导性的意义。工业ＣＴ是一种优秀的无损检测技术［１］，通过ＣＴ扫描可以获取连续的石油岩芯ＣＴ图像，再进行裂缝分割可以得到石油岩芯中裂缝分布情况，进而测量它的各种几何参数。裂缝包含在岩芯区域内部，区域细小，且裂缝和岩芯灰度差别较小，因此准确分割石油岩芯ＣＴ图像中裂缝是一项相当困难的任务。
犐（狓）Ｈε（）ｄ狓
犮０（）＝ Ω
∫Ｈε（）ｄ狓 Ω
烅
∫犐（狓）（１－Ｈε（））ｄ狓
犮ｂ（）＝ Ω
烆
∫（１－Ｈε（））ｄ狓 Ω
（２）
式（２）中涉及到的是全局图像信息，不仅仅包括演化曲线附近的图像数据；且常数分别是图像在区域
摘要：针对裂缝区域分割的需求和石油岩芯ＣＴ图像的特点，改进了现有的水平集分割算法。首先对图像中值滤波去噪后运用ＣＶ模型对图像进行初分割，把背景区域和岩芯区域准确分开，得到岩芯区域的轮廓；然后调整轮廓外区域的灰度值，使之等于岩芯区域平均灰度值，增强目标区域；最后再进行ＲＳＦ模型细分割，得到最终分割结果。对于高斯噪声污染严重的岩芯图像，先采用了邻域加窗的非局部均值去噪方法，再用改进水平集算法分割，实验结果表明该分割方法是有效的。关键词：ＣＴ图像；裂缝分割；水平集；ＣＶ模型；ＲＳＦ模型中图分类号：ＴＰ３９１文献标志码：Ａ犱狅犻：１０．１１８８４／ＨＰＬＰＢ２０１６２８．０５５１０１

基于最大类间、类内方差比法的图像分割

3、本实验阈值 Th 的确定方法：
由于最大类间、类内方差比法图像分割的核心是阈值 Th 的确定，即要处理类间方差和类内方差的比值，找出最大的比值，此时满足最大比值的 Th 即为所求。我们可以将所有类间、类内方差的比值放在一个矩阵中，然后使用 find 函数找出矩阵的最大值，对应的 Th 即为所求，。
由于最大类间、类内方差比法是基于图像灰度分布的阈值方法。数学模型如下：设原图像为 f(x,y),经过分割处理后的图像为 g(x,y),g(x,y) 为二值图像，则有
1 g ( x, y ) 0
f ( x, y ) Th f ( x, y ) Th
（3-1）
2、最大类间方差法与最大类间、类内方差比法的不同：
f ( x, y ) Th* f ( x, y ) Th*
(4 8)
五、基于 MATLAB 的实验仿真 1、应用于灰度图像分割代码
clear all; close all; a=imread('D:\我的图片\3.jpg'); a=rgb2gray(a); figure; imshow(a); title('此为原图'); a=double(a); [m,n]=size(a); th=zeros(1,254); %建立一维零矩阵存放类间类内方差比的值；我们需要对灰
(4 3)
j 1
3、按下式计算两类在图像中的分布概率 p1 和 p2；
p1
N N
c1
p1
N c2 N im a g e
(4 4)
im a g e
4、计算类间方差σb^2=和类内方差σin^2；
b2 p1 (1 )2 p2 (2 )2

