WO1999031530A1 - Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu - Google Patents

Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu Download PDF

Info

Publication number
WO1999031530A1
WO1999031530A1 PCT/FR1998/002705 FR9802705W WO9931530A1 WO 1999031530 A1 WO1999031530 A1 WO 1999031530A1 FR 9802705 W FR9802705 W FR 9802705W WO 9931530 A1 WO9931530 A1 WO 9931530A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
stratification
heterogeneities
planes
planar
Prior art date
Application number
PCT/FR1998/002705
Other languages
English (en)
Inventor
Shin-Ju Ye
Philippe Rabiller
Naamen Keskes
Original Assignee
Elf Exploration Production
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=9514603&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=WO1999031530(A1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Elf Exploration Production filed Critical Elf Exploration Production
Priority to EP98959967A priority Critical patent/EP0960345B1/fr
Priority to AU15679/99A priority patent/AU751035B2/en
Priority to CA002279400A priority patent/CA2279400C/fr
Priority to US09/367,161 priority patent/US6266618B1/en
Priority to DE69823170T priority patent/DE69823170D1/de
Publication of WO1999031530A1 publication Critical patent/WO1999031530A1/fr
Priority to NO19993707A priority patent/NO328937B1/no

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction

Definitions

  • the present invention relates to a method for the automatic detection of planar heterogeneities which crosscut the stratification of a medium from images of the wall of wells or of samples of cores taken from said medium.
  • Tools designated under the FMI (Fullbore) references are designated under the FMI (Fullbore) references.
  • Formation Micro Imager and FMS (Formation Micro Scanner), marketed by the company SCHLUMBERGER, make it possible to acquire electrical images from measurements of the local electrical conductivity of the wall of a well.
  • An electrical image of the wall of a well is a developed view which presents on a plane, a horizontal x axis representing the azimuthal distribution of the electrodes of the pads of the tool used, and a vertical y axis along which the depth is defined. (dimension) of the tool in the well.
  • the electrical image of the wall of a well or the image of a core sample is analyzed in terms of planar heterogeneities and point heterogeneities.
  • the planar heterogeneities present on the image can be categorized by their conductivity with respect to the background of the image, their sharpness (gray level contrast), their organization ( isolated or grouped by family), their frequency (high or low frequency depending on the direction and depth) and their visibility (visible on the whole image or only on a part of the image).
  • their conductivity with respect to the background of the image
  • their sharpness gray level contrast
  • their organization isolated or grouped by family
  • their frequency high or low frequency depending on the direction and depth
  • their visibility visible on the whole image or only on a part of the image.
  • the first type is generally a secant geological event at the wellbore which has an extent much greater than the diameter of the well, like the stratification and fracturing plans, while the second type presents radial and vertical extension limited to the scale of the well and of the acquisition device, such as vacuoles, nodules or disturbances of the bioturbation type, etc.
  • stratification or fracturing The categorization criteria recalled above often make it possible to recognize the geological significance of planar heterogeneity: stratification or fracturing. Stratification is generally considered to be the dominant planar heterogeneity in the image; it is the most visible event, indicates the dominant orientation of the image and it is organized into families (one family per level).
  • Billing is a more occasional, isolated, secant event during stratification, often partially visible and several different families of fractures can be recognized on the same level.
  • the method of Antoine et al. consists in detecting the stratification planes from contours, called flow lines, identified on the skate image, then, respecting certain criteria, in matching the current lines from skate to skate by a programming algorithm dynamic.
  • the current lines are obtained from a tracing of the local orientations of the stratification throughout the image and from the selection of the current lines located at the inflection points. This method detects the smallest details of the current lines in the image.
  • the method recommended by Torres et al. consists in using the HOUGH transform which makes it possible to determine, from an image, the specific parameters characterizing a geometric shape such as a straight line, a circle, an ellipse or a sinusoid, then to project points of said shape into the parameter space, called the HOUGH space.
  • the point of intersection of these projections in HOUGH space represents the parameters of the sought shape.
  • a drawback of this method is that the depth of the sinusoid is not integrated into the parameter space, which leads to inaccuracy in the depth and therefore to a limitation.
  • the amplitude of the sinusoid because of the window size used by Torres et al.
  • another drawback is that it requires significant computation time and memory, increasing very rapidly as a function of the dimension of the HOUGH space, that is to say, of the number of parameters sought.
  • the method recommended by Hall et al. also uses the HOUGH transform, but by characterizing the HOUGH space in three dimensions which are the dip, the azimuth and the depth of the plane.
