蚁群算法在FMI成像测井和岩心CT扫描图像分割中的对比研究

尽管目前成像测井的解释技术已经取得了很大的进展，但是，由于受复杂地质环境和测井条件的影响，定量评价的难度依然很大。为了从FMI资料中提取定量信息，如面孔率、裂缝长度、宽度以及单位长度上的裂缝条数等参数，一个重要的步骤就是要对FMI图像数据进行分割，以期从实际FMI资料中分离出反映孔洞、裂缝的子图像[1]。在岩心CT扫描图像中，为了提取裂缝和溶孔的相关信息，也必须先对CT扫描图像进行分割[2]。图像分割结果的质量直接影响以后进行的分析、识别和解释的质量。因此，针对FMI测井图像和CT扫描图像的特征，研究有效的图像分割算法，对FMI和CT岩心扫描资料的参数定量提取是非常必要的，同时也为更好地识别和研究储集空间类型打下基础。

蚁群算法的离散性和并行性特点对数字图像处理非常适用，近几年许多国内外研究者应用蚁群算法在图像分割、图像特征提取、图像匹配、影像纹理分类等领域取得了相当丰富的研究成果[3]。本文设计了一种基于蚁群算法的图像分割方法，该方法先统计出图像的灰度直方图，然后利用蚁群优化算法，迅速地找出阈值，从而成功将目标从FMI成像测井和岩心CT扫描图像中分割出来，为后面的参数定量计算提供了很好的基础。

财务风险预警系统，可以进行信息收集。它通过收集与企业经营相关的产业政策、市场竞争状况、企业本身的各类财务和生产经营状况信息，进行分析比较，判断是否预警。还可以预知危机。经过对大量信息的分析，当出现可能危害企业财务状况的关键因素时，财务预警系统能预先发出警告，提醒经营者早作准备或采取对策，避免潜在的风险演变成现实的损失，起到末雨绸缪、防患于未然的作用。此外，还能控制危机。当财务发生潜在的危机时，财务预警系统还能及时寻找导致财务状况恶化的根源，使经营者有的放矢，对症下药，制定有效的措施，阻止财务状况的进一步恶化。

1 蚁群优化的OTSU算法

基于蚁群优化的OTSU算法的基本思想：随机产生n只蚂蚁的初始群体，使蚂蚁随机分布在目标函数的可行域上，即[0，255]范围内的灰度区域；根据目标函数计算每只蚂蚁的初始信息素，信息素正比于目标函数值，根据每只蚂蚁的当前信息素和全局最优信息素求出蚂蚁的转移概率，再根据转移概率更新每只蚂蚁的位置，新位置限制在目标函数可行域内，当蚂蚁移动到新位置后就立即更新自己的信息素 [4]。具体的思路可见文献 [1]。蚁群优化的OTSU算法的流程图见图1。

2 FMI图像分割的流程

实际FMI图像的分割按照以下流程进行：①根据FMI图像的长度，计算分割区间的窗口数n；②每个窗口内的像素点N为192×192个像素点；③找出窗口内的最大电阻率和最小电阻率；④将窗口内的所有点的电阻率进行归一化，转换到[0，255]灰度级；⑤利用蚁群优化的OTSU算法来查找阈值；⑥将阈值转换为对应的电阻率m，并将原始的数据分割成图像；⑦计算下一个窗口，如果没有到达最大窗口数n，继续跳转到②，如果到达就退出循环。分割的流程图见图2。

项目式教学课程内容的安排要以项目为中心，突出对学生综合技能、职业能力的训练；理论知识的选取，要依据岗位实际工作任务所需要的知识，围绕工作任务完成的目标来进行，并融合相关职业资格证书对基础理论知识、职业技能的要求，精心选取项目式课程教学内容，确定课程的能力目标(技能性学习目标)、知识目标(认知性学习目标)和素质目标(体验性学习目标)[1]。

  

图1 蚁群优化的OTSU算法的流程图

  

图2 FMI图像分割程序流程图

3 FMI图像分割效果对比

图3a是A井用迭代算法分割的效果图，图3b是用蚁群算法优化的OTSU算法分割的效果图。这2张图片都是1︰40的比例，左边一道是FMI的SCA图像，第2道是深度，第3道是用相应的方法分割后的图像。5 596～5 598是一段以溶蚀孔洞为主的储层。通过对比可知，2种方法都成功的将溶蚀孔洞的子图像从背景中分割出来，且连续处理时的一致性很好。总体来说，迭代算法、蚁群算法优化的OTSU算法分割的效果差别不大。

