融合二次电子和背散射电子图像的区域生长孔隙识别方法

摘要

本发明公开了融合二次电子和背散射电子图像的区域生长孔隙识别方法，包括以下步骤，图像采集：分别采集选定分析区域的背散射图像和二次电子图像；图像预处理：分别对背散射图像和二次电子图像进行灰度校正；孔隙识别：根据二次电子图像和或背散射电子图像成像响应差异构建区域生长算法的停止生长模型；在二维平面上分别判断各个像素点与周围像素点的连通性，归并区块完成分析区域孔隙识别；通过构建区域生长算法停止生长的数学模型，提高区域生长算法孔隙识别的精度，实现了扫描电镜页岩孔隙的高精度识别，在区分孔隙和基质方面具有较好的效果，大大提高了区域生长算法识别孔隙的可行性，并能够取得较高的识别结果。

说明书

技术领域

本发明涉及油气储层评价、岩土工程等领域，特别是一种融合二次电子和背散射电子图像的区域生长孔隙识别方法。

背景技术

在页岩孔隙性评价和孔隙结构分析中，扫描电镜是一种广泛的应用技术。对未抛光的样品进行扫描电镜观察可以定性分析页岩的孔隙类型和分布特征，通过对氩离子抛光的页岩样品的扫描电镜观察可以定量统计页岩孔隙的各种参数。但是，人工统计页岩孔隙参数的工作量巨大，一般仅用于科学研究，难以用于工业生产推广，因此很多学者和研发人员都对扫描电镜孔隙的计算机识别技术开展了大量研究。目前已有的识别技术以灰度法和分割法为主。

1、灰度法

扫描电镜的页岩图像中孔隙和基质(包括有机质、无机矿物)的灰度通常存在较为明显的差异，孔隙的灰度值相对较低。因此，可以设定某灰度值A，当分割单元或像素点灰度值小于A时为孔隙，当分割单元或像素点灰度大于A为基质。由于扫描电镜图像属于灰度图像，且灰度识别方法操作简单，因此被广泛应用于扫描电镜孔隙识别。目前，常用的利用灰度法识别孔隙的软件以颗粒(孔隙)及裂隙图像识别与分析系统(PCAS)为代表(刘春等，2018)，戚明辉等(2019)利用J Micro Vision软件的灰度识别功能对扫描电镜下孔隙识别也开展了研究。

由于页岩中孔隙分布于有机质和不同类型的无机矿物中，而有机质和不同类型的无机矿物在扫描电镜下灰度不一，不同类型孔隙的灰度值相对于有机质或者无机矿物的灰度值的高低也存在差别，因此单从灰度值的高低来看，孔隙和基质的灰度值区间往往存在一定的重叠，造成灰度区分孔隙和基质存在一定误差。

2、分割法

根据孔隙、有机质和不同类型的无机矿物在灰度上存在差异，而在它们的边界则会出现灰度值变化。分割法就是根据扫描电镜图像中不同组分(孔隙、有机质、各种无机矿物)的界线处灰度变化，利用数学方法(边缘法、分水岭法等)将扫描电镜图像分割成不同的区块(α)，然后对各个区块(α)进行分别识别。分割法中可以引入区块(α)的灰度、形态等多种参数。

分割法对于较大的孔隙往往具有较好的区分效果，但是孔隙较小时实现难度较大。目前的扫描电镜技术下，观察到的页岩孔隙极限约为放大倍数10万倍下1个像素点，大约是3～6nm，同时也是页岩微纳米孔隙分布的重要尺度。因此，放大倍数10万倍扫描电镜下经常可见几个甚至1个像素点即为1个孔隙的情况，此时如果采用分割法则容易将孔隙作为噪点排除，识别精度大大降低。

扫描电镜图像包括二次电子图像(ETD)、背散射电子图像(BSED)等。二次电子图像(ETD)探测深度较浅，一般小于5nm，能更好的反映分析区域(R)表层结构特征；背散射电子图像(BSED)探测深度较深，一般大于50nm，能更好的反映分析区域(R)的原子序数高低，灰度越高，代表原子序数越高。

由于二次电子图像(ETD)或背散射电子图像(BSED)成像所依据的电子类型不一样，因此成像过程中有机质、无机质、有机质孔隙、无机孔隙的响应特征不一样，且两种电子图像的组合响应特征也不一样。本专利提出在用二次电子图像(ETD)进行区域生长识别的算法中，根据二次电子图像(ETD)或背散射电子图像(BSED)成像响应差异，增加生长停止的算法模型，提高识别精度。

