基于分层四叉树的多分辨率数字岩心的表示与生成

传统的数字岩心建模方法建立的数字岩心模型尺寸单一,分辨率固定,导致存储空间过大,难以维护等问题.因此,提出了一种分层四叉树模型,给出了模型的构建及扩展方法,基于此模型,建立多分辨率数字岩心体素模型,同时在分层四叉树模型基础上,结合Marching Cubes移动立方体算法生成数字岩心面模型.通过实例检验证明,该方法建立的数字岩心模型极大地节省了存储空间,耗时较少,同时具有易于维护管理等优点.     

基于深度学习的岩石孔隙分割方法

现有的传统孔隙分割方法不能准确提取岩心图像中细小狭长的孔隙,且容易受到岩石图像噪声的干扰,针对上述问题,提出了一种深度学习网络模型ARC-Unet(Attention and Recurrent-Convolution Unet),用于更加精确的分割岩石孔隙。采用Unet作为基础网络,并在网络上加入注意力机制,用于解决在分割时小面积的孔隙容易被漏分割的情况。将循环卷积模块代替原来的卷积模块,可以拟合更多的岩石特征,提高孔隙分割的准确度。通过在采集并制作的岩石数据集上进行训练并在通过在测试集的分割结果上进行模型评估,改进模型在测试集上的F1达到了88.15%,有着较好的岩石孔隙分割结果。