【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及電成像測(cè)井資料應(yīng)用術(shù)領(lǐng)域，尤其涉及一種基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法。
技術(shù)介紹
1、電成像測(cè)井技術(shù)，作為現(xiàn)代地球物理測(cè)井領(lǐng)域的一項(xiàng)重要技術(shù)，因其能夠提供高分辨率的地層圖像而在油氣勘探和開發(fā)中扮演著至關(guān)重要的角色。通過在井下采用旋轉(zhuǎn)掃描測(cè)量，沿井眼周向大量采集地層信息，然后通過圖像處理技術(shù)得到井壁的二維圖像，在縫洞儲(chǔ)層、低孔隙低滲透層、復(fù)雜巖性儲(chǔ)層評(píng)價(jià)等工程測(cè)井問題以及地層壓力、地應(yīng)力等力學(xué)參數(shù)的求取等方面都顯示出其獨(dú)特的優(yōu)勢(shì)，然而，電成像測(cè)井的圖像質(zhì)量受到儀器參數(shù)及狀態(tài)、測(cè)量及預(yù)處理精度、井眼環(huán)境以及地質(zhì)因素的影響。這些影響因素對(duì)圖像造成如空白條帶、遇卡壓縮拉伸、極板錯(cuò)位、壞電極、井壁貼合等嚴(yán)重影響后續(xù)評(píng)價(jià)的負(fù)面影響。因此電成像圖像修復(fù)作為后續(xù)儲(chǔ)層評(píng)價(jià)的前提成了必須克服的困難。但電成像測(cè)井圖像修復(fù)仍面臨著以下幾個(gè)方面的難題：
2、(1)修復(fù)速度慢：國(guó)內(nèi)外常用電成像圖像修復(fù)filtersim算法基于多點(diǎn)地質(zhì)統(tǒng)計(jì)需在整個(gè)圖像區(qū)域中尋找空白區(qū)域的最佳模式匹配塊，這種全局搜索方法不但耗時(shí)，而且忽略了圖像之間的局部相似性，修復(fù)速度相對(duì)較慢，不利于實(shí)際電成像測(cè)井圖像修復(fù)。
3、(2)大面積修復(fù)效果差：criminisi法是使用最為經(jīng)典的基于紋理的圖像修復(fù)方法，該算法能適用于受損面積較大的圖像，在電成像圖像修復(fù)過程中會(huì)產(chǎn)生較多分布規(guī)則的紋理，但結(jié)構(gòu)不連續(xù)，不符合人眼視覺習(xí)慣。filtersim算法基于多點(diǎn)地質(zhì)統(tǒng)計(jì)，需在整個(gè)圖像區(qū)域中尋找空白區(qū)域的最佳模式匹配塊，這種全局搜索
4、(3)基質(zhì)背景和儲(chǔ)層特征還原差：電成像圖像從重要性程度上，可以劃分為基質(zhì)背景和地質(zhì)特征，也是電成像圖像修復(fù)的重要評(píng)價(jià)標(biāo)注。criminisi算法只是簡(jiǎn)單的從其他地方拼接圖像，無法還原地層背景；filtersim算法雖然在圖像基質(zhì)背景上還原較好，但是仍然無法將紋層特征還原；deepfillv2對(duì)比filtersim在紋層特征還原上有所提高，但是極板不連續(xù)現(xiàn)象還未解決。
5、綜上所述，現(xiàn)有的電成像測(cè)井圖像修復(fù)方法對(duì)空白條帶的修復(fù)不夠自然，存在無法還原極板錯(cuò)位、紋層特征和極板不連續(xù)問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法，解決現(xiàn)有技術(shù)中的電成像測(cè)井圖像修復(fù)方法對(duì)空白條帶的修復(fù)不夠自然，存在無法還原極板錯(cuò)位、紋層特征和極板不連續(xù)問題的問題。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)提供了一種基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法，所述基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法，包括如下步驟：
3、s1：輸入圖像通過通道卷積處理，轉(zhuǎn)化為192個(gè)通道的特征表示；
4、s2：上述特征進(jìn)入編碼模塊，經(jīng)過逐層卷積操作，提取出深層特征圖，同時(shí)上述特征通過掩碼更新后，輸入掩碼至transformer主體模塊；
5、s3：上述深層特征圖進(jìn)入五個(gè)transformer主體模塊，利用多維多尺度膨脹自注意力機(jī)制逐步建模圖像的全局上下文信息；
6、s4：利用transformer主體模塊對(duì)深層特征圖進(jìn)行處理時(shí)，利用風(fēng)格調(diào)制模塊在修復(fù)過程中添加圖像風(fēng)格特征信息；
7、s5：經(jīng)過transformer主體模塊處理后的特征圖，通過解碼模塊進(jìn)行解碼，生成第一階段的輸出圖像，并且經(jīng)過第三個(gè)transformer主體模塊處理后，模型進(jìn)行第一次融合，將生成的風(fēng)格特征信息和圖像特征結(jié)合，增強(qiáng)修復(fù)圖像的細(xì)節(jié)和風(fēng)格一致性；
8、s6：利用融合模塊將輸入圖像、輸入掩碼、第一階段的輸出圖像以及風(fēng)格特征信息進(jìn)行第二次融合，得到最終的修復(fù)圖像。
9、其中，所述編碼模塊由三個(gè)卷積層組成，三個(gè)卷積層用于對(duì)圖像的高度和寬度進(jìn)行逐步的二倍下采樣，并且支持掩碼輸入，對(duì)掩碼支持的區(qū)域進(jìn)行部分卷積，生成一個(gè)具有高維特征的輸出特征圖。
10、其中，所述transformer主體模塊包括四個(gè)基礎(chǔ)層、多維多尺度膨脹的掩碼自注意力模塊、掩碼更新策略模塊和損失函數(shù)模塊。