本发明公开了融合二次电子和背散射电子图像的区域生长孔隙识别方法，包括以下步骤，图像采集：分别采集选定分析区域的背散射图像和二次电子图像；图像预处理：分别对背散射图像和二次电子图像进行灰度校正；孔隙识别：根据二次电子图像和或背散射电子图像成像响应差异构建区域生长算法的停止生长模型；在二维平面上分别判断各个像素点与周围像素点的连通性，归并区块完成分析区域孔隙识别；通过构建区域生长算法停止生长的数学模型，提高区域生长算法孔隙识别的精度，实现了扫描电镜页岩孔隙的高精度识别，在区分孔隙和基质方面具有较好的效果，大大提高了区域生长算法识别孔隙的可行性，并能够取得较高的识别结果。

发明内容

本发明的目的在于克服现有技术的缺点，提供融合二次电子和背散射电子图像的区域生长孔隙识别方法，通过图像采集：分别采集选定分析区域的背散射图像和二次电子图像；图像预处理：分别对背散射图像和二次电子图像进行灰度校正；孔隙识别：根据二次电子图像和或背散射电子图像成像响应差异构建区域生长算法的停止生长模型；在二维平面上分别判断各个像素点与周围像素点的连通性，归并区块完成分析区域孔隙识别；通过构建区域生长算法停止生长的数学模型，提高区域生长算法孔隙识别的精度，实现了扫描电镜页岩孔隙的高精度识别，在区分孔隙和基质方面具有较好的效果，大大提高了区域生长算法识别孔隙的可行性，并能够取得较高的识别结果。

为实现上述技术目的，采用如下技术方案：

融合二次电子和背散射电子图像的区域生长孔隙识别方法，其特征在于，所述区域生长孔隙识别方法包括如下步骤：

S1:图像采集：在图像采集设备下，分别采集选定分析区域的背散射图像和二次电子图像；

S2:图像预处理：分别对背散射图像和二次电子图像进行灰度校正；

S3：孔隙识别：根据二次电子图像或背散射电子图像成像响应差异构建不同类型孔隙区域生长算法的停止生长模型；

S4：归并区块：通过步骤S3中建立的停止生长模型，在二维平面上分别判断各个像素点与周围像素点的连通性后归并区块。

进一步的，所述步骤S1中所述图像采集设备是扫描电镜；所述步骤S1中分析区域的背散射图像和二次电子图像在采集过程中除了图像类型不同，图像采集设备采集的其他参数与普通图像采集保持不变。

进一步的，所述步骤S2中图像灰度校正以典型石英、黄铁矿、粘土矿物、有机质、孔隙图像为参考值，对图像灰度进行矫正，去除因分析区域改变造成的亮度不一致性。

进一步的，所述步骤S3中不同类型孔隙为有机质、石英、粘土矿物孔隙；黄铁矿、硫酸钡等重金属元素矿物孔隙；黄铁矿、硫酸钡等重金属元素矿物孔隙表面有薄层有机质覆盖。

进一步的，由于有机质、石英、粘土矿物孔隙的ETD和BSED图像灰度值均较低，所述步骤S3中有机质、石英、粘土矿物孔隙的区域生长算法的停止生长模型为：

ETD<α1且BSED<α2

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

进一步的，由于黄铁矿、硫酸钡等重金属元素矿物孔隙的BSED图像灰度值显著高于ETD，且BSED图像灰度值显著低于基质，所述步骤S3中黄铁矿、硫酸钡等重金属元素矿物孔隙的区域生长算法的停止生长模型为：

BSED-ETD>β1且BSED<β2

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

进一步的，由于黄铁矿、硫酸钡等重金属元素矿物表面有薄层有机质覆盖时，ETD图像灰度值显著高于BSED，且BSED图像灰度值较低，所述步骤S3中黄铁矿、硫酸钡等重金属元素矿物孔隙表面有薄层有机质覆盖时的区域生长算法的停止生长模型为：

