全變分2范數(shù)有限差分小波域成像測井圖像缺陷修復(fù)算法

林光明,張 健,張 順

(1.武漢理工大學 計算機科學與技術(shù)學院, 湖北 武漢 430070; 2.武漢理工大學 信息工程學院,湖北 武漢 430070; 3.華北油田測井公司,河北 任丘 062550)

?

全變分2范數(shù)有限差分小波域成像測井圖像缺陷修復(fù)算法

林光明1,張 健2,張 順3

(1.武漢理工大學 計算機科學與技術(shù)學院, 湖北 武漢 430070; 2.武漢理工大學 信息工程學院,湖北 武漢 430070; 3.華北油田測井公司,河北 任丘 062550)

針對超聲成像測井中因各種不確定因素而導(dǎo)致測井圖像中出現(xiàn)帶狀異常區(qū)域的現(xiàn)象,通過分析修復(fù)異常區(qū)域所采用的常規(guī)方法尤其是小波域修復(fù)方法的不足,文章提出了一種能夠有效解決該類問題的全變分2范數(shù)有限差分小波域超聲測井圖像修復(fù)算法。首先,設(shè)計基于圖像相鄰行相關(guān)值與絕對誤差值相結(jié)合的“鏈條”異常區(qū)域自動識別算法,實現(xiàn)對異常區(qū)域的準確定位;然后，針對全變分小波域圖像修復(fù)過程中出現(xiàn)的“分片常數(shù)”效應(yīng),設(shè)計一種全變分2范數(shù)有限差分小波域修復(fù)算法來有效消除該影響。通過實際測井資料處理結(jié)果與標準測井圖像效果的比對，證明該算法進一步提升了針對“鏈條”異常區(qū)域的修復(fù)效果,為后期圖像資料中該類狀況的修復(fù)提供了有效的解決方案。

2范數(shù);有限差分;改進;全變分小波域;缺陷修復(fù)

0 引 言

超聲成像測井技術(shù)在工程上應(yīng)用較為廣泛。當今世界上最先進的測井技術(shù)是美國研發(fā)的三維特征測井方法,該方法利用井下陣列傳感器沿井眼縱向、徑向掃描從而采集大量的層數(shù)據(jù)信息,再根據(jù)采集到的數(shù)據(jù)使用圖像處理方法獲得井眼附近的三維圖像或井壁的二維圖像[1],因此,所獲得的目標圖像比曲線方式更加直觀、精確和方便。

但由于超聲成像測井設(shè)備在移動測繪成像過程中,受制于井下阻力不均勻的干擾,會出現(xiàn)驟?，F(xiàn)象,而由于測井電纜彈性形變的存在,導(dǎo)致在驟停深度上測井設(shè)備會反復(fù)進行掃描成像,相應(yīng)的深度測量儀器也不停地在勻速運動,造成測井數(shù)據(jù)與深度位置的不匹配,將會在測井圖像中出現(xiàn)帶狀分布區(qū)域,稱為“鏈條效應(yīng)”[2]。

為解決該問題,文獻[3]采用偏微分方程方式對超聲成像測井獲得的圖像進行修復(fù);文獻[4]利用總體變分模型(TV模型)對測井圖像進行修復(fù);文獻[5]利用成像紋理設(shè)計了測井成像的修復(fù)算法。后續(xù)學者也提出了許多改進方法并取得了一定效果,但總體上這些修復(fù)方案在針對曲線或面積較小圖像區(qū)域修復(fù)時效果較好,而當圖像異?；騾^(qū)域較大時則效果不佳。

因此,本文提出了一種基于圖像相鄰行絕對誤差的帶狀區(qū)域自動識別算法,在實現(xiàn)對該類區(qū)域準確定位的同時,借助于小波域在圖像修復(fù)方面的優(yōu)勢,設(shè)計了一種全變分2范數(shù)有限差分小波域成像測井修正算法,以期能夠較好地解決該類問題。

1 “鏈條效應(yīng)”分布區(qū)域自動識別方法

在進行超聲成像測井圖像修復(fù)過程中,“鏈條”區(qū)域的確定是該修復(fù)過程中的重要環(huán)節(jié),若無法準確定位“鏈條”的異常區(qū)域,則圖像修復(fù)算法將無法準確應(yīng)用。由于“鏈條”區(qū)域是測井成像儀器在同一深度進行重復(fù)掃描所形成的異常區(qū)域[2],因此在該區(qū)域中相鄰兩行數(shù)據(jù)的相關(guān)性非常好;根據(jù)這個特性,對于鏈條區(qū)域的自動識別可采用基于相鄰行相關(guān)值與絕對誤差值相結(jié)合的自動識別方法。

