论文部分内容阅读
对于研究石油和地矿领域,对岩心的分析是十分重要途径之一。通过对岩心的分析,可以知道岩心包含的信息量。但是如果岩心长期暴露在空气中,那么岩心所包含的信息量就会下降,甚至丢失重要的信息。所以可以通过对岩心进行图像采集,将实物转化为数字图像,那么就可以永久保存。在获取岩心图像时,使用相机对岩心扫描。岩心扫描的方式主要有两种[5]:其中一种是在岩心正面,然后使用相机拍照,得到1800范围内的岩心柱状图像。该扫描方法称为获取岩心正面平扫图像;另外一种扫描方法是岩心全周扫描图像,通过将相机固定,然后对放在滚动轴上的岩心进行3600全周扫描,最终得到完整的岩心图像。本文选取的扫描方法是第二种。当一幅图像过大的时候,由于相机自身视域的限制,会导致单次采集岩心图像没法成功,这就导致了获取的岩心图像不连续,为后期的岩心图像全景描述增加了困难。为了解决这个问题,需要对完整的岩心进行分段多次图像采集,然后对采集到的分段岩心图像进行拼接。所以对分段的岩心图像进行拼接操作,是一个亟待解决的问题。对岩心图像拼接的方法有很多种,不同的方法实现的效果不一样。比如可以简单的对采集到的岩心图像进行复制、粘贴。虽然可以控制精确度,但是使用该方法拼接的精确度较低,往往拼接效果不好,不利于后期的处理[7]。使用图像拼接算法,对待拼接的岩心图像进行拼接,能够很好的实现拼接效果,而且拼接的精度相对较高。当今对图像匹配的算法主要包括基于变换域、基于图像的灰度信息、基于图像的原始特征等三类方法。尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法,该算法是基于图像的原始特征信息,使用该方法能够对旋转的角度、岩心在拍摄过程中的亮度以及对岩心拍摄不同视角具有很强的鲁棒性,并且具有很好的尺度不变性。但是通过对SIFT算法原理了解发现,该算法计算的复杂度很高,得到的特征向量为128维,而且计算的时间相对较长,不能满足实时性。通过SIFT算法对图像进行拼接,花费的时间大约是SURF算法花费时间的3倍[9]。SURF算法计算速度快,获取特征点准确。但是使用SURF算法获取特征点的时候,主方向太过依赖与局部区域的梯度方向。如果局部区域梯度找的不准确,就可能导致找到的主方向有误差。由于对图像的特征点获取以及后期通过特征点对两幅图像进行匹配,都严重依赖于主方向,因此主方向小的偏差也会导致特征匹配不精确,进而导致匹配不成功。本文首先基于SURF算法对岩心图像进行特征提取,使用特征点代替一幅完整的图像。然后利用RANSAC（随机抽样一致性）算法对岩心图像特征点去噪,除去冗余的特征点,减少冗余的特征点同时,也为后期特征点匹配提高了速度。最后结合欧氏距离与特征向量筛选最优特征点,实现岩心图像快速、高精度拼接。岩心图像拼接处,往往会由于外界因素的影响,比如亮度、相机与岩心之间的距离等影响,在岩心的拼接处会出现拼接裂缝,这会导致拼接处的岩心有一条明显的拼接线,所以需要对拼接处的裂缝进行融合,除去岩心图像拼接处的裂缝,得到效果较好的完整岩心图像。本文通过多次实验发现,选取拼接线处的左右30个像素宽度进行加权融合,能够很好的实现岩心图像的融合效果,得到预期的结果。