  • the HOUGH transform is applied after a detection of the contours which is carried out either from the binarized image, or after a classification of the neighboring pixels. It should be noted that the binarization of an image of multiple levels of gray by thresholding implies a great loss of information and that it would therefore be difficult to detect and distinguish the contours of different contrasts in the sliding window used.
  • the last methods described succinctly above seek to detect all the types of plans by a single algorithm without hierarchization. However, the planes to be detected have very different characteristics, such as contrast, frequency, etc. As a result, these methods cannot be effectively implemented to detect fracturing heterogeneities in a reliable and reliable manner.
  • the object of the present invention is to remedy the drawbacks of the methods of the prior art and to propose a method which, taking into account the different characteristics of the heterogeneities of stratification and fracturing, makes it possible to eliminate the stratification of the image for better visualize the planes intersecting at the stratification in order to facilitate their detection.
  • the subject of the present invention is a method for the automatic detection of planar heterogeneities which cuts across the stratification of a medium from well wall images or images of cores from said medium, in which an original image defined in a system is used.
  • axes X ,, Y ,, Zj
  • said image containing, for an area of the medium traversed by the well, planar heterogeneities constituted by stratification planes and by secant planar heterogeneities to the stratification planes, characterized in that it consists of: - determining a dominant orientation of the stratification planes located in at least part of said original image,
  • the method consists in calculating the apparent dips of said stratification planes and in subjecting said stratification planes to a rotation bringing their dip to zero so that said stratification planes are perpendicular to the axis (Z) of the well, so as to obtain a resulting image in which the planar stratification heterogeneities are horizontal,
  • the apparent dip of each stratification plane is calculated from the true dip of said plane stratification and the deviation of the well determined at the intersection of the axis of the well with said stratification plane.
  • the filtering of the resulting image is carried out in the frequency domain.
  • the filtering of the resulting image uses a method by transformation of
  • the determination of the contour segments is carried out on a gradient image of the filtered image.
  • the determination of the contour segments is carried out by a method of following a ridge line by the tree course in depth first.
  • the filtered image is transformed into a standardized image having the same contrast over the entire surface.
  • the gradient image is obtained from the normalized image. According to another characteristic of the present invention, the gradient image is smoothed in at least one of two perpendicular directions.
  • the detection of the contours is carried out on the smoothed gradient image in the two perpendicular directions.
  • it further consists in selecting segments of one of the contour chains which satisfy a quality index.
  • it further consists in subjecting the image obtained at the end of the steps subsequent to filtering the resulting image, a rotation to bring said image to its primitive position.
  • An advantage of the present invention resides in the fact that by differentiating the planar heterogeneities of stratification from the planar heterogeneities of fracturing, it becomes possible to eliminate the planar heterogeneities of stratification in order to retain only the planar fractures heterogeneities which can therefore be detected very easily.
  • Another advantage of the present invention is that it is possible to differentiate the fractures of different polarities.
  • FIG. 1 is a schematic representation of an original image of the wall of a well
  • FIG. 2 is a schematic representation of an image obtained from the original image and comprising the horizontal stratification planes
  • FIG. 3 is a schematic representation of a resulting image after filtering the image of Figure 2;
  • FIG. 4 is a schematic representation of the final image comprising contour segments of the detected fractures.
  • FIG. 1 An original image I (x, y) of the wall of a borehole or a photograph of a core sample is shown diagrammatically in FIG. 1.
  • planes corresponding to geological layers located at various depths in the medium in which the well was drilled or from which a core was taken.
  • the geological layers, at the time of sedimentary deposits, were flat and parallel and each located in a horizontal plane. Following the tectonic movements of the earth, the same geological layers were more or less transformed, giving rise to more or less sloping layers in a certain direction.
  • the layers of clay which have settled in a calm environment are substantially horizontal.
  • stratification planes which constitute the planar heterogeneities of stratification which can be grouped in families located at different depths, and on the other hand, secant planar heterogeneities to the stratification plans.
  • the sinusoids corresponding to the stratification planes are parallel and grouped into families. For example, a family 1, located in the upper part of the figure, groups the sinusoids referenced 2 to 5. Another family 6, located substantially in the middle of the figure, groups sinusoids corresponding to other stratification planes and referenced 7 to 9. Other sinusoids corresponding to other stratification planes such as 10, 11, 12, 13, 14 are also shown in the lower part of FIG. 1.
