基于几何形状特征的剩余油形态识别

陈 浩，滕奇志，何小海，张余强

(1. 四川大学 电子信息学院 图像信息研究所，四川 成都 610064；2. 成都西图科技有限公司，四川 成都 610064)

基于几何形状特征的剩余油形态识别

陈 浩1，滕奇志1，何小海1，张余强2

(1. 四川大学 电子信息学院 图像信息研究所，四川 成都 610064；2. 成都西图科技有限公司，四川 成都 610064)

在油田开发后期，剩余油形态分呈复杂趋势。对于岩石孔隙结构中的剩余油形态分布情况的研究，是石油勘探开发领域中的一个重要课题。在实验室中，微观驱替实验是石油地质实验中研究剩余油的重要模拟方法。要想了解剩余油形态的分布规律，统计和识别剩余油形态的类型是先决条件。人工识别统计剩余油形态类型是一项繁重耗时的工作，为了提高研究人员的工作效率，在深入研究剩余油形态几何形状特征的基础上，利用图像处理技术和分类识别算法对剩余油形态类型进行自动识别，具有重要的意义。

剩余油；形状特征；分类识别

0 引言

石油作为经济增速的主要动力，已经成为制约我国经济增长的因素。我国油田大部分采用注水开发方式，而注水开发油田经过一次、二次采油[1]后，仅能采出地下总储量的30%～40%，这就意味着残留在地下的石油仍有大部分可以开采。对于这些残留在地下的石油储量仍有很大的开采价值，因此加强对剩余油[2]分布的研究可以为提高石油采收率提供有效的理论依据。

图1 微观驱替实验过程

微观物理驱替实验[3-5]是石油地质人员在实验室模拟地层中水驱油情形的一项重要的仿真实验,其实验过程如图1所示。通过仿真实验对驱替阶段某一时刻模型中剩余油形态分布的研究，来模拟剩余油在地层中的分布，由此进一步研究不同驱替剂对不同类型的剩余油的驱油效率和机理，可以为油田合理高效地开采残留在地下的剩余石油提供理论支撑。

1 微观剩余油的分类

目前石油行业对于剩余油形态的分类还处在摸索阶段，并没有固定的标准，已有的分类方法将剩余油的形态主要分为簇状、盲状、孤岛状和膜状[6-7]，将剩余油的类型分为簇状、盲端状、角隅状[8]。虽然命名方式有所不同，但都是从剩余油的几何形状特征出发制定分类标准。本文从剩余油所占据的孔隙喉道的数量出发将剩余油形态分为：单孔型、油膜型、多孔型、连片型，如图2所示。

图2 剩余油形态类别

单孔型剩余油一般呈孤立存在，所占的孔隙数目较少(一般为1～2个)，孤立存在于孔隙或喉道中，其形状大多数接近圆形；油膜型剩余油是由于岩石亲油性而导致剩余油附着在岩石颗粒上，驱替液的流体力难以将此类剩余油从岩石颗粒的边缘上冲刷下来；多孔型剩余油占据的孔隙数目较多(一般在3～5个左右)，是因为连通孔隙的喉道太小导致驱替液的压力不足以将残存的油从孔隙中驱出；连片型剩余油是指剩余油呈网络状分布，有明显的向四周延伸的趋势，且占据的孔隙数目最多。

2 剩余油几何形状特征的选取

从图2可以看出，剩余油形态特征主要体现在其几何形状特征上，在对剩余油图像进行预处理之后，剩余油形态分类的结果准确与否关键就在于形状特征的选取。常用的几何形状特征参数有周长、面积、长宽比、偏心率、矩形度、形状因子、最小外接矩形等。通过对各种类型的剩余油的特点进行分析发现，单孔型剩余油具有较大的形状因子，一般趋近于1；油膜型剩余油的形状因子很小，可以看出其“厚度”较薄，长宽比较大，偏心率较大；多孔型剩余油形状因子较小且联通的孔隙数目大约为3～6个；连片型剩余油呈网络状分布，其形状因子很小，延伸趋势明显联通的孔隙数目在6个以上。因此选择偏心率、形状因子、长宽比这些特征参数进行区分。除此之外，引入剩余油联通孔隙系数作为第四个特征量。