  

图3 A井分割效果

图5为C井用蚁群算法优化的OTSU算法分割的硅质团块的效果图。从图5中可以看到，蚁群优化的OTSU算法成功的将硅质团块从原图像中分割出来。

本地的湖面上弥漫着雾气，对增进环境气氛来说是不可多得的机会。这时天鹅或是家鹅是很好的拍摄对象，因为它们有着容易识别的轮廓。

首先读入扫描后的图像，然后对读入的图像数据进行3×3中值滤波，再对滤波后的数据用图1所示的蚁群优化的OTSU算法来进行分割，最后将分割后的数据保存为图像格式的文件。

《山东国土资源》是山东省国土资源厅主管、山东省地质科学研究院主办的学术类期刊，为月刊，国内外公开发行(其前身是《山东地质》，于2003年更名)。本刊主要刊登各类地学、土地、测绘方面的论文、专论及综述。设“地质与矿产”“水文地质环境地质”“技术方法”“土地管理与规划”“重要进展报道”等栏目。来稿应认真执行中华人民共和国保密法、计量法和著作权法，要求论点明确、论据充分、结构严谨、文字精炼。论文篇幅一般5000字以上。所投稿件必须具备论文题目、作者、作者单位、(中、英文)摘要、关键词、引言、正文(图表)、讨论、结论、致谢、参考文献等12项要素。

  

图4 B井分割效果

图4a为B井的迭代方法分割的效果图，图4b为蚁群算法优化的OTSU算法分割的效果图。在5 554～5 557深度段有 4条裂缝，5 559～5 562深度段有6条裂缝。在成像测井图像中，由于裂缝中充满了导电的泥浆滤液，泥浆的电阻率比地层电阻率要低一些，所以裂缝在成像测井图上显示出深暗色区域，与周围的围岩有着明显的差别。可以通过选取一定的阈值，将其从FMI图像中与围岩背景分离出来，得到只含有裂缝信息的子图像，这是裂缝识别最重要的依据和理论基础。由于裂缝与井眼交切的方式不同，所以在FMI图像上显示出不同的形态，可以通过裂缝的形态特征来确定裂缝的类型。当裂缝的形态特征确定以后，裂缝的一系列参数就蕴涵其中，这就为裂缝参数的定量提取打下基础。

（4）由于FMI图像的显示颜色只有42种，而岩心CT扫描的图像的显示是256级灰度 （即256种），这将会对分割效果的显示造成差异。用同样的2种分割方法分别对这2种图像进行分割，在岩心CT扫描的图像上有些差异明显，而在FMI图像上分割的差异因为显示颜色的限制，这种差异减小了。

  

图5 硅质团块的分割效果

（5）虽然用迭代算法和基于蚁群优化算法的OTSU算法都将溶蚀孔洞和裂缝从背景中分割出来，但仍有部分背景没有去掉，这跟阈值的选择有关系。由于这2种方法都是基于一维灰度直方图来计算阈值的，并没有考虑像素点的空间信息，建议用考虑灰度值和像素点空间信息的二维灰度直方图。

4 基于蚁群优化的OTSU算法岩心扫描图像分割

4.1 分割的原理

以上的蚁群算法中，取蚂蚁数量n=20，最大循环次数为50，全局转移概率P0=0.7，信息素蒸发系数P=0.2。

4.2 岩心CT扫描图像分割与分析

（1）将成像测井的电导率值归一化到[0，255]级灰度值，并用相关算法对归一化后的数据进行分割的方法是可行的。

图9为E井某深度段碳酸盐岩的岩心CT扫描图像，该图像的大小为512×512。由于碳酸盐岩质地较脆，该岩心的右下角缺了一小块。在该图像的中间有两条很清晰的裂缝，由于裂缝处的吸收系数很小，CT值较低，所以在图像上显示为黑色。图10～11分别为用迭代算法和蚁群算法优化的OTSU算法对该图像分割的效果图。通过对比可知，2种方法都成功的将裂缝部分的子图像分割出来。总体来说2种方法分割的效果差别很小，但在蚁群算法优化的OTSU算法分割的效果图中，左边那条裂缝要比迭代算法分割的要清晰些。