  • the sinusoids or parts of sinusoids corresponding to heterogeneities of fracturing are also shown in Figure 1 and they intersect the sinusoids corresponding to the stratification planes. Some of the secant sinusoids to the so-called stratification sinusoids are referenced 15 to 23.
  • the dominant orientation of the stratification planes detected in the well and appearing on the image I (x, y) is determined and the apparent dips of said stratification planes are calculated, in a system of axes (X ,, Yj, Z ⁇ ) in which the well is located, the inclined direction of the well being the axis
  • said stratification planes are subjected to a rotation bringing their dip to zero, so that said stratification planes are perpendicular to the axis Zj of the well, so as to obtain a resulting image in which the heterogeneities planar stratification are horizontal.
  • This rotation results in the resulting image (FIG. 2) by a transformation of the so-called stratification sinusoids into substantially horizontal lines. This is how the sinusoids 2 to 5 of the original image are identified on the resulting image of FIG. 2 by the lines 2 'to 5', while the sinusoids 7 to 14 are identified by the lines 7 'to 14'.
  • the horizontalization of the stratification planes can be carried out for example by one or the other of the two following techniques: a) detecting the dominant orientation of the image, then from there, deducing the sinusoids of the stratification planes (visible stratification planes) and then transform the sinusoids into straight lines on the image.
  • true plane into apparent plane is carried out by a rotation transforming the system of geodesic axes compared to which the true dip is calculated in the system of axes H] (X Y- ,, Z- .) in which Z] is the axis of the well, X, is the axis perpendicular to the east and to the axis Zj, and Yj is perpendicular to the two axes Xi and Zj.
  • This transformation can advantageously be carried out by passing through an intermediate axis system H 2 (X 2 , Y 2 , Z 2 ) in which Z 2 is coincident with Z t , X 2 is the direction of azimuth of the well, perpendicular to Z 2 , and Y 2 is an axis perpendicular to X 2 and Z 2 as described in the thesis by SHIN-JU YE of 16.01.97 entitled "Well wall imaging analysis: automatic detection of sedimentary and tectonic heterogeneities ".
  • the resulting image of FIG. 2 is filtered in the frequency domain, for example by operating on the frequency spectrum of this image obtained by Fourier transform of the latter, so as to eliminate from said resulting image the planar heterogeneities of dominant orientation stratification which are possibly horizontal.
  • the Fourier transform allows to pass from a representation of the image in the domain? spatial I (x, y) to a representation in the frequency domain I (u, v) in which we observe the amplitudes and orientations of the components of different frequencies of the image I (x, y). Then, we eliminate certain frequencies distributed according to a particular orientation of the image, by setting for example to zero (case of the horizontal stratification planes) the frequencies which we want to eliminate.
  • FFT fast Fourier transform
  • FFT 1 inverse Fourier transform
  • FIG. 3 schematically represents the filtered image.
  • a reverse rotation is carried out to the previous one to find the original or primitive geometry of the remaining planes. It should be noted that this reverse rotation can be carried out at any time after the filtering of the resulting image, that is to say after one of the following operations.
  • contour segments of the secant and remaining planar heterogeneities are determined on said filtered image.
  • This determination of the contour or of the contour segments is preferably carried out by carrying out the following sequence of operations: 1. Dynamic normalization of the histogram of the filtered image
  • a dynamic normalization of the histogram of the filtered image is carried out in order to homogenize the visibility of fractures in all types of lithologies and have an image with the same contrast over the entire surface of the image.
  • a sliding window is used.
  • we perform a linear transformation of the histogram y f (x) where the extent of the new histogram [a, b], identical for each depth, corresponds to the minimum values c, and maximum d, of a certain percentage (96% for example) of the histogram d 'origin.
  • a normalized filtered image is obtained which is not represented.
  • the normalization of an image is well known to specialists and will therefore not be described in more detail.
  • the gradient image can be calculated directly on the filtered image, it is preferable to calculate it on the normalized filtered image.
  • the first and second derivatives of an image are very important features; for example, the maxima and minima of the first derivative and the zero crossings of the second derivative can be used for the detection of the contours of the image.
  • Gaussian filters and exponential filters are smoothing filters widely used in image processing. The smoothing and the calculation of the derivatives of the image can be carried out simultaneously by the convolution of the image, for example the normalized image, with the derivatives of the smoothing filter.
  • exponential filter is considered an optimal filter for this effect.