11、其中，所述多維多尺度膨脹的掩碼自注意力模塊的運(yùn)行流程具體為：
12、對(duì)輸入的多維特征圖進(jìn)行層標(biāo)準(zhǔn)化，以確保不同尺度的特征在進(jìn)行注意力計(jì)算前保持穩(wěn)定的數(shù)值范圍；
13、基于通道維度將特征圖劃分為多個(gè)頭，分別構(gòu)造查詢向量q和鍵值向量k，值向量v直接由輸入特征圖得到；
14、利用標(biāo)準(zhǔn)化后的q、k向量進(jìn)行余弦掩碼自自注意力計(jì)算，以減少傳統(tǒng)點(diǎn)積注意力在大規(guī)模特征圖上的計(jì)算復(fù)雜度，并引入掩碼；
15、使用注意力權(quán)重對(duì)值v向量進(jìn)行加權(quán)求和，并將各個(gè)頭計(jì)算的結(jié)果進(jìn)行拼接；
16、將拼接后的結(jié)果輸入全連接層，通過全連接層進(jìn)一步對(duì)特征進(jìn)行整合與輸出。
17、其中，所述多維多尺度膨脹的掩碼自注意力模塊的運(yùn)行公式為：
18、cos_mask_attention(qi,ki,vi,mask)＝softmax(＜wiqxlni,wikxln＞+mask)wivx
19、式中，wiq、wik、wiv是查詢、鍵和值的線性變換矩陣，用于不同的注意力頭(i表示第i個(gè)注意力頭)，qi、ki是歸一化后的查詢和鍵，vi是值，xln是標(biāo)準(zhǔn)化后的輸入，＜＞表示進(jìn)行點(diǎn)積。
20、其中，所述掩碼更新策略模塊用于確保了模型在處理輸入時(shí)，能夠逐步覆蓋到所有有效的token，從而捕捉全局的信息依賴性，保證模型的有效性和全面性。
21、其中，所述損失函數(shù)模塊用于在模型訓(xùn)練過程中，在每次迭代更新模型權(quán)重時(shí)，計(jì)算損失函數(shù)，然后在前向傳播后、反向傳播之前應(yīng)用，通過最小化損失來調(diào)整模型參數(shù)。
22、其中，在步驟s4中，利用風(fēng)格調(diào)制模塊在修復(fù)過程中添加圖像風(fēng)格特征信息的具體步驟為，通過將隨機(jī)噪聲輸入一個(gè)歸一化模塊，并經(jīng)過8層全連接層生成的，該向量用于在修復(fù)過程中添加圖像風(fēng)格特征信息。
23、其中，所述風(fēng)格調(diào)制模塊的運(yùn)行公式具體為：
24、w＝ε(n)
25、x′＝b*x+(1-b)*resize(w)
26、w′＝f(x′)
27、style＝fuse(w,w′)
28、式中，w為隨機(jī)噪聲通過網(wǎng)絡(luò)生成的隨機(jī)風(fēng)格向量，b為x形狀的隨機(jī)二值化掩碼，每個(gè)值以50％的概率設(shè)置為0和1，非隨機(jī)風(fēng)格向量w′通過x′為輸入的映射函數(shù)得到，風(fēng)格模塊的特征表達(dá)由w和w′融合得到。
29、其中，在步驟s5中，第一次融合發(fā)生在第三個(gè)transformer主體模塊處理階段，設(shè)定輸入是x，得到與x形狀相同的值為0.5的向量，然后隨機(jī)丟棄10％的元素得到map向量，本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，包括如下步驟：
2.如權(quán)利要求1所述的基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，
3.如權(quán)利要求2所述的基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，
4.如權(quán)利要求3所述的基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，
5.如權(quán)利要求4所述的基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，
6.如權(quán)利要求5所述的基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，
7.如權(quán)利要求6所述的基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，
8.如權(quán)利要求7所述的基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，
9.如權(quán)利要求8所述的基于多維多尺度膨脹Transformer的電成像圖像修復(fù)方法，其特征在于，
10
...【技術(shù)特征摘要】
1.一種基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法，其特征在于，包括如下步驟：
2.如權(quán)利要求1所述的基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法，其特征在于，
3.如權(quán)利要求2所述的基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法，其特征在于，
4.如權(quán)利要求3所述的基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法，其特征在于，
5.如權(quán)利要求4所述的基于多維多尺度膨脹transformer的電成像圖像修復(fù)方法，其特征在于，
...【專利技術(shù)屬性】
技術(shù)研發(fā)人員：賴富強(qiáng)，曾渝，何智輝，王海濤，張少龍，
申請(qǐng)(專利權(quán))人：重慶科技大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。