BSED<γ1且ETD-BSED>γ2

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

进一步的，所述α1≤20，α2≤20；β1≤70，β2≤180；γ1≤50，γ2≤70。

进一步的，所述归并区块的具体方法为在二维平面上分别判断各个像素点与周围像素点的连通性；如果两个相邻像素点组分类型一致，则判断两个像素点连通，属于同一个归并区块。

本发明的有益效果为：

本发明公开了融合二次电子和背散射电子图像的区域生长孔隙识别方法，包括以下步骤，图像采集：分别采集选定分析区域的背散射图像和二次电子图像；图像预处理：分别对背散射图像和二次电子图像进行灰度校正；孔隙识别：根据二次电子图像和或背散射电子图像成像响应差异构建区域生长算法的停止生长模型；在二维平面上分别判断各个像素点与周围像素点的连通性，归并区块完成分析区域孔隙识别；通过构建区域生长算法停止生长的数学模型，提高区域生长算法孔隙识别的精度，实现了扫描电镜页岩孔隙的高精度识别，在区分孔隙和基质方面具有较好的效果，大大提高了区域生长算法识别孔隙的可行性，并能够取得较高的识别结果。

与现有技术相对，本申请的有益效果包括以下几点：

1、参数易获取，本申请所提出孔隙识别方法的ETD图像和BSED图像可以通过常规扫描电镜获得；

2、可靠性高，传统的利用1张扫描电镜图像进行孔隙识别，区分有机质孔隙、无机孔隙、有机质和无机矿物效果较差；本申请所提出的孔隙识别方法大大提高了区域生长算法识别孔隙的可行性，并能够取得较高的识别结果。

3、原理清晰，本申请提出的孔隙识别方法，不同于传统方法仅依靠1张扫描电镜灰度图像的信息处理，而是基于不同类型的扫描电镜图像的信息，改进区域生长算法的数学模型，进行孔隙识别，原理清晰、易于推广。

附图说明

图1为本申请实施例中融合二次电子和背散射电子图像的区域生长孔隙识别方法示意图；

图2为黄铁矿-有机质的BSED-ETD灰度值特征图；

图3为石英-有机质BSED-ETD灰度值特征图；

图4为典型孔隙的BSED-ETD灰度值特征图；

图5为典型黄铁矿浅孔BSED-ETD灰度值特征图；

图6为典型黄铁矿-有机质孔隙BSED-ETD特征图；

图7为本申请融合二次电子和背散射电子图像的区域生长孔隙识别方法识别效果图；

图8为灰度阙值法孔隙识别效果展示图。

具体实施方式

下面结合附图对本发明做进一步的描述，本发明的保护范围不局限于以下所述：

实施例1：

以四川省宜宾市长宁县双河镇五峰组-龙马溪组剖面的一块页岩样品的孔隙特征定量分析为例。采用的设备是成都理工大学的场发射环境扫描电子显微镜(Quanta250FEG)，该设备由美国FEI公司制造，是目前一款主流的商用场发射环境扫描电子显微镜。

如图1所示，按照如下步骤：

S1:图像采集：在图像采集设备下，分别采集选定分析区域的背散射图像和二次电子图像；

S2:图像预处理：分别对背散射图像和二次电子图像进行灰度校正；

S3：孔隙识别：根据二次电子图像或背散射电子图像成像响应差异构建不同类型孔隙区域生长算法的停止生长模型；

S4：归并区块：通过步骤S3中建立的停止生长模型，在二维平面上分别判断各个像素点与周围像素点的连通性后归并区块。

步骤S1中所述图像采集设备是扫描电镜；所述步骤S1中分析区域的背散射图像和二次电子图像在采集过程中除了图像类型不同，图像采集设备采集的其他参数与普通图像采集保持不变。

步骤S2中图像灰度校正以典型石英、黄铁矿、粘土矿物、有机质、孔隙图像为参考值，对图像灰度进行矫正，去除因分析区域改变造成的亮度不一致性。

步骤S3中不同类型孔隙为有机质、石英、粘土矿物孔隙；黄铁矿、硫酸钡等重金属元素矿物孔隙；黄铁矿、硫酸钡等重金属元素矿物孔隙表面有薄层有机质覆盖。

由于有机质、石英、粘土矿物孔隙的ETD和BSED图像灰度值均较低，步骤S3中有机质、石英、粘土矿物孔隙的区域生长算法的停止生长模型为：

ETD<20且BSED<20

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

由于黄铁矿、硫酸钡等重金属元素矿物孔隙的BSED图像灰度值显著高于ETD，且BSED图像灰度值显著低于基质，步骤S3中黄铁矿、硫酸钡等重金属元素矿物孔隙的区域生长算法的停止生长模型为：