“鏈條”異常區(qū)域如圖1所示。

圖1 “鏈條”異常區(qū)域

假設(shè)成像測井圖像資料的起始深度為D1st,而結(jié)束深度為D1end,則從超聲成像測井圖像資料的起始深度D1st開始計算?！版湕l”異常區(qū)域的自動識別算法步驟如下：

(1) 讀取當前圖像深度行D1cur的超聲成像測井圖像數(shù)據(jù)A(D1cur,k),然后計算與其相鄰m行圖像數(shù)據(jù)A(D1cur+m,k)的相關(guān)值,即:

(1)

其中,N為成像測井儀器對井壁掃描1圈的采樣點數(shù);A(D1cur+p,k)為與深度D1cur相鄰p行的圖像數(shù)據(jù)。

(2) 判斷步驟(1)中計算得到的m個相關(guān)值是否都大于相關(guān)值閾值Rmax,即

(2)

若(2)式中R(D1cur)≤Rmax,則說明深度行D1cur不在鏈條異常區(qū)域,跳轉(zhuǎn)步驟(1),令D1cur=D1cur+1,繼續(xù)對下一行圖像進行判別;若(2)式成立,則記錄滿足條件的m′≤m值,跳轉(zhuǎn)步驟(3)。

(3) 步驟(2)計算得到m′值,則圖像區(qū)域[D1cur,D1cur+m′]為鏈條異常區(qū)域的預(yù)估值,跳轉(zhuǎn)步驟(4),利用相鄰行絕對誤差值對圖像鏈條的異常區(qū)域進行準確定位。

(4) 讀取當前圖像深度行D1cur的成像測井圖像數(shù)據(jù)A(D1cur,k),然后計算與其相鄰p行圖像數(shù)據(jù)A(D1cur+p,k)的列誤差絕對值和,即

(3)

其中,m′的值為上一步計算得到的異常區(qū)域的預(yù)估值。

(5) 判斷步驟(4)中計算得到的m′個相關(guān)值是否都小于閾值Smin，即

(4)

若(4)式中S(D1cur)>Smin,則說明深度行D1cur不在異常區(qū)域,跳轉(zhuǎn)步驟(4),令D1cur=D1cur+1,繼續(xù)對下一行圖像進行判別;若(4)式成立,則記錄滿足條件的m″≤m′值。

(6) 輸出D1cur和m″,即為“鏈條”區(qū)域的限定值。

上述步驟通過采用基于相鄰行相關(guān)值的方式對異常區(qū)域進行預(yù)估,然后利用絕對誤差值作為補充對異常區(qū)域進一步細化,使得定位區(qū)域更加準確可靠,為修復(fù)算法奠定良好基礎(chǔ)。

2 小波域圖像修復(fù)算法

“鏈條效應(yīng)”產(chǎn)生的主要原因是由于井下阻力不均勻而造成測井數(shù)據(jù)與深度位置不匹配,工程上常用的方法是根據(jù)“鏈條”區(qū)域上下邊緣的測量數(shù)據(jù)進行插值得到[6]。實踐證明,這種插值方法在處理較窄“鏈條”時能夠得到很好的效果,但當“鏈條”區(qū)域過大時則修復(fù)效果不佳。文獻[7]提出了一種全變分小波域圖像修復(fù)算法,但是在實際應(yīng)用該修復(fù)算法時發(fā)現(xiàn),在小波穩(wěn)態(tài)解中會出現(xiàn)“分片常數(shù)”效應(yīng),影響圖像修復(fù)的效果。本文結(jié)合2范數(shù)采用有限差分方法對該小波域圖像修復(fù)算法進行改進。

2.1 全變分小波域圖像修復(fù)算法模型

假設(shè)圖像可表述為:

(5)

其中,u0(x)為成像測井原始圖像;n(x)為圖像噪聲,一般實驗環(huán)境下取為高斯白噪聲。假設(shè)圖像大小為n×m,則z(x)的標準正交小波變換形式為:

(6)

在小波變換圖像表示中,β={βj,k}為小波系數(shù)。需要注意的是,該模型中并未區(qū)分系數(shù)的高、低頻,這樣處理的原因為:① 簡化計算;② 該模型在高、低頻范圍內(nèi)允許出現(xiàn)一定系數(shù)的丟失。在實際應(yīng)用中,噪聲與數(shù)據(jù)丟包情況不可避免,造成的后果是小波系數(shù)的丟失;而剩余的系數(shù)又要受到噪聲的干擾。為準確表述小波域圖像,文獻[8]提出含噪聲的全變分小波域圖像修復(fù)算法模型為:

(7)

其中,當不存在噪聲時，λ=0;若j、k∈D,其中D屬于圖像待修復(fù)區(qū)域,則λj,k=0;若j、k?D,則λj,k為正常數(shù)。引入時間變量t，采用梯度下降法可求得小波系數(shù)為:

(8)

圖2 全變分特性

圖2表征的是3條單調(diào)遞增的曲(直)線函數(shù)。若u∈[a,b],并且函數(shù)在[a,b]范圍內(nèi)單調(diào)遞增,滿足u(a)=α,u(b)=β,那么上述3種曲線函數(shù)的全變分結(jié)果都相同,即

(9)

從圖像形態(tài)學的角度上分析這3條線段是完全不同的,特別是利用(7)式進行修復(fù)時,小波域系數(shù)與曲率的計算不在同一個域中。因而,采用全變分方式修復(fù)圖像時會導(dǎo)致小波系數(shù)穩(wěn)態(tài)值中出現(xiàn)“分片常數(shù)”效應(yīng),進而影響圖像修復(fù)效果。

2.2 改進型全變分小波域圖像修復(fù)算法模型

圖像修復(fù)在像素域上的主要工作是修正異常區(qū)域的像素值[8-9],而在小波域上的主要工作是補充經(jīng)過小波變換之后缺失的系數(shù)。如前所述,全變分小波修復(fù)方式在穩(wěn)態(tài)時存在“分片常數(shù)”效應(yīng),這會直接影響修復(fù)效果。而全變分小波域修復(fù)方式因其具備較強的邊緣保持能力,適應(yīng)于異?！版湕l”區(qū)域較窄情況下的修復(fù);但當異常“鏈條”區(qū)域較寬時,該算法平滑性的不足容易產(chǎn)生邊緣階梯效應(yīng)。而2范數(shù)∫|u(β,x)|2dx同全變分∫|u(β,x)|dx相比正好相反,圖2中3條曲線的2范數(shù)關(guān)系為:

(10)

其各向同性擴散系數(shù)與沿梯度的擴散系數(shù)一致,不會產(chǎn)生階梯效應(yīng)，但是會導(dǎo)致邊緣模糊。綜合這2種方式的優(yōu)點,對小波域模型進行改進,得到的模型如下:

(11)

其中,j、k∈D,D屬于圖像待修復(fù)區(qū)域;τ∈[0,1]為權(quán)重系數(shù),用來調(diào)整全變分與2范數(shù)的比重。

2.3 改進算法模型的有限差分求解

假設(shè)βD={βj,k|j,k∈D}為“鏈條”異常區(qū)域待修復(fù)小波系數(shù),采用有限差分方式求解如下:

(12)

若母波函數(shù)φ滿足(11)式,那么(12)式由分部積分可得:

(13)

為簡化公式表示,令

(14)

計算過程中需要在小波域與像素域之間進行轉(zhuǎn)換。首先在像素域中進行計算,對于“鏈條”異常區(qū)域的每個點(i,j)有:

(15)

然后將像素域轉(zhuǎn)換至小波基投影,即

(16)

改進算法的有限差分求解步驟如下：

(2) 若i

(3) 令βold=βnew,并根據(jù)(14)～(16)式計算“鏈條”異常區(qū)域像素域到小波基投影。

(4) 對于每個像素點(j,k),更新其小波系數(shù)，即

(17)

其中

(18)

(5) 更新算法偏差E=‖βnew-βold‖2,并令i=i+1,轉(zhuǎn)步驟(2)。

(6) 終止條件滿足,終止算法并輸出修復(fù)后的小波參數(shù)βD={βj,k|j,k∈D}。

3 仿真結(jié)果與分析

仿真數(shù)據(jù)資料來自阿爾7井的超聲成像測井圖像。阿爾7井位于內(nèi)蒙古自治區(qū)二連盆地,隸屬于華北油田二連公司。原始圖像、“鏈狀區(qū)域”自動定位識別仿真圖以及采用3種不同類型小波算法修復(fù)效果的對比如圖3所示。仿真參數(shù)采用Daubechines 9/7雙正交小波;圖像噪聲參數(shù)選取λ=0.05[10-11];仿真硬件平臺配置為AMD A10-5 800 K的CPU 、8 G內(nèi)存、Windows7旗艦版操作系統(tǒng)(由于圖內(nèi)空間有限,故圖中“全變分2范數(shù)有限差分”簡稱為“全變分2范數(shù)”)。