(1)偏心率

偏心率可以用来表示区域的紧凑性。其计算过程如下：在目标区域的边界上选取一点p1(m1,n1)作为起点与边界上后面的点做距离计算：

(1)

将计算得到的值与之前的距离做比较保存其中较大的，并记录两点的坐标值，然后再依次计算d(2,k)(k=3,4,…,N)，d(3,k)(k=4,5…,N),…,d(N-1,k)(k=N)，通过比较最后得到距离最大的两点PN1(mN1,nN1)与PN2(mN2,nN2)，因此得到长轴的长度A。然后计算平均向量(x0,y0)和j+k阶矩阵Mjk。

(2)

(3)

综上可以得到偏心率E的计算公式：

(4)

(2)形状因子

形状因子用来度量目标区域与圆的近似程度，用C表示，其计算公式为：

(5)

式(5)中，P表示周长，A表示面积。当形状因子的值越接近于1，说明与圆的近似程度越高；反之，说明目标区域与圆的近似程度越低，其形状越复杂。

(3)长宽比

长宽比是指目标区域的最小外接矩形(MER)的长轴与短轴之比。最小外接矩形的计算方法是：在90°范围内以一定的角度旋转目标区域，每旋转一定的角度都可以得到物体在直角坐标平面中的外接矩形，当旋转到某个角度时，外接矩形的面积最小，此时的外接矩形就是目标区域的最小外接矩形，该矩形的长度和宽度的比值就是目标区域的长宽比。

(4)剩余油联通孔隙系数

将充满着剩余油的相互联通孔喉的数量定义为剩余油联通孔隙系数Ln，该参数可以准确表征统计区内剩余油占据的孔隙喉道的数量。

3 剩余油形态分类识别及分析

在上一节中已经讨论了剩余油的几何形状特征参数，接下来将对各种类型的特征参数进行定量分析，以寻求适当的分类算法。表1为各种类型剩余油样本集的几何形状特征参数的取值范围。

表1 剩余油样本集特征参数

为便于分析，本文算法对形态类型进行编号，单孔型剩余油为1，油膜型剩余油为2，多孔型剩余油为3，连片型剩余油为4。由表1中的剩余油样本数据可以看出，单孔型剩余油的形状因子较大，而其他三种剩余油的形状因子较小。因此，设形状因子的阈值为TC，则有单孔型剩余油的判断准则S1，如式(6)所示：

(6)

其中，C为不同类型剩余油的形状因子，阈值TC的计算公式如式(7)：

(7)

式(7)中，min(C[m,n])表示m，n类样本集中样本形状因子的最小值，max(C[m,n])表示m，n类样本集中样本形状因子的最大值。

通过准则可以确定剩余油是否为单孔型，如果不是则需要继续判断剩余油的类型。从表1中可以看出，油膜型剩余油的偏心率和长宽比大于多孔型和连片型剩余油，因此根据这两个特征参数可以得到油膜型剩余油的分类准则S2，如式(8)所示。设偏心率和长宽比的阈值分别为TE、TAR，则有：

(8)

式(8)中，E和AR分别为不同类型剩余油的偏心率和长宽比，阈值TE、TAR计算如下：

(9)

(10)

式(9)中,min(E[m,n])、max(E[m,n])分别表示m、n类样本集中样本偏心率的最小值和最大值；式(10)中，min(AR[m,n])、max(AR[m,n])分别表示m、n类样本集中样本长宽比的最小值和最大值。

通过准则S1和S2可以判断出剩余油是否为单孔型或油膜型，若剩余油不属于这两种类型，则仍需要对其进行判定分类，从而确定其类型是多孔型还是连片型。从表1中可知连片型剩余油的联通孔隙系数明显大于多孔型剩余油，这也正是两者的区别。为此，设分类阈值为TL，则有准则S3，如式(11)所示。

(11)

同理：

(12)

式(12)中，L表示不同类型剩余油的联通孔隙系数，min(L[m])、max(L[m])分别表示m类样本集中样本联通孔隙系数的最小值和最大值。综上可知，从决策树分类识别算法[9-10]的角度出发可以将上述分类算法表示为一棵多叉判决树的形式，如图3所示。

图3 剩余油形态识别的多叉判决树

本文的剩余油分类识别算法是根据能明显区分出不同剩余油类型的几何特征参数，如形状因子、长宽比、偏心率以及剩余油联通孔隙系数来对剩余油进行分类处理，是一种多类型多分类准则[11]的识别算法。

4 实验结果

4.1 剩余油形态静态分类结果分析

由作者和石油地质研究人员共同选出140个剩余油样本，其中包含所有类型的剩余油，且基本平均分布。每类选取10个，总共40个样本作为训练集，用于分类准则阈值参数的调整，最后将剩余的100个样本作为测试集，进行分类识别，并验证识别准确度。首先对训练集中的目标进行特征参数计算，再利用上述的剩余油形态分类识别算法以及计算得到的特征参数进行分类，最后利用得到的分类准则对100个剩余油样本进行分类识别，其识别结果如表2所示。

表2 剩余油样本测试集识别实验结果

实验中样本的识别效果图和原图分别如图4、图5所示，图中不同的颜色代表的形状说明如图6所示。

图4 剩余油识别效果图

图5 剩余油原图

图6 分类形状说明

实验表明本文的识别算法能够正确识别大多数的剩余油形态，具有较好的准确率。但从表2可以看出，仍然有部分剩余油的识别率会出现误判，如膜状剩余油以及对一些处在多孔型和连片型二者之间的剩余油的分类识别也可能会出错。

4.2 剩余油形态类别动态变化分析

实验数据以序列图像的形式记录了整个实验过程中仿真模型内原油和驱替液的变化过程。为了知道不同的驱替剂对各种形态剩余油的作用效果，就需要从剩余油形态动态变化的角度去分析。在驱替实验后期残存的剩余油即使发生变化，相邻两幅图之间其变化也不大，若时间间隔太小可能观察不出剩余油形态的动态变化。如图7、图8所示是T时刻与T+1时刻的剩余油形态分类结果图，其时间间隔为67 min,从图中可以看出两幅图之间的剩余油形态有明显的变化。

图7 T时刻的剩余油形态分类结果图

图8 T+1时刻的剩余油形态分类结果图

为了能对比出剩余油的形态变化，得到T时刻剩余油的边缘并将边缘画在T+1时刻的图上，如图9所示。图9中白色实线的边缘代表连片型，黑色实线的边缘代表单孔型，黑色虚线的边缘代表油膜型，白色虚线的边缘代表多孔型。最后将T+1时刻的分类结果叠加在含边缘的T时刻的图上，如图10所示。

图9 T时刻分类边缘图与T+1时刻叠加图

图10 分类结果对比图

因为T+1时刻的图像上的边缘图即为T时刻的剩余油分类结果，通过将T+1时刻的分类结果在图像上叠加切换可以对剩余油形态的变化进行对比分析。从图中可知随着驱替实验的进行，分散的单孔型剩余油有细微的位置变化；油膜型附着在边壁上，几乎没有变化；多孔型和连片型剩余油相对来说发生了比较大的变化，连片型剩余油可能分裂成多孔型或者分裂成两个较小的连片型；而一部分多孔型可能由于受到连片型的分裂影响，重新聚集成形状不同的多孔型剩余油；另一部分的多孔型没有发生太大的变化。

5 结论

相同类型的剩余油形态并不唯一，本文通过对不同剩余油形态进行分析，选取了几种比较能反映剩余油形态的几何形状特征参数，如形状因子、长宽比、偏心率等参数，利用这些特征参数和多叉判决树的识别算法，实现了剩余油形态的自动识别，同时本文还对剩余油形态类型的动态变化进行了分析。根据实验结果可以看出，该剩余油形态分类识别系统具有较高的准确度。对剩余油形态动态变化趋势的分析为提高采收率提供了理论依据，具有较高的应用价值。

[1] 陈淦.发展三次采油的战略意义及政策要求[J].油气采收率技术，1997，4(4)：1-6.

[2] 俞启泰.关于剩余油研究的探讨[J].石油勘探与开发,1997,24(2):46-50.

[3] Pei Haihua,Zhang Guicai,Ge Jijiang,et al.Comparative effectiveness of alkaline flooding and alkaline-surfactant flooding for improved heavy-oil recovery [J].Energy Fuels,2012,26 (5):2911-2919.

[4] Lu Teng,Li Zhaomin,Li Songyan,et al.Performances of different recovery methods for orinoco belt heavy oil after solution gas drive[J].Energy Fuels,2013,27(6):3499-3507.

[5] 张东,李爱芬,姚军,等.洞-缝-洞介质中水驱油注采规律研究[J].石油钻探技术,2012,40(4):86-91.

[6] 张伟.聚驱后剩余油分布及影响因素分析[D].大庆:大庆石油学院,2010.

[7] 李阳.储层流动单元模式及剩余油分布规律[J].石油学报，2003，5(3)：52-55.

[8] 宋考平，杨钊，舒志华,等.聚合物驱剩余油微观分布的影响因素[J].大庆石油学院学报，2004，28(2):25-27.

[9] 冯少荣.决策树算法的研究与改进[J].厦门大学学报(自然科学版)，2007，64(4)：496-500.

[10] Chen Huanhuan, Wang Qiang, Shen Yi.Decision tree support vector machine based on genetic algorithm for multi-class classification-decision tree support vector machine based on genetic algorithm formulti-class classification [J].Journal of Systems Engineering and Electronics, 2011, 22(2):322-326.

[11] 翟嘉，胡毅庆，成小伟.基于三分类支持向量机的多分类算法的研究[J].中北大学学报(自然科学版)，2015，36(5):520-525.

Shape recognition of residual oil based on geometry feature

Chen Hao1, Teng Qizhi1, He Xiaohai1, Zhang Yuqiang2

(1. Research Institute of Image Information, School of Electronics and Information Engineering, Sichuan University,Chengdu 610064, China; 2. Chengdu Xitu Technology Company Limited, Chengdu 610064, China)

In the latter part of oilfield development, the distributions of the remaining oil become more and more complicated. The research on the distribution of remaining oil in the rock pore structure is an important subject in the field of petroleum exploration and exploitation. In the laboratory, microscopic displacement experiment is an important simulation method for the study of remaining oil in petroleum geology experiment. The content of residual oil morphology research is to identify and count the types. However, it is a heavy and time consuming work to identify the residual oil by manual recognition. On the basis of deeply discussed the geometry characteristics of residual oil, and then utilizing image processing technology and recognition algorithm to obtain the residual oil types. It is of great significance to improve efficiency of the researchers.

residual oil; geometry feature; classification and recognition

TP391.4；TE327

A

10.19358/j.issn.1674- 7720.2017.01.006

陈浩，滕奇志，何小海，等. 基于几何形状特征的剩余油形态识别[J].微型机与应用，2017,36(1)：18-21,28.

2016-09-01)

陈浩(1993-)，男，硕士研究生，主要研究方向：图像处理与数字通信。

滕奇志(1962-)，女，博士，教授，博士生导师，主要研究方向：图像处理与模式识别。

何小海(1964-)，男，博士，教授，博士生导师，主要研究方向：图像处理与网络通信。