BSED-ETD>70且BSED<180

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

由于黄铁矿、硫酸钡等重金属元素矿物表面有薄层有机质覆盖时，ETD图像灰度值显著高于BSED，且BSED图像灰度值较低，步骤S3中黄铁矿、硫酸钡等重金属元素矿物孔隙表面有薄层有机质覆盖时的区域生长算法的停止生长模型为：

BSED<50且ETD-BSED>70

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

归并区块的具体方法为在二维平面上分别判断各个像素点与周围像素点的连通性；如果两个相邻像素点组分类型一致，则判断两个像素点连通，属于同一个归并区块。

如图2-6所示，分析区域内样品的基质的ETD和BSED变化如下：

(1)同种基质的ETD和BSED较为连续、稳定，且具有相似的特征(图2、图3)。

(2)典型有机质、石英、粘土矿物孔隙的ETD、BSED均较低，一般低于20(图4-图6)。

(3)由于黄铁矿的原子序数较高，在ETD和BSED中灰度值均较高；且受到高原子序数矿物的影响，如果孔隙较浅(图5)，则孔隙的灰度值可能高于有机质或石英的灰度值。但是，对比图2和图6可见，由于孔隙反射电子能力较弱的特征被放大，使得黄铁矿、硫酸钡等重金属元素矿物孔隙与黄铁矿基质相比，不仅BSED灰度值显著降低，且BSED与ETD的幅度差显著降低。

(4)由于孔隙边缘对二次电子的反射能力强，因此表现出高亮特征；而孔隙边缘对背散射电子反射能力较弱，因此表现出暗边特征(图4、图6)。

(5)图6中，孔隙右侧的黄铁矿表面覆盖一层较薄的有机质层，BSED较低，且ETD远高于BSED。

根据以上典型规律，建立以下停止生长模型参数：

有机质、石英、粘土矿物孔隙的区域生长算法的停止生长模型为：

ETD<20且BSED<20

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

黄铁矿、硫酸钡等重金属元素矿物孔隙的区域生长算法的停止生长模型为：

BSED-ETD>70且BSED<180

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

黄铁矿、硫酸钡等重金属元素矿物孔隙表面有薄层有机质覆盖时的区域生长算法的停止生长模型为：

BSED<50且ETD-BSED>70

其中，ETD为二次电子图像灰度值，BSED为背散射图像灰度值。

识别结果：

以同样分析区域为例：

从图8可见，由于本申请所用分析样本的孔隙结构较为复杂，阙值算法难以取得较好的效果。

从图7可见，本申请改进的区域生长算法对各种类型的孔隙均有较好的识别效果。

综上所述，本发明公开了融合二次电子和背散射电子图像的区域生长孔隙识别方法，包括以下步骤，图像采集：分别采集选定分析区域的背散射图像和二次电子图像；图像预处理：分别对背散射图像和二次电子图像进行灰度校正；孔隙识别：根据二次电子图像和或背散射电子图像成像响应差异构建区域生长算法的停止生长模型；在二维平面上分别判断各个像素点与周围像素点的连通性，归并区块完成分析区域孔隙识别；通过构建区域生长算法停止生长的数学模型，提高区域生长算法孔隙识别的精度，实现了扫描电镜页岩孔隙的高精度识别，在区分孔隙和基质方面具有较好的效果，大大提高了区域生长算法识别孔隙的可行性，并能够取得较高的识别结果。

与现有技术相对，本申请的有益效果包括以下几点：

1、参数易获取，本申请所提出孔隙识别方法的ETD图像和BSED图像可以通过常规扫描电镜获得；

2、可靠性高，传统的利用1张扫描电镜图像进行孔隙识别，区分有机质孔隙、无机孔隙、有机质和无机矿物效果较差；本申请所提出的孔隙识别方法大大提高了区域生长算法识别孔隙的可行性，并能够取得较高的识别结果。

3、原理清晰，本申请提出的孔隙识别方法，不同于传统方法仅依靠1张扫描电镜灰度图像的信息处理，而是基于不同类型的扫描电镜图像的信息，改进区域生长算法的数学模型，进行孔隙识别，原理清晰、易于推广。

至此，本领域技术人员认识到，虽然本文已详尽展示和描述了本发明的实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导符合本发明原理的许多其他变形或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变形或修改。