一种基于颜色增强的钻井液岩屑分割与大小估算方法

本发明涉及深度学习和钻井开发技术双领域，尤其涉及弱光图像增强网络和群体计数结合的钻井液岩屑计数方法。

背景技术：

1、钻井液岩屑颗粒大小的估算在油气勘探和井下作业中具有关键意义，估算可以提供关键的地质信息，有助于优化井下作业流程、提高钻井效率以及确保井下环境的安全性，岩屑颗粒的大小估算应用广泛，包括井下环境监测、井下作业优化、岩屑评估和地质勘探等领域。

2、在早期，人们可能主要依赖工程师和地质学家的经验来估算钻井液中岩屑颗粒的大小，这种方法基于专业人员对地层和岩石类型的了解，虽然在某些情况下可能有效，但缺乏定量和客观性；20世纪初，使用筛网进行颗粒分析成为一种常见的实验室技术，这种方法通过将钻井液样本通过筛网筛选，然后根据颗粒在筛网上的沉积情况来估算颗粒大小。然而，这种方法有时受限于样本的获取和实验室处理的时间；随着科技的发展，激光颗粒度分析技术成为一种常见的方法，通过激光散射，可以迅速而准确地测量颗粒的大小分布，提高了测量的精度和效率；近年来，数字图像处理技术的发展使得使用摄像头捕捉图像并通过图像处理方法来估算颗粒大小成为可能。

技术实现思路

1、本发明的目的在于为解决钻井液岩屑图像中精确大小估算的问题，设计一种基于颜色增强的钻井液岩屑分割与大小估算方法，首先构建真实的钻井液岩屑图像数据集，分别计算对应的强度图、hv彩色图和hvi彩色图；再通过颜色和强度解耦网络对图像进行亮度增强和去噪，得到增强后的钻井液岩屑图像数据；通过分层编码器提取增强后的钻井液岩屑图像的粗粒度、细粒度特征，提取不同尺度的特征并嵌入位置编码，提升后续预测钻井液岩屑语义分割掩码图像的效果；使用all-mlp解码器，直接融合这些多层次特征预测增强后的钻井液岩屑语义分割掩码图像；最后根据实际岩屑的大小和图片岩屑像素大小比例计算出真实的钻井液岩屑图像的所有岩屑大小。

2、一种基于颜色增强的钻井液岩屑分割与大小估算方法，包括以下步骤：

3、s1：处理钻井液岩屑图像，分别计算钻井液岩屑图像对应的强度图、hv彩色图和hvi彩色图；

4、s2：将强度图和hv彩色图作为颜色和强度解耦网络的输入，计算获得点亮后的强度图和去噪后的hv彩色图；

5、s3：连接点亮后的强度图和去噪后的hv彩色图，连接后和hvi彩色图相加，结果记为i，将i进行逆变换得到增强后的钻井液岩屑图像；

6、s4：使用分层编码器提取增强后的钻井液岩屑图像的粗、细特征m；

7、s5：使用轻量级all-mlp解码器，直接融合多层次特征预测得到增强后的钻井液岩屑图像l，通过卷积神经网络将图像l进行语义分割，通过神经网络训练得到分割后的掩码图像f；

8、s6：计算分割后的掩码图像f的每个岩屑的大小。

9、进一步的，一种基于颜色增强的钻井液岩屑分割与大小估算方法，所述步骤s1包括以下子步骤：

10、s11：计算钻井液岩屑图像的强度图，公式为：

11、；

12、其中，代表钻井液岩屑图像的强度图，代表输入的钻井液岩屑图像，，代表实数，代表钻井液岩屑图像的高度，代表钻井液岩屑图像的宽度，代表输入的三个颜色通道的钻井液岩屑图像数据，代表红色颜色通道，代表绿色颜色通道，代表蓝色颜色通道，代表三通道最大的钻井液岩屑数据；

13、s12：计算钻井液岩屑图像的hv彩色图和hvi彩色图；

14、s121：计算颜色密度，公式为：

15、；

16、其中，代表颜色密度，代表训练定制的参数，且；；

17、s122：计算色彩饱和度，公式为：

18、；

19、其中，代表色彩饱和度，代表三通道最小的钻井液岩屑数据；

20、s123：建立自适应的线性颜色感知映射，以学习数据集对不同颜色特性的敏感性，公式为：

21、；

22、；

23、其中，代表颜色色调，代表输入的红色通道的钻井液岩屑图像数据，代表输入的绿色通道的钻井液岩屑图像数据，代表输入的蓝色通道的钻井液岩屑图像数据，，代表取除以6的余数；

24、其中，代表线性颜色感知映射，，代表训练定制的参数，；

25、s124：计算hv彩色图的平面形式化，公式为：

26、；

27、其中，代表训练的单质函数；

28、其中，代表逐元素的乘法，代表水平分量的彩色图，代表竖直分量的彩色图；

29、s125：连接为和，进行图像处理操作，得到hvi彩色图；

30、其中，。

31、进一步的，一种基于颜色增强的钻井液岩屑分割与大小估算方法，所述步骤s2包括以下子步骤：

32、s21: 初始化强度图的、、，公式为：

33、；

34、其中，代表强度图的查询向量值，代表强度图的关健向量值，代表强度图的数值向量值，，c代表颜色通道，代表查询，代表健，代表值；

35、其中，代表求取强度图查询向量值的分层卷积矩阵，代表求取强度图关键向量值的分层卷积矩阵，代表求取强度图数值向量值的分层卷积矩阵，代表求取强度图查询向量值的分层卷积矩阵，代表求取强度图关键向量值的层深度卷积矩阵，代表求取强度图数值向量值的层深度卷积矩阵；