  • exponential filters and their derivatives can be performed by very simple and fast recursive algorithms (by a cascade of two exponential filters on one side (left and right), each being performed by a first-order recursive algorithm) .
  • Each exponential filter is an impulse response of the following form:
  • the first derivative of the image is filtered according to the depth of the well.
  • This one-dimensional application also makes it possible to eliminate the vertical artifacts from the well wall image due to a malfunction of certain sensors.
  • the gradient image in the direction perpendicular to the depth of the well.
  • This can be done by medium, arrhythmic or median filters.
  • the median filter consists of classifying the neighboring pixels and the current pixel by increasing (or decreasing) values, then assigning the median value of the classified pixels to the current pixel. Another smooth image is thus obtained in the direction perpendicular to the axis Z 15 of the well. 4. Detection of planar heterogeneity contours
  • contour segments of planar heterogeneities visible on the gradient image are presented as roof-shaped contours, that is to say that the points of the contours are situated at the maximums or minima local signals. Since the purpose of detecting planar heterogeneity contours is to reconstruct the planes crossing the well, we cannot be satisfied with extracting only contour points, but rather extracting contours from which each point is ordered on the same plane. This requires well-developed contour tracking algorithms.
  • the process of tracking ridge lines through the tree path in depth first is designed exclusively for finding the contours of planes. It is able to detect the contours of small or very large slopes (except vertical), linear, zigzags, or even dotted lines (that is to say, formed by isolated but aligned points).
  • - visibility for a plane to be detectable, it must be visible on the image so that it has a high amplitude, - continuity of visibility, linearity and length: compared to the point heterogeneity, the signature of planar heterogeneity must be visible continuously, linear and sufficiently long.
  • V visibility
  • C visibility continuity
  • L linearity
  • a mp is the average amplitude of the segment
  • N pv is the number of visible points, a point is visible if its amplitude is greater than a threshold, S amp , V am p is the variance of the amplitude of points of the segment, ⁇ is the thickness of the segment, calculated at from the maximum distance between the line connecting the two end points of the segment and the points of the segment, D (P 0 , Pj) is the distance between the two end points of the segment P 0 and P l 5 N is the number of points in the segment.
  • a chain has a low Q quality, it is cut in two by the point furthest from the line joining the ends of the chain; the two parts are considered separately, and so on. This makes it possible to detect certain segments seen partially on the image.
  • the solid line segments such as the 16 ′, 19 ′, 20 ′ or 23 ′ segments and the dotted segments such as the segments 15 ′, 17 ′ mean that we are in the presence of different polarities, corresponding to minima or local maxima.
  • the dotted segments correspond to local minima while the solid segments correspond to local maxima.

Abstract

Cette méthode de détection automatique des hétérogénéités planaires recoupant la stratification d'un milieu à partir d'images de paroi de puits ou déroulés de carottes dudit milieu, dans laquelle on utilise une image d'origine définie dans un système d'axes (X1, Y1, Z1) lié au puits dont l'axe est Z1, ladite image contenant, pour une zone du milieu traversé par le puits, des hétérogénéités planaires constituées par des plans de stratification (2 à 14) et par des hétérogénéités planaires (15 à 23) sécantes aux plans de stratification, et elle est caractérisée en ce qu'elle consiste à: déterminer une orientation dominante des plans de stratification situés dans au moins une partie de ladite image d'origine, filtrer l'image d'origine pour éliminer les hétérogénéités planaires des plans de stratification (2 à 14) situés dans la direction dominante, déterminer sur ladite image filtrée au moins des segments de contour (15' à 23') des hétérogénéités sécantes aux hétérogénéités planaires de stratification.

Description

Méthode de détection automatique des hétérogénéités planaires recoupant la stratification d'un milieu
La présente invention concerne une méthode de détection automatique des hétérogénéités planaires recoupant la stratification d'un milieu à partir d'images de paroi de puits ou de déroulés de carottes prélevées dans ledit milieu. Des outils désignés sous les références FMI (Fullbore
Formation Micro Imager) et FMS (Formation Micro Scanner), commercialisés par la société SCHLUMBERGER, permettent d'acquérir des images électriques à partir de mesures de la conductivité électrique locale de la paroi d'un puits. Une image électrique de la paroi d'un puits est une vue développée qui présente sur un plan, un axe x horizontal représentant la distribution azimutale des électrodes des patins de l'outil utilisé, et un axe y vertical le long duquel est définie la profondeur (cote) de l'outil dans le puits. L'image électrique de la paroi d'un puits ou l'image d'un déroulé de carotte est analysée en terme d'hétérogénéités planaires et d'hétérogénéités ponctuelles.