  

图6 D井岩心CT扫描图像

  

图7 D井迭代算法分割效果

  

图8 D井蚁群算法优化的OTSU算法分割效果

  

图9 E井岩心CT扫描图像

5 结论

  

图10 E井迭代算法分割效果

  

图11 E井蚁群算法优化的OTSU算法分割效果

针对OTSU算法的高耗时性，结合蚁群算法来对其进行优化，缩短计算时间。分别用迭代算法和基于蚁群优化算法的OTSU算法分割FMI成像测井图像和岩心CT扫描图像，并对结果进行了对比和分析。通过以上工作，取得了以下认识：

图6为D井某深度段碳酸盐岩的岩心CT扫描图像，该图像的大小为512×512，在图像的左边有2个小溶孔。由于溶孔处的吸收系数较小，CT值较低，溶孔在图像上显示为黑色的不规则的小黑点；岩心周围的背景，也为黑色。图7～8分别为用迭代算法和蚁群算法优化的OTSU算法对该图像分割的效果图。通过对比可知，这2种方法都能分割出溶孔部分的子图像，且差别很小。

（2）用迭代算法和基于蚁群优化算法的OTSU算法都能分割FMI成像测井图像，都能将溶蚀孔洞和裂缝从背景中分割出来，且分割的图像连续性较好。

了解目前世界上演员训练的最新方法和优秀成果，通过教师进修的方式将其“进口”到国内。在演员训练领域，有许多继斯坦尼斯拉夫斯基的后来者都作出了相应努力，他们的方法现在应用在世界各个艺术院校当中。这里面的优秀代表人物如格洛托夫斯基方法、迈克尔契科夫方法、桑塔福迈斯纳方法、乌塔哈根方法以及林克莱特方法等等，他们的研究成果能够缩短演员训练的路径，并且从质量上更加符合行业需求。

（3）用迭代算法和基于蚁群优化算法的OTSU算法都能分割岩心CT扫描的图像，且将溶孔和裂缝的子图像成功的从原始图像中分割出来。在某种程度上，蚁群算法优化的OTSU算法比迭代算法分割的效果要稍微好一些。

2) 在实际剪叶过程中，要求烟叶切痕平齐，不能存在撕裂现象。通过观察剪切过的烟苗，切痕都能够达到要求，保证了剪切效果。

由于用蚁群算法优化的OTSU算法和迭代算法本身计算出来的阈值相差不大，另外FMI的图像显示只有42种颜色，也就是说，FMI图像中的一种颜色对应于FMI电导率值的一段范围，所以用蚁群算法优化的OTSU算法和迭代算法分割的FMI图像差别很小。

农村基层事务纷繁芜杂，具有模糊性、连续性、碎片化的基本特征，同时，农村基层政府还承担着协调政社、政企、干群等多方关系的职责，这无疑需要基层政府具有高超的日常事务处理能力与协调各方关系的能力，而基层矛盾化解和协调利益关系能力的高低直接影响着农村社会的和谐与稳定。因此，提升农村基层治理能力的过程是提升基层矛盾处理能力、化解社会风险的过程，也是实现农村社会和谐稳定的过程。

（6）对于岩心CT扫描图像的分割，由于背景也为黑色，与裂缝和溶蚀孔洞的灰度值相近或相同，如果用基于灰度直方图的阈值分割算法的话，背景部分也参与灰度直方图的统计，这样对阈值的正确选择会造成影响。建议将背景去掉后，再进行灰度直方图的统计，这样求得的阈值将会更加准确。

参考文献：

[1]何风，刘瑞林，白亚东，等.蚁群算法在FMI成像测井图像分割中的应用[J].岩性油气藏，2014，26（2）：114.

[2]何风，魏志东，张石固.聚类分析算法在岩心扫描图像分割中的应用[J].内江科技，2009，30（10）：18.

[3]段海滨.蚁群算法原理及其应用[M].北京：科学出版社，2005.

[4]李士勇，陈永强，李妍.蚁群算法及其应用[M].哈尔滨：哈尔滨工业大学出版社，2004.