從圖3可以看出,原始測井圖像存在較明顯的“鏈條”異常區(qū)域,這在實際成像測井圖像中是普遍存在的;通過“鏈條”區(qū)域自動識別算法準確辨別出的異常區(qū)域,黑線位置即為“鏈條”區(qū)域。如前所述,2范數(shù)小波趨向于圖像修復(fù)的平滑處理而全變分小波側(cè)重于邊緣保持,2范數(shù)小波給出的修復(fù)結(jié)果非常平滑,紋理間的邊界相對模糊;全變分小波則注重于邊緣的保持,因此修復(fù)后的圖像紋理特征更加清晰;全變分2范數(shù)小波的修復(fù)結(jié)果介于兩者之間,較好地平衡了圖像修復(fù)的平滑性與邊緣保持的要求。綜上所述,全變分2范數(shù)小波在原有小波域特性的基礎(chǔ)上較好地提升了圖像修復(fù)的效果。

圖3 異常區(qū)域自動識別及3種小波算法效果比對

下面從客觀角度對比全變分2范數(shù)小波、全變分小波以及2范數(shù)小波修復(fù)方法[12]在成像測井圖像修復(fù)過程中,峰值信噪比(PeakSingaltoNoiseratio,PSNR)與小波系數(shù)丟失率[13]的特征關(guān)系,如圖4所示。

圖4 PSNR與小波系數(shù)丟失率特征關(guān)系

由圖4可知,全變分2范數(shù)小波修復(fù)算法的峰值信噪比值明顯優(yōu)于其他2種修復(fù)算法的,而受損原始圖像的PSNR值最低。這說明應(yīng)用該3種算法修復(fù)受損圖像都達到了一定的效果,而全變分2范數(shù)小波算法的修復(fù)效果明顯優(yōu)于另外2種算法的。同時,隨著小波系數(shù)丟失率的上升,3種算法所得PSNR值都有所下降,說明圖像受損越嚴重,其PSNR值也越低。

在對比算法運行效率方面,得到在同等條件下算法運行時間隨小波系數(shù)丟失率增加而變化的關(guān)聯(lián)曲線,如圖5所示。為穩(wěn)定仿真結(jié)果,算法運行時間的取值為每種算法各自運行40次的平均值[14-15]。

從圖5可以看出,隨著小波系數(shù)丟失率的上升,3種算法的運行時間都在增加，說明圖像受損越嚴重,算法的運行時間越長,這符合客觀現(xiàn)實。2范數(shù)小波修復(fù)算法在小波系數(shù)丟失率低于20%時,其算法的運行時間皆短于其他2種算法;當小波系數(shù)丟失率處于20%～30%范圍之內(nèi),其運行時間高于全變分2范數(shù)小波修復(fù)時間而低于全變分小波修復(fù)時間;當小波系數(shù)丟失率達30%以上時,其運行時間比另外2種算法大幅增加;而后兩者的變化趨勢相似,但全變分2范數(shù)小波修復(fù)算法的運行時間總體低于全變分小波修復(fù)算法,原因是改進的算法提高了修復(fù)效率。

圖5 算法運行時間對比結(jié)果

4 結(jié) 論

本文針對成像測井圖像中存在帶狀異常區(qū)域現(xiàn)象且利用常規(guī)修復(fù)算法效果不理想的情況,引入并改進了原有全變分小波域圖像修復(fù)算法,提出了一種基于全變分2范數(shù)有限差分的小波域圖像修復(fù)算法并進行了仿真與對比實驗。該算法考慮了小波系數(shù)的方向選擇性、傳遞性和聚集性;較好地解決了擁有較大帶狀異常區(qū)域的成像測井圖像缺陷修復(fù)問題;同時在充分考慮圖像結(jié)構(gòu)性的基礎(chǔ)上,有效去除了“分片常數(shù)”效應(yīng);實驗結(jié)果驗證了該算法的有效性與魯棒性。實踐證明，本文算法在修復(fù)效果與運行效率等方面均優(yōu)于常規(guī)算法,能更好地提高真實超聲圖像的修復(fù)性能，為超聲成像測井缺陷圖像修復(fù)提供了一種新的有效思路,是一種有效可行的修復(fù)方法。

[1] 倪路橋,余厚全，李長文，等.基于紋理的超聲成像測井圖像“城墻效應(yīng)”修復(fù)研究[J].測井技術(shù),2010,34(5):428-432.

[2] 張健.一種連續(xù)帶狀分布區(qū)域修復(fù)方法在成像測井資料處理中的應(yīng)用[J].科學技術(shù)與工程,2014,14(10):145-148.

[3] BERTALMIO M,SAPIRO G,CASELLES V,et al.Image inpainting[C]//Proceedings of the 27th annual Conference on Computer Graphics and Interactive Techniques.New York:ACM Press/Addison-Wesley Publishing Co,2002:417-424.

[4] CHAN T F,SHEN J H.Mathematical models for local nontexture inpaintings[J].SIAM Journal on Applied Mathematics,2002,62(3):1019-1043.

[5] CHAN T F,SHEN J H.Non-texture inpainting by curvature driven diffusions[J].Journal of Visual Communication and Image Representation,2001,12(4):436-449.

[6] 賈茜,易本順,肖進勝.基于結(jié)構(gòu)成分雙向擴散的圖像插值算法[J].電子與信息學報,2014,36(11):2541-2548.

[7] KIM G D,YOON C H,KYE S B.A single FPGA-based portable ultrasound imaging system for point-of-care application[J].IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control,2012,59(7):1386-1394.

[8] 張聚,王陳,程蕓.小波與雙邊濾波的醫(yī)學超聲圖像去噪[J].中國圖象圖形學報,2014,19(1):126-132.

[9] 譚小容,陳朝峰,查代奉.數(shù)字圖像多小波逆變換及后置濾波算法[J].計算機應(yīng)用,2014,34(5):1486-1490.

[10] TASINKEVYCH Y,TROTS I,NOWICKI A,et al.Modified synthetic transmit aperture algorithm for ultrasound imaging[J].Ultrasonics,2012,52(2):333-342.

[11] 胡文瑾,劉仲民,李戰(zhàn)明.一種改進的小波域圖像修復(fù)算法[J].計算機科學,2013,41(5):299-303.

[12] TANG Z J,HUANG L Y,DAI Y M,et al.Robust image hashing based on multiple histograms [J].International Journal of Digital Content Technology and its Applications,2012,23(6):39-47.

[13] 鄭馳超,彭虎.基于編碼發(fā)射與自適應(yīng)波束形成的超聲成像[J].電子與信息學報,2010,32(4):959-962.

[14] ZADEH P B,AKBARI A S.Image resolution enhancement using multi-wavelet and cycle-spinning[C]//Proceedings of 2012 UKACC International Conference on Control.Piscataway:IEEE,2012:789-792.

[15] WANG X.Image de-noising based-on multi-wavelet[C]//Proceedings of the 2009 International Forum on Information Technology and Applications.Piscataway:IEEE,2009:523-525.

(責任編輯 胡亞敏)

A total variational wavelet domain logging image defect inpainting algorithm based on two norm and finite difference method

LIN Guangming1,ZHANG Jian2,ZHANG Shun3

(1.College of Computer Science and Technology, Wuhan University of Technology, Wuhan 430070, China; 2.College of Information Engineering, Wuhan University of Technology, Wuhan 430070, China; 3.Huabei Oilfield Well Logging Company, Renqiu 062550, China)

Aiming at the phenomenon that in the process of ultrasonic image logging, the zonal abnormal region will appear in the images due to several uncertain factors, the inefficiency of normal ways including wavelet domain restoration way especially to clear away the zonal abnormal region is analyzed, and an effective total variational two norm finite difference wavelet domain ultrasonic logging images inpainting algorithm is put forward to solve this problem. Firstly, a kind of automatic recognition algorithm about chain abnormal region based on adjacent rows and absolute error value is proposed, which realizes the accurate location of imaging zonal region effectively. Then, aiming at the presence of “piecewise constant” effect in the process of the total variational wavelet domain image restoration, the total variational two norm finite difference wavelet domain ultrasonic logging images inpainting algorithm is proposed to eliminate the impact effectively. By comparing the experimental results of the actual logging image data processing with the standard logging image data, it is shown that this algorithm improves the inpainting effect and provides an effective solution for the inpainting of similar problems in image materials in the later stage.

two norm; finite difference; improvement; total variational wavelet domain; defect inpainting

2015-04-27；

2015-09-16

國家自然科學基金資助項目(41374148;41372155);湖北省自然科學基金青年基金資助項目(2014CFB248)和湖北省教育廳科技計劃資助項目(Q20111306)

林光明(1985-),男,山東青島人,武漢理工大學碩士生;

張 健(1981-),男,湖北荊州人,博士,武漢理工大學講師.

10.3969/j.issn.1003-5060.2016.10.010

TP391

A

1003-5060(2016)10-1347-06