Du point de vue de l'analyse d'image, les hétérogénéités planaires, présentes sur l'image, peuvent être catégorisées par leur conductivité par rapport au fond de l'image, leur netteté (contraste de niveau de gris), leur organisation (isolées ou regroupées par famille), leur fréquence (haute ou basse fréquence selon la direction et la profondeur) et leur visibilité (visible sur toute l'image ou seulement sur une partie de l'image). Ainsi, sur une image de paroi de puits à haute résolution et/ou l'image déroulée de carotte, deux grands types d'hétérogénéités géologiques peuvent être observés. Le premier type est généralement un événement géologique sécant au puits de forage qui présente une étendue largement supérieure au diamètre du puits, comme les plans de stratification et de fracturation, alors que le deuxième type présente une extension radiale et verticale limitée à l'échelle du puits et du dispositif d'acquisition, comme les vacuoles, les nodules ou les perturbations du type bioturbation, etc..
Une hétérogénéité planaire est observée sur une image sous la forme d'une sinusoïde d'équation générale y = d + A (sin x + Φ), dans laquelle l'amplitude A et la phase Φ correspondent respectivement au pendage et à l'azimut du plan intersectant le puits lorsque le plan et l'axe du puits ne sont pas parallèles, d étant la profondeur à laquelle est repérée la sinusoïde. Les critères de catégorisation rappelés ci-dessus permettent souvent de reconnaître la signification géologique de l'hétérogénéité planaire : stratification ou fracturation. La stratification est généralement considérée comme l'hétérogénéité planaire dominante sur l'image ; elle est l'événement le plus visible, indique l'orientation dominante de l'image et elle est organisée en familles (une famille par niveau).
La facturation est un événement plus occasionnel, isolé, sécant à la stratification, souvent visible partiellement et plusieurs familles différentes de fractures peuvent être reconnues sur un même niveau.
Des méthodes de détection automatique des plans de stratifi- cation ont été proposées. Une des méthodes concerne les plans de litage à haute fréquence et une autre méthode concerne les limites de bancs. De telles méthodes sont notamment décrites dans la demande de brevet FR-A-2 749 405 et dans des publications telles que celle de S-J. Ye, J. Shen & N. Keskes (1995), "Automatic Identification of bedding planes from electrical borehole images" , 9* Scandinavian Conférences on Image Analysis, 6-9 June 95, Uppsala, Sweden, et de S-J. Ye, Ph. Rabiller & N. Keskes (1997), "Automatic High resolution sedimentary dip détection on borehole imagery", SPWLA 38th Annual Logging Symposium, paper O. Ces méthodes permettent de détecter l'hétérogénéité planaire dominante sans être perturbées par les autres hétérogénéités planaires ou ponctuelles. Dans la plupart des cas, en raison de la grande diversité des faciès rencontrés, la détection automatique des fractures est perturbée par l'interférence des différents types de plans et des autres hétérogénéités.
D'autres méthodes de détection d'hétérogénéités ont été proposées dans la littérature, comme celles divulguées par J.N. Antoine & J.P. Delhomme (1990), "A method to dérive dips from bed boundaries in borehole images" , paper SPE 20540 Ω, p. 131-130 ; par D. Torres, R. Strickland, & M. Gianzero (1990), "A new approach to determining dip and strike using borehole images", SPWLA 31 th Annual Logging Symposium, June 24-27, K, 20 p ou par J. Hall, M. Ponzi, M. Gonfalini, & G. Maletti (1996), "Automatic extraction and characterisation of geological features and textures from borehole images and core photographs", SPWLA 37* Annual Logging Symposium, paper CCC.
La méthode d'Antoine et al. consiste à détecter les plans de stratification à partir de contours, appelées lignes de courant (flow lines), repérés sur l'image patin, puis, en respectant certains critères, à apparier les lignes de courant de patin à patin par un algorithme de programmation dynamique. Les lignes de courant sont obtenues à partir d'un traçage des orientations locales de la stratification dans toute l'image et de la sélection des lignes de courant situées aux points d'inflexion. Cette méthode détecte les moindres détails des lignes de courant dans l'image. Lorsqu'il existe des zones complexes dans lesquelles les hétérogénéités planaires et ponctuelles sont mélangées et comme les images des patins obtenues sont étroites, il s'ensuit une technique complexe présentant de grandes difficultés de mise en œuvre. En effet, malgré un algorithme d'appariement de contours bien élaboré, il est difficile d'obtenir des résultats satisfaisants dans les divers environnements géologiques rencontrés et ce, à partir de lignes de courant trop détaillées, à moins de régler de nombreux paramètres en fonction du type de faciès rencontré, ce qui conduirait à un algorithme difficile à utiliser en opérationnel.