基于最大类问方差的快速图像分割算法的研究

作者简介：邰宇（９７）男，１７一，助理研究员，主要从事应用技术研究工作。
・
６６・
科技论坛
基于最大类问方差的快速图像分割算法的研究
邰宇
（黑龙江省计算中心，黑龙江哈尔滨１０３）５０６摘要：通过对毫米波技术与成像算法的研究，重点研究了基于最大类间方差的快速图像分割算法。该算法根据最大类方差原理，通过二分逼近逐次逼近最佳分割阈值，相对于传统的最大类间分割方法提高了速度，算法也可以扩展到一般数字图像的分割，效果也该其
较好。
关键词：最大类间方差；图像分割；成像算法
３图像分割方法３１图像分割定义．近年来，极端主义和恐怖主义的出现，使得新型反恐武器系统和图像分割，就是把一个图像分解成它的构成成分，以便对每一目特种装备需求大幅增加，世界各大国都加大投入，积极研制，特别是标进行测量。图像分割是一个十分困难的过程。但其测量结果的质量用于反恐部队的新装备，非常引人关注。毫米波成像技术在国际上属却极大地依赖于图像分割的质量。有两类不同的图像分割方法。一种于领先技术，欧美等国对我国也进行技术封锁。而成像算法是毫米波方法是假设图像各成分的强度值是均匀的并利用这种均匀性；另一成像的关键技术，它直接影响成像技术的水平。目前，国内也开展了种方法寻找图像成分之间的边界，因而是利用图像的不均匀性。相关方面的研究，但这些检测技术都需要配有复杂庞大的控制以及３．２常用分割方法信号处理系统，成本高昂，而且检测时间都在秒的数量级；更关键的图像分割是图像由预处理转入分析的关键一步，它作为一种基本点的是这些设备根本无法满足远距离检测的需要。的计算机视觉技术，它在图像分析及模式识别中起着重要的作用。常１．２毫米波成像技术特点用的图像分割方法：有基于直方图的分割方法，有基于区域生长分割毫米波的工作频率介于微波和光之间，因此兼有两者的优点，方法，它有基于边缘检测的分割方法。虽然已经提出了这几种图像分割具有以下主要特点：方法，但如果所处理的图像不同，每种方法都会受到一定的局限。１．极宽的带宽。通常认为毫米波频率范围为２．０Ｇｚ．１２６５—３０Ｈ，３２１直方图分割。最简单的方法是建立在亮度值的直方图分析．．带宽高达２３Ｇｚ超过从直流到微波全部带宽的１倍。７．Ｈ。５０即使考虑的基础上的。如果一个图像是由明亮目标在一个暗的背景上组成的，一个是由目标点产生的峰值，另一大气吸收，在大气中传播时只能使用四个主要窗１，３但这四个窗口的其灰度直方图将显示两个最大值：总带宽也可达１５Ｈ，３Ｇｚ为微波以下各波段带宽之和的５。这在频个峰值是由背景点产生。倍如果目标和背景之间反差足够高，则直方图率资源紧张的今天无疑极具吸引力。中的两个峰值相距甚远，可选一个强度阈值Ｔ将两个最大值隔开。如１．波束窄。在相同天线尺寸下毫米波的波束要比微波的波束果图像由两个以上成分所组成，．２２则直方图将显示多重峰值，分割可以窄得多。例如一个１ｃ２ｍ的天线，在９Ｇｚ．Ｈ时波束宽度为１，取多重阈值来完成。最大类间方差算法就是基于灰度直方图的图像４８度而９Ｇ时波速宽度仅１度。４Ｈｚ．８因此可以分辨相距更近的小目标或者更分割算法。为清晰地观察目标的细节。３２．２区域生长。区域生长（ｅｉｎｇｏｉｇ是一种根据事前定义．ｒｇｒｗｎ）ｏ１．全天候特性。．３２与激光相比，毫米波传播受气候的影响要小得的准则将像素或子区域聚合成更大区域的过程。基本方法是先在图多，可认为具有全天候特性。像中挑选一个或一个以上的种子点洇为毫米波图像中目标区域的１．元器件小。．４２和微波相比，毫米波元器件的尺寸要小得多。因灰度总是高于背景的灰度，灰度最大点即是目标中温度最高的地方，此毫米波系统更容易小型化。因此，在应用区域生长法时，一般选择灰度值最大的点作为初始种子２图像分割算法及图像预处理像素点，进行图像分割），种子点的数目等于被检测区域的数目；然后２１基于最大类间方差的分割算法．规定像素之间的相似性的准则，最简单的是基于像素灰度值的准则。该算法首先通过灰度图像获取图像的灰度直方图信息，然后利３．．３梯度法。２第三种图像分割法建立在图像的不连续性基础上。用这些信息进行类间方差运算自动寻找最佳阈值，最后将目标从图此方法一般采用某种梯度运算（边缘检测）。从向量分析中知道，梯度像进行分割出来。图像二值化处理是一种灰度处理，二值化图像可以向量指向在坐标（ｖｆ的最大变化率方向。计算图像的梯度要基ｘ１，的通过适当地分割灰度图像得到。如果物体的灰度值落在某一区间内，于在每个像素位置都得到了偏导数ａｘ和ａｖ梯度运算最常用ｆｆ。并且背景的灰度值在这一区间之外，则可以通过阈值运算得到物体的是Ｐｅｉ和Ｓｂｌ算子。ｒｗｔ模板实现起来比ＳｂｌｒｗｔｔｏｅＰｅｉｔｏｅ模板更为简的二值图像，即把区间内的点置成１区间外的点置成０，。单，但后者在噪声抑制特ｌ方面略胜一筹。正如上文所说，生问题是一２２图像预处理的一般方法．般边缘检测并不生成一条连续的边界，故此法往往借助于一些边缘图像预处理的一般有图像去噪、图像增强等方法。连接法以获得满意的连续边界。２２１图像去噪。图像去噪的一般方法为滤波，．．而中值滤波则是结束语滤波中的典型。中值滤波是一种常用的非线性滤波技术，其基本思想随着毫米波成像技术的不断发展，毫米波成像处理越来越受到人是用像素点邻域灰度值的中值来代替该像素点的灰度值。中值滤波们的重视。各种各样的图像分割算法层出不穷，而随着各种新的方法般采用一个ｍ×ｎ的滑动窗口，从左至右，从上到下逐行移动，被引入到毫米波图像处理中，其毫米波成像算法的应用面将越来越广。参考文献中ｍ为滑动窗１行数，３ｎ为滑动窗口列数。对滑动窗口内像素点灰

