数字岩心和孔隙网络模型是研究多孔介质特性的有效手段,其中数字岩心孔隙特征的提取结果至关重要,将直接影响数字岩心和孔隙网络模型的有效性。虽然数字岩心技术已经得到了广泛的研究和应用,但是依然存在背景像素干扰、孤立孔隙较多和孔隙网络模型不准问题。为解决上述问题,本文结合岩心图像的纹理特征和简单线性迭代聚类（SLIC）算法提取岩心目标,去除背景像素的干扰;提出了基于空间标记的岩心孔隙并行分割方法,去除孤立孔隙,并以此为基础应用最大球算法重建孔隙网络模型。首先,针对SLIC算法需要手动设定预分割超像素个数问题,提出了自适应SLIC方法。通过引入图像的熵、相关度、能量和对比度四个纹理特征参数,加权求和,计算图像复杂度,并通过实验得出复杂度与SLIC预分割超像素个数之间的关联公式,实现岩心图像背景分割。通过与阈值法相比,该方法能够准确提取出岩心区域,排除背景像素对孔隙提取的干扰,为数字岩心孔隙提取奠定了基础。然后,为了剔除孔隙空间中的孤立孔隙,在自适应SLIC方法处理的基础上,提出了基于空间标记的岩心孔隙并行分割方法,综合考虑了单张图像的二维、序列图像间的三维连通信息,合理去除孤立的孔隙,并应用最大球算法重建孔隙网络模型。最后,以基于空间标记的岩心孔隙并行分割方法为基础,实现了数字岩心重建系统并对实验结果和时间性能进行对比分析。实验结果表明,本文算法与最大类间方差法（Otsu）相比,能够有效去除岩心中的孤立孔隙,孔隙网络模型连通性更好。通过并行归并方法加速标签合并,提高了60%的分割效率。