La méthode préconisée par Torres et al. consiste à utiliser la transformée de HOUGH qui permet de déterminer, à partir d'une image, les paramètres spécifiques caractérisant une forme géométrique telle qu'une droite, un cercle, une ellipse ou une sinusoïde, puis à projeter des points de ladite forme dans l'espace des paramètres, appelé espace de HOUGH. Le point d'intersection de ces projections dans l'espace de HOUGH représente les paramètres de la forme recherchée.
Un inconvénient de cette méthode réside dans le fait que la profondeur de la sinusoïde n'est pas intégrée dans l'espace des paramètres ce qui conduit à une imprécision sur la profondeur et donc à une limitation de l'amplitude de la sinusoïde à cause de la taille de fenêtre utilisée par Torres et al. ; un autre inconvénient est qu'elle nécessite un temps de calcul et une mémoire importants, croissant très rapidement en fonction de la dimension de l'espace de HOUGH, c'est-à-dire, du nombre de paramètres recherchés.
La méthode préconisée par Hall et al. utilise également la transformée de HOUGH, mais en caractérisant l'espace de HOUGH en trois dimensions qui sont le pendage, l'azimut et la profondeur du plan. La transformée de HOUGH est appliquée après une détection des contours qui est effectuée soit à partir de l'image binarisée, soit après une classification des pixels voisins. Il faut noter que la binarisation d'une image de niveaux de gris multiples par seuillage implique une grande perte d'information et qu'il serait donc difficile de détecter et de distinguer les contours de contrastes différents dans la fenêtre glissante utilisée. Les dernières méthodes décrites succinctement ci-dessus cherchent à détecter tous les types de plans par un seul algorithme sans hiérarchisation. Or, les plans qui sont à détecter présentent des caractéristiques très différentes, telles que le contraste, la fréquence, etc. De ce fait, ces méthodes ne peuvent être efficacement mises en œuvre pour détecter, de manière fiable et sûre, les hétérogénéités de fracturation.
La présente invention a pour but de remédier aux inconvénients des méthodes de l'art antérieur et de proposer une méthode qui, prenant en compte les caractéristiques différentes des hétérogénéités de stratification et de fracturation, permet d'éliminer la stratification de l'image pour mieux visualiser les plans sécants à la stratification afin de faciliter leur détection.
La présente invention a pour objet une méthode de détection automatique des hétérogénéités planaires recoupant la stratification d'un milieu à partir d'images de paroi de puits ou déroulés de carottes dudit milieu, dans laquelle on utilise une image d'origine définie dans un système d'axes (X,, Y,, Zj) lié au puits, dont l'axe est Z,, ladite image contenant, pour une zone du milieu traversé par le puits, des hétérogénéités planaires constituées par des plans de stratification et par des hétérogénéités planaires sécantes aux plans de stratification, caractérisée en ce qu'elle consiste à : - déterminer une orientation dominante des plans de stratification situés dans au moins une partie de ladite image d'origine,
- filtrer l'image d'origine pour éliminer les hétérogénéités planaires des plans de stratification situés dans la direction dominante, - déterminer sur ladite image filtrée au moins des segments de contours des hétérogénéités sécantes aux hétérogénéités planaires de stratification.
Selon une autre caractéristique de la présente invention, la méthode consiste à calculer les pendages apparents desdits plans de stratification et à soumettre lesdits plans de stratification à une rotation amenant leur pendage à la valeur nulle de sorte que lesdits plans de stratification sont perpendiculaires à l'axe (Z ) du puits, de manière à obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées, Selon une autre caractéristique de la présente invention, le pendage apparent de chaque plan de stratification est calculé à partir du pendage vrai dudit plan de stratification et de la déviation du puits déterminée à l'intersection de l'axe du puits avec ledit plan de stratification. Selon une autre caractéristique de la présente invention, le filtrage de l'image résultante est effectué dans le domaine fréquentiel.
Selon une autre caractéristique de la présente invention, le filtrage de l'image résultante utilise un procédé par transformation de
Fourier. Selon une autre caractéristique de la présente invention, la détermination des segments de contour est réalisée sur une image gradient de l'image filtrée.
