图像处理在石油地质领域中具有十分广阔的应用前景，其中地质图件矢量化、岩石图像裂缝分析和井间地层对比对于地质图件处理、石油勘探和开发有着十分重要的意义。本文对该领域的最新研究进展作了综述，针对目前存在的一些问题，根据工程应用的实际需要，提出和实现了以下算法： 1．提出了一个基于模糊竞争Hopfield网络的图像分割算法，图像空间至灰度特征空间的映射，可以在优化性能保持不变的情况下，使运算速度大大提高，从根本上解决了基于Hopfield网络图像分割算法开销很大这一问题。模糊竞争学习的引入，解决了竞争学习中神经元利用不足的问题。对于二值分割，其性能明显优于目前的最优全局二值化算法(Ostu方法)，对于多类分割，比目前广为采用的FCM算法具有更高的处理速度。可用于石油地质图件二值化、岩石图像分割等处理； 2．针对传统颜色分层算法需人机交互选取典型色并且只能处理单颜色背景的图像这一缺点，本文分别提出了基于颜色频数直方图和颜色表分析的石油地质图件按颜色分层的算法，它们不仅可以处理单颜色背景的图件，而且可以处理多颜色背景的图件，通过分析计算求得典型色实现石油地质图件的自动分层处理。前者具有较强的鲁棒性。后者具有较强的实时性，算法可以推广应用于彩色地图、地形图等图件的分色处理； 3．矢量化的核心在于图像的骨架提取，本文分别提出了提出基于游程的形态细化算法和基于特征块的石油地质图件骨架矢量提取方法，前者通过采用有向结构元，成功地克服了传统形态细化算法不满足单象素宽和连通性的缺点，算法的游程实现，大大地提高了处理速度，比较适合于大幅面地质图件的细化处理。前一算法虽然具有较高的实时处理能力，但不能改变细化算法的本质缺陷—畸变，为此，本文提出后一算法，其思想完全不同于传统的细化算法，它首先将图像映射成存储需求小得多的特征图像，然后对特征图像进行特征块优化操作，再对特征图像进行线追踪，形