Segmentação de imagens de rochas e classificação de litofácies utilizando floresta de caminhos ótimos

• Main Author: Mingireanov Filho, Ivan, 1977-
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2013
• Subjects: Processamento de imagens; Reservatórios; Reconhecimento de padrões; Segmentação de imagens; Petrofísica; Image segmentation; Reservoir; Pattern recognition; Petrophysics
• Online Access: MINGIREANOV FILHO, Ivan. Segmentação de imagens de rochas e classificação de litofácies utilizando floresta de caminhos ótimos. 2013. 73 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/263072>. Acesso em: 22 ago. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/263072

Orientadores: Alexandre Campane Vidal, Alexandre Xavier Falcão === Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências === Made available in DSpace on 2018-08-22T17:02:26Z (GMT). No. of bitstreams: 1 MingireanovFilho_Ivan_M.pdf: 33856245 bytes, checksum: 516137beeec348cf169f06272d16b0cb (MD5) Previous issue date: 2013 === Resumo: A caracterização de reservatórios é fundamental na construção do modelo geológico para a produção do campo. O melhoramento de técnicas matemáticas, que auxiliam a interpretação geológica, influencia diretamente o plano de desenvolvimento e gerenciamento dos poços. Nesse sentido, este trabalho utiliza uma aplicação inédita na caracterização de reservatórios da técnica de Transformada Imagem Floresta (Image Foresting Transform - IFT) em segmentação de imagens de rocha para a análise petrofísica. A técnica interpreta a imagem como um grafo, onde os pixels são os nós e os arcos são definidos por uma relação de adjacência entre os pixels. O custo de um caminho no grafo é determinado por uma função que depende das propriedades locais da imagem. As raízes da floresta surgem de um conjunto de pixels escolhidos como sementes e a IFT atribui um caminho de custo mínimo das sementes a cada pixel da imagem para gerar uma Floresta de Caminhos Ótimos (Optimum-Path Forest - OPF). Com isso, nas imagens de lâminas de arenito, os grãos são segmentados em relação ao poro e os grãos em contato são separados entre si. Com os resultados obtidos é possível o estudo da morfologia dos grãos e porosidade da amostra. O método consiste de dois processos principais, um totalmente automático para segmentar a imagem e outro que utiliza uma interface gráfica para permitir correções dos erros de classificação gerados pelo processo automático. A acurácia é medida comparando a imagem corrigida por interação do usuário com a segmentada automaticamente. Outra aplicação inédita apresentada no trabalho é a utilização do classificador supervisionado baseado em OPF para a classificação de dados de perfilagem geofísica do campo de Namorado === Abstract: The reservoir characterization is fundamental in the construction process of geological model for field production. The improvement of mathematical techniques that assist the geological interpretation, has a directly influence in the development plan and management of the wells. Accordingly, this study uses a novel application in reservoir characterization, Image Foresting Forest (IFT) technique to image segmentation of rock for petrophysical analysis. The IFT interprets an image as a graph, whose nodes are the image pixels, the arcs are defined by an adjacency relation between pixels, and the paths are valued by a connectivity function. The roots of forest are a set of pixels selected as seeds and the IFT assigns a minimum path-cost to each image pixel generation an Optimum-Path Forest (OPF). The result is a segmentation of grains from pore in sandstone thin section images and the separation of the touching grains automatically. This allows the study of grain morphology and sample porosity. The method consists of two major processes: first, a totally automatic image segmentation and second and user interaction to correct misclassified grains. The accuracy is computed comparing the corrected image by the user with the image segmented automatically. Another novel application presented in the work is the use of supervised classification based on OPF for classification of geophysical logging data from Campo de Namorado === Mestrado === Reservatórios e Gestão === Mestre em Ciências e Engenharia de Petróleo