Selon une autre caractéristique de la présente invention, la détermination des segments de contour est effectuée par un procédé de suivi de ligne de crête par le parcours d'arbre en profondeur d'abord.
Selon une autre caractéristique de la présente invention, l'image filtrée est transformée en une image normalisée présentant un même contraste sur toute la surface.
Selon une autre caractéristique de la présente invention, l'image gradient est obtenue à partir de l'image normalisée. Selon une autre caractéristique de la présente invention, l'image gradient est lissée dans au moins une de deux directions perpendiculaires.
Selon une autre caractéristique de la présente invention, la détection des contours est effectuée sur l'image gradient lissée dans les deux directions perpendiculaires.
Selon une autre caractéristique de la présente invention, elle consiste, en outre, à sélectionner des segments d'une des chaînes de contours qui satisfont à un indice de qualité.
Selon une autre caractéristique de la présente invention, elle consiste en outre à faire subir à l'image obtenue à l'issue des étapes ultérieures au filtrage de l'image résultante, une rotation pour amener ladite image à sa position primitive.
Un avantage de la présente invention réside dans le fait qu'en différenciant les hétérogénéités planaires de stratification des hétéro- généités planaires de fracturation, il devient possible d'éliminer les hétérogénéités planaires de stratification pour ne conserver que les hétérogénéités planaires de fracturation qui peuvent donc être détectées très facilement.
Un autre avantage de la présente invention est qu'il est possible de différencier les fractures de polarités différentes.
D'autres avantages et caractéristiques ressortiront mieux à la lecture de la description de la méthode selon l'invention, ainsi que des dessins annexés sur lesquels :
- la figure 1 est une représentation schématique d'une image d'origine de paroi d'un puits ;
- la figure 2 est une représentation schématique d'une image obtenue à partir de l'image d'origine et comportant les plans de stratification horizontalisés ;
- la figure 3 est une représentation schématique d'une image résultante après filtrage de l'image de la figure 2 ;
- la figure 4 est une représentation schématique de l'image finale comprenant des segments de contour des fractures détectées.
Une image d'origine I(x,y) de paroi d'un puits de forage ou d'une photographie d'un déroulé de carotte est représentée schémati- quement sur la figure 1. Sur cette image d'origine, on peut observer plusieurs types de sinusoïdes représentant les intersections de plans avec le puits, tels que des plans correspondant à des couches géologiques situées à diverses profondeurs dans le milieu dans lequel le puits a été foré ou à partir duquel une carotte a été prélevée. Les couches géologiques, à l'époque des dépôts sédimentaires, étaient planes et parallèles et situées chacune dans un plan horizontal. A la suite des mouvements tectoniques de la terre, les mêmes couches géologiques ont été plus ou moins transformées, donnant lieu à des couches plus ou moins pentées dans une certaine direction. Les couches d'argiles qui se sont déposées dans un milieu calme sont sensiblement horizontales. Ainsi, sur une image d'origine, on retrouve principalement d'une part, des plans de stratification qui constituent les hétérogénéités planaires de stratification qui peuvent être groupées en familles situées à des profondeurs différentes, et d'autre part, des hétérogénéités planaires sécantes aux plans de stratification.
Les intersections des hétérogénéités planaires constituées des plans de stratification et des plans de fracturation avec le puits foré dans le milieu contenant ces hétérogénéités, se présentent sur l'image de paroi du puits sous la forme de sinusoïdes. Les sinusoïdes correspondant aux plans de stratification sont parallèles et regroupées en familles. Par exemple, une famille 1 , située dans la partie supérieure de la figure, regroupe les sinusoïdes référencées 2 à 5. Une autre famille 6, située sensiblement au milieu de la figure, regroupe des sinusoïdes correspondant à d'autres plans de stratification et référencées 7 à 9. D'autres sinusoïdes correspondant à d'autres plans de stratification telles que 10, 11, 12, 13, 14 sont également représentées à la partie inférieure de la figure 1. Les sinusoïdes ou parties de sinusoïdes correspondant à des hétérogénéités de fracturation sont également représentées sur la figure 1 et elles sont sécantes aux sinusoïdes correspondant aux plans de stratification. Certaines des sinusoïdes sécantes aux sinusoïdes dites de stratification sont référencées 15 à 23.