36、s22:重新排列、、；

37、s221：通过展平操作将、变换，得到新的、；

38、所述展平操作为从二维结构hxw转换为一维结构hw；

39、s222：在展平操作的基础上通过一次转置操作将变换，得到新的；

40、其中，代表重新排列后的，代表重新排列后的，代表重新排列后的，，；

41、s23：计算强度图和hv彩色图的交叉注意力结果，公式为：

42、；

43、其中，代表多头因子，代表1*1点卷积矩阵，代表点积操作，代表归一化注意力权重的函数，代表查询向量，代表关键向量，代表数值向量，代表强度图的交叉主义力结果，代表hv彩色图的交叉主义力结果，；

44、s24：计算点亮后的强度图和去噪后的hv彩色图，公式为：

45、；

46、其中,代表点亮后的强度图，代表去噪后的hv彩色图，代表逐元素的乘法，代表激活函数，代表1*1深度卷积矩阵，代表3*3分层卷积矩阵；

47、其中，代表关于色彩饱和度的3*3分层卷积矩阵，代表关于色彩饱和度的1*1深度卷积矩阵，代表关于颜色的3*3分层卷积矩阵，代表关于颜色的1*1深度卷积矩阵。

48、进一步的，一种基于颜色增强的钻井液岩屑分割与大小估算方法，所述步骤s3包括以下子步骤：

49、s31: 将强度图i分解为、、,裁剪三个分解向量在[-1,1]范围；

50、所述代表水平分量的强度图，代表竖直分量的强度图，代表竖直相垂直的分量的强度图；

51、s32：使用步骤s121的公式计算i的颜色密度，使用步骤s123的公式计算i的自适应的线性颜色感知映射，计算中间变量和，公式为：

52、；

53、其中，代表i的颜色密度，、均代表中间变量；

54、s33：将和转化为hsv颜色空间，公式为：

55、；

56、其中，代表自定义的线性参数，代表裁剪操作，只保留-1到1范围内的值，代表色调，代表饱和度，代表取除以1的余数；

57、s34：将色调、饱和度和亮度组合成hsv图像，并转换为srgb图像；

58、所述srgb图像代表增强后的钻井液岩屑图像。

59、进一步的，一种基于颜色增强的钻井液岩屑分割与大小估算方法，所述步骤s4包括以下子步骤：

60、s41：按照大小的滑动窗口，滑动步长为s，设置k=7，s=4和k=3，s=2，将增强后的钻井液岩屑图像分割成小块，把小块合并成大特征图p；

61、s42：计算大特征图p的分层特征图，公式为：

62、；

63、其中，代表分层特征图， 和代表大特征图p的长度和宽度，代表第i层网络通道数；

64、s43：计算自注意力结果，公式为：

65、；

66、其中，softmax代表归一化指数函数，查询q、键k和值v形状相同为,代表网络层的维度，代表输入的位置信息，代表k的转置；

67、s44：引入位置信息，公式为：

68、；

69、其中，代表输出的位置信息，mlp代表多层感知机，gelu代表基于高斯误差函数的激活函数；

70、s45：重复四次步骤s41、s42、s43、s44，提取增强后的钻井液岩屑图像的粗粒度、细粒度特征m。

71、进一步的，一种基于颜色增强的钻井液岩屑分割与大小估算方法，所述步骤s5还包括以下子步骤：

72、s51：统一多层特征m的通道维度，公式为：

73、；

74、其中，代表一层特征，linear代表全连接网络层，和分别表示线性层的输入和输出维度，j代表层数，代表j层特征；

75、s52：将特征上采样到并连接到一起，公式为：

76、；

77、其中，代表拼接特征，代表上采样操作；

78、s53：对拼接特征进行融合，公式为：

79、；

80、其中，代表融合特征，代表线性映射，代表连接操作；

81、s54：利用融合特征预测分割后的钻井液岩屑图像l，公式为：

82、；

83、其中，l代表分割后的钻井液岩屑图像，，代表类别数。

84、进一步的，一种基于颜色增强的钻井液岩屑分割与大小估算方法，所述步骤s6还包括以下子步骤：

85、s61：将分割后的钻井液岩屑图像l转化为灰度图，进行高斯模糊处理，得到结果g，高斯模糊数学公式为：

86、；

87、其中，代表高斯核，表示卷积操作的权重，x和y代表像素在图像中的位置，代表高斯分布的标准差；

88、s62：使用canny边缘检测算法检测s61结果q的边缘图像e；

89、s63：提取边缘图像e的外部轮廓，选取一个已知实际大小的轮廓作为参考物体；

90、s64：计算参考物体的最小面积矩形box，获取四个顶点、、、，计算之间的像素距离，计算、像素距离与实际的物体大小之间的关系，得到转换比例；

91、s65：遍历剩余的轮廓，对每个轮廓重复s64操作计算最小面积矩形，获取四个顶点；

92、s66：将所有轮廓对应的矩形绘制到钻井液岩屑图像上，根据转换比例得到的距离绘制到图中作为岩屑的长宽，得到每个岩屑的大小。

93、本发明有益效果：通过一种基于颜色增强的钻井液岩屑分割与大小估算方法，对钻井液中的岩屑进行层次化处理并实现多尺度特征的融合，不仅增强了模型在捕捉图像细节和全局信息方面的能力，而且提升了对岩屑形态多样性的适应性，在岩屑颗粒的分割和大小估算方面表现出了准确性和优越性，适用于处理复杂场景和多样化岩屑形态。