آشکارسازی شکستگیهای سنگ مخزن مبتنی بر آنالیز بافت جهتی و نگاشت خودسازمانده

به‌دلیل تأثیر بسزایی که شکستگی‌ها بر تولید و برداشت بهتر و مؤثرتر از چاه دارند، شناسایی این پدیده‌ها، موضوعی بسیار بااهمیت است. نمودارهای تصویری، ابزار بسیار قوی برای مطالعه شکستگی‌ها در چاه‌ها هستند. در یک نمودار تصویری، یک شکستگی به شکل منحنی سینوسی دیده می‌شود. در این مقاله، ابتدا با استفاده از روش‌های استخراج ویژگی، مانند بانک فیلتر گابور، گشتاورهای زرنیک، گشتاورهای مستقل هفت‌گانه هیو و تبدیل والش-هادامارد جهتی، ویژگی‌های مفید استخراج‌شده و سپس برای کلاسه‌بندی نمودار تصویری، شبکه عصبی SOM بکار گرفته‌شده است. نتایج آزمایشی نشان داد که الگوریتم پیشنهادی به‌طور موفقیت‌آمیز و با دقت بالایی قادر به تشخیص شکستگی‌های موجود در نمودارهای تصویری است. در الگوریتم پیشنهادی، از روش‌های استخراج ویژگی استفاده شد که برای استخراج ویژگی اشیاء بافت، مناسب می‌باشند. نتایج نشان می‌دهند که دقت روش پیشنهادی برای استخراج پیکسل‌های شکستگی، بسیار بالا است و همچنین حساسیت کمی به نویز در نمودارهای تصویری دارد. الگوریتم پیشنهادی در این مقاله بر روی دو دسته از دیتاست‌های تصویری FMI و RMI اعمال شد و نتیجه کلاسه‌بندی در مقایسه با سایر الگوریتم‌های پیشنهادی، از دقت بهتری برخوردار است.