Dans une première étape de la méthode selon l'invention, on détermine l'orientation dominante des plans de stratification détectés dans le puits et apparaissant sur l'image I(x,y) et on calcule les pendages apparents desdits plans de stratification, dans un système d'axes (X,, Yj, Zι) dans lequel le puits est repéré, la direction inclinée du puits étant l'axe
Dans une deuxième étape, on soumet lesdits plans de stratification à une rotation amenant leur pendage à la valeur nulle, de sorte que lesdits plans de stratification sont perpendiculaires à l'axe Zj du puits, de manière à obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées. Cette rotation se traduit sur l'image résultante (figure 2) par une transformation des sinusoïdes dites de stratification en des droites sensiblement horizontales. C'est ainsi que les sinusoïdes 2 à 5 de l'image d'origine sont repérées sur l'image résultante de la figure 2 par les droites 2' à 5' , tandis que les sinusoïdes 7 à 14 sont repérées par les droites 7' à 14'.
Sur l'image résultante de la figure 2, les sinusoïdes correspondant aux hétérogénéités de fracturation, bien qu'affectées par la rotation, sont sensiblement inchangées par rapport à celles de l'image d'origine et elles sont représentées avec les mêmes références 15 à 23.
L'horizontalisation des plans de stratification peut être effectuée par exemple par l'une ou l'autre des deux techniques suivantes : a) détecter l'orientation dominante de l'image, puis à partir de là, déduire les sinusoïdes des plans de stratification (plans de stratification apparents) et ensuite transformer les sinusoïdes en lignes droites sur l'image.
C'est une solution locale qui ne nécessite pas la connaissance de la déviation du puits. Cette technique ne permet pas de traiter des zones sourdes, c'est-à-dire sans orientation dominante, et elle est sensible aux erreurs de détection de sinusoïdes de stratification occasionnelles. b) Détecter l'orientation de l'image et à partir de là, effectuer les opérations successives suivantes :
- détermination des sinusoïdes des plans de stratification ; - transformation des plans de stratification apparents en plans de stratification vrais ;
- recherche du plan structural de référence dans le repère géodésique ;
- transformation du plan de référence vrai en plan apparent en considérant la déviation du puits à chaque profondeur ; et enfin - transformation des sinusoïdes de stratification (plans apparents) en lignes droites sur l'image.
C'est une technique globale et plus performante car elle permet de s'affranchir des problèmes liés aux zones sourdes et aux erreurs de détection de sinusoïdes de stratification.
La transformation de plan vrai en plan apparent (respectivement apparent en vrai) est effectuée par une rotation transformant le système d'axes géodésique par rapport auquel le pendage vrai est calculé en le système d'axes H] (X Y-,, Z-.) dans lequel Z] est l'axe du puits, X, est l'axe perpendiculaire à l'Est et à l'axe Zj, et Yj est perpendiculaire aux deux axes Xi et Zj. Cette transformation peut être réalisée avantageusement en passant par un système d'axes intermédiaire H2 (X2, Y2, Z2) dans lequel Z2 est confondu avec Zt, X2 est la direction d'azimut du puits, perpendiculaire à Z2, et Y2 est un axe perpendiculaire à X2 et Z2 comme cela est décrit dans la thèse de SHIN-JU YE du 16.01.97 intitulée "Analyse d'imagerie de paroi de puits : détection automatique des hétérogénéités sédimentaires et tectoniques" .
Dans une deuxième étape, en considérant que la détermination de l'orientation dominante et éventuellement la rotation des plans de stratification sont effectuées dans une première étape, on filtre l'image résultante de la figure 2 dans le domaine fréquentiel, par exemple en opérant sur le spectre de fréquences de cette image obtenu par transformée de Fourier de cette dernière, de manière à éliminer de ladite image résultante les hétérogénéités planaires de stratification d'orientation dominante qui sont éventuellement horizontalisées.
La transformée de Fourier permet de passer d'une représentation de l'image dans le domain? spatial I(x, y) à une représentation dans le domaine fréquentiel I (u, v) dans laquelle on observe les amplitudes et les orientations des composantes de différentes fréquences de l'image I(x, y). Ensuite, on élimine certaines fréquences distribuées suivant une orientation particulière de l'image, en mettant par exemple à zéro (cas des plans de stratification horizontalisés) les fréquences qu'on veut éliminer. Après une transformée de Fourier rapide (FFT), on effectue un filtrage orienté sur le spectre de Fourier, puis on réalise une transformée de Fourier inverse (FFT1) sur le résultat du filtrage, pour produire une image filtrée I'(x, y) dans le domaine spatial. Ce filