电成像测井以其高分辨率和图像直观性的特点,在复杂油气藏的勘探以及非均质性储层评价等方面得到广泛应用,而电成像测井数据的预处理方法和图像的处理技术关系着电成像测井地质解释的精度和准确性,同时对典型的地质现象建立成像图像模板库并进行自动匹配识别、地质参数的自动定量计算、电成像测井识别地层周期等方面的研究,随着电成像测井在地质解释上的应用深入,越来越受到人们关注。本论文首先以ERMI所测量的数据为研究对象,进行预处理校正和图像生成与显示方法的研究:着重研究了基于遇卡识别的改进Kalman滤波器模型-加速度校正方法,消除了井下仪器复杂运动引起的图像压缩拉伸和锯齿现象;首次考虑分别从极板内和极板间相结合进行电成像测井数据的均衡化处理,更好地消除了图像上出现的竖条纹和黑色条带现象;针对ERMI测量数据范围较大的问题,提出了基于Guass分布的最佳概率分布函数对成像图像进行直方图规定增强处理,有效地解决了图像上出现的亮带和暗带现象,最终生成的电成像测井图像取得了与斯伦贝谢处理结果相媲美的效果。在此基础上,研究了从电成像测井图像上自动识别孔洞、裂缝和定量计算相关地质参数的方法:在自动识别孔洞方面,采用最大类间方差法对图像进行自动分割,然后利用Freeman 8-链码存储自动拾取的孔洞轮廓,提高了孔洞参数的计算速度和精度;裂缝识别评价方面,采用了改进的Hough变换与人机交互相结合的方法识别裂缝和定量计算裂缝参数。为了给地质解释提供参照和指导,将典型的成像图像特征与地质现象建立了相对应的解释模板库,利用特征曲线相关性匹配和BP神经网络模板匹配识别方法,自动给出相似度最高的模板,提高了电成像测井解释的可靠性和效率;同时,首次提出利用Blackman-Tukey、MC-CLEAN信号分析方法对电成像测井数据进行频谱分析识别地层周期,比利用常规测井曲线识别的地层周期更为详尽,取得了与米兰科维奇周期匹配一致的结果,为高分辨率地层层序的分析提供了一种新的方法和思路;最后在微软的.NET平台上自主开发了一套电成像测井处理与解释方法软件,成功挂接到中海油田服务公司的测井处理和解释平台上,对现场实测资料进行处理验证,并将处理结果与国内外同类商业软件对比分析,取得了较好的一致效果。