今天老师发来两篇文章：

《改进分水岭算法在成像测井图砾石识别中的应用》

《复杂地层情况下全井周电成像图像修复方法》

---------------------------------------------------------------------------------------------------------------------

分析如下：

第一篇文章

《改进分水岭算法在成像测井图砾石识别中的应用》目的是利用算法：“改进分水岭算法”自动从成像测井图像中的砾石。

第一步，用高斯滤波器进行滤波处理，消除图像中不必要的细节；

第二步，求梯度，求出边缘强度信息后，将其与原始图像对应值相加，图像的轮廓会得到加强，从而更明显，更有利于分水岭算法对图像进行分割；

第三步，梯度处理后得到的图像边缘强度信息存在一个缺点，即除砾石边缘外一些小闭合区域，属于干扰信息，这些干扰信息的灰度值低于图像边缘灰度值，使用简单阈值处理法消除这些干扰信息，从而对过度分割现象进行抑制；

第四步，利用第三步的算法可以较好地解决分水岭算法的过度分割问题。过度分割虽然得以解决，但是分水岭分割得到的砾石划分边界与原图砾石匹配并不是很好，划分出砾石边界偏多。为此，引进应用形态学的扩展极小值变换的方法(H - minima 变换) 进行感兴趣区域标记，以提高砾石识别的准确率。

所以整个过程是：滤波 -> 梯度变换 -> H－minima 变换进行感兴趣区域标记 -> 最后运用改进分水岭算法对图像进行处理。

第二篇文章

《复杂地层情况下全井周电成像图像修复方法》目的是利用算法：“基于多点地质统计的图像修复方法”和“插值方法”混合的算法，修复空白区域较大、非均匀性比较严重的复杂地层测井图像。

传统方法“基于多点地质统计的图像修复方法”的缺点：基于多点地质统计的图像修复方法需在整个图像区域中寻找空白区域的最佳模式匹配块。这种全局搜索方法不但耗时，而且忽略了图像之间的局部相似性，修复速度相对较慢，不利于实际电成像测井
图像修复；同时，基于多点地质统计的修复方法，在修复均匀性比较好的地层图像时，图像修复效果较好，在修复大区域、非均匀性比较严重的地层时，存在匹配不确定性，导致图像修复结果出现异常。

混合图像修复方法的优点：该方法充分利用了插值方法速度快的特点，初步快速修复电成像测井空白区域的图像，在空白区域利用其初步修复结果，在滤波域进行匹配，寻找模式匹配块，在非均匀性比较严重的空白区域利用初步修复结果，减少了该区域模式匹配的不确定性，比较容易寻找正确的模式降低了出现异常模式的概率，使修复结果可靠。

原因：本文对基于多点地质统计的图像修复方法进行改进，结合插值方法和多点地质统 计的图像修复方法，提出了一种混合图像修复方法。该方法利用插值方法先快速插值电成像测井图像的空白区域，利用其初步图像插值结果在原空白区域进行滤波，在滤波域进行空白区域模式匹配，寻找该区域最 佳 模式 匹配块，由于在基于多点地质统计的图像修复时，非均匀性比较严重地层的空白区域利用了初步图像插值结果，增加了信息量，降低了该区域模式匹配的不确定性，因而图像修复结果可靠。

本文用到的两种算法：

第一，“基于多点地质统计的图像修复方法”（实现有一定难度，需要读文献）

基于多点地质统计的修复一般基于 Filtersim模拟来实现其算法。Filtersim模拟算法是一组基于滤波原理的多点地质统计方法，利用６个不同方向的滤波器对训练图像进行滤波，滤波器是一组各像素位置带权的数据模板。利用各组滤波器对训练图像进行滤波，可以得到数据模板区域内的滤波值，利用该滤波值对各模式进行分类。在进行模式分类的基础上，Filtersim 利用上述 ６ 个不同方向滤波器对原空白区域进行滤波，获得各数据事件的滤波值，然后通过滤波值比较各数据事件与训练图像中各模式，最后，将最相近的模式“粘贴”到待模拟区域。

第二，“基于反距离加权插值的修复方法”

算法如字面意思所述，略。

算法流程图：

over。