基于遗传算法的聚类分析在CT图像分割中的应用

ＺＨＵＡｎ－ＬＩｉｉＢＡＯｕＳＩｇＩｉ — ＪＧｕＳ—ｕ
ＡｂｔａｔＡｉｎｔｔｅｃａａｔｒｔｆｍｅｉａｉｇｓｈｓｐｐｒｉｔｇａｅｅｅｉｌｏｉｈｗｉｌｓｅｉｇａａｙｓｒｃｍｉｇａｈｈｒｃｅｉｉｏｄｃｌｍａｅ，ｔｉａｅｎｅｒｔｓｇｎｔｃａｇｒｍｔｃｕｔｒｎｌ — ｓｃｔｈｎｓｓａｄａｐｉｓｉｄｃｌｉｎｐｌｎｍｅｉａｅＣＴｉｇｅｍｅｔｔｎｍａｅｓｇｎａｉ．Ｋ－ａｓｃｕｔｒｇｉｎｒｄｃｄａｄｒｍａｋｄｆｒｔｙｏｍｅｎｌｓｅｉｉｔｏｕｅｎｅｒｅｉｌ．Ｏｎｔｅｂｓｓｎｓｓｈａｉ
ｏｙｔｍａｉｎｌｓｓｏｕｒｎｌｏｉｈｓｅｅｉｌｏｉｈｉｎｕｔｄｉｔｌｓｅｉｇａａｙｉｏｓｌｅｔｅｌｃｌｙｆｓｓｅｔａａｙｉｆｃｒｅｔａｇｒｔｍ，ｇｎｔａｇｒｍｓｉｄｃｅｎｏｃｕｔｒｎｌｓｓｔｏｖｈｏａｉｃｃｔｎｔ
ｍｅｈｄｉｆａｉｌ，ｎｏｄｓｇｎａｉｎｒｓｌｓｈｖｏ．ｔｏｓｅｓｂｅａｄｇｏｅｍｅｔｔｅｕｔａｅｇｔｏＫｅｗｏｄＩｇｅｍｅｔｔｎ，Ｋ－ａｓｃｕｔｒｎｙｒｓｍａｅｓｇｎａｉｏｍｅｎｌｓｅｉｇ，Ｇｅｅｉｌｏｉｍｎｔａｇｒｈｃｔ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

地球物理地球化学勘查院地震公司宁夏银川７００５０４）
摘
要：目前，Ｔ技术在油气勘探领域中应用越来越广泛，Ｃ尤其是在岩心分析方面。本文在分析岩
心ＣＴ扫描图像特征的基础上，出一种消除岩心ＣＴ图像背景影响的分割方法。首先对岩心Ｃ提Ｔ
作者简介：汤翟（９５，长江大学在读硕士研究生，１８一）男，研究方向为测井资料处理与解释。
２１年第５００期
汤翟，：于最大类间方差遗传算法的岩心Ｃ等基Ｔ扫描图像分割方法
图像中间的岩心灰度值与边缘的背景灰度值有明显的差异，因而其灰度统计直方图一般包含两个峰，如（３。图）为了减少岩心周围的黑色背景灰度值对岩心图像的干扰，本文提出根据整个图像的灰度直方图，在直方图上双峰间的谷底位置取灰度值Ｔ用该，灰度值Ｔ代替ＣＴ图像的背景灰度值。再对新的图像应用遗传算法求取最优阈值Ｋ，最后利用该阈值
好的基础。
关键字：岩心ＣＴ扫描图像；遗传算法；最大类间方差；直方图
岩心ＣＴ扫描图像是由岩心图像和黑色背景组
０引
言
成的２６级灰度图像，其岩心灰度值与周围背景灰５度值有明显的差异。（１图）和（２图）分别给出了某井碳酸盐岩溶孔型储层和裂缝型储层的岩心ＣＴ扫描图像。从图上可以看到，裂缝和溶孔以黑
因此使用一个字节作为一个染色体；
（初始化种群并设置初始化参数，３）随机产生个规模为２０的染色体种群；最大进化代数５，色体长度８交叉概率０６Ｏ染，．，
色的像素点显示，致密点以较亮的白色像素点显示。岩心ＣＴ扫描图像的标准分辨率扫描的像素矩
阵是５２×５２１１。
间和岩心不同轴向变化的ＣＴ图像，出了Ｃ指Ｔ在岩
心分析上的优越性。此后，Ｔ技术在油气勘探领域Ｃ
中应用越来越广泛。目前，Ｔ技术在石油地质方面Ｃ的应用主要有测定岩性、隙度、孔储层岩心饱和度分
Ｃ技术能在被测物体无损的条件下测量，Ｔ计算
被测物体断面的密度分布，以计算机断面图像形式并通过灰度变化反映断面材质的密度变化，从而清
晰、直观的呈现出被测物体内部结构、寸、尺材质的
组成变化情况。１８９２年ＳＹ．ｎ等人将Ｃ．ＷａｇＴ引入岩心分析，给出了非混相驱替过程中油饱和度随时
国外测井技术
Ｗ０ＬＷＥＬＯＧＮＥＨＮＬＧＲＤＬＬＧＩＧＴＣ００Ｙ２１年１０００月
基于最大类间方差遗传算法的岩心ＣＴ扫描图像分割方法
汤翟何风ｚ
４４２２宁夏回族自治区３０３
ｆ长江大学油气资源与勘探技术教育部重点实验室湖北荆州１
扫描图像统计灰度直方图，根据该直方图确定一个灰度值，用该灰度值代替图片的背景灰度值，并然后利用最大类间方差法结合遗传算法确定最优闲值并对原始ＣＴ扫描图像处理。结果表明，该
方法能消除岩心ＣＴ扫描图像背景的影响，目标从Ｃ将Ｔ扫描图像中提取出来，为岩心分析提供很
最大类问方差（ＴＵ）态阈值图像分割方法ＯＳ动
ｊ
＿
＿＿一ｎ－ＪＪＪＪ～
：三
兰三三
兰至兰鼍毒毫毛毛
０＿
图３溶孔型储层的岩心Ｘ的灰度频率直方图
程序流程图如下：
基本原理是将图像的直方图以某一灰度为阈值将图像分为两组并计算两组的方差，当被分成的两组方差最大时，就以这个灰度值为阈值分割图像。但这种算法对于每一灰度值都要反复计算其对应方差，其计算量非常大。为了加快求最优解的速度，在上述方法的基础
上采用适应于并行计算的遗传算法。它是基于生物系统的自然选择原理和自然遗传机制，将生物进化过程中适者生存规则与群体内部染色体的随机信息
一
（）对岩心Ｃ１Ｔ扫描图像统计灰度直方图，并在直方图双峰问的谷底位置取灰度值Ｔ，然后用该灰度值Ｔ代替ＣＴ图像的背景灰度值产生新图像；（对新图像编码。２）由于灰度图由０—２５个灰５度值组成，对应着一个８二进制即一个字节，正好位
布及用来计算岩心的裂缝参数等。为了获得岩心的物性参数，需要对ＣＴ扫描图像进行图像处理。本文
在分析岩心ＣＴ扫描图像的特征的基础上，出一种提
消除岩心ＣＴ扫描图像背景影响的分割方法。
１岩心ＣＴ扫描图像特征
图１溶孔型储层的岩心Ｘ的ＣＴ图像
Ｋ对原始图像进行分割。频率直方圈
图２裂缝型储层的岩心Ｙ的ＣＴ图像
２基于最大类间方差遗传算法的岩心ＣＴ扫描图像分割原理及流程图
Ｏ频㈨数埘蛆鸯ｉ蚴
文献阎出了一种基于最大类间方差遗传算法提的图像分割方法，该方法能快速且稳定地求解最大类间方差及对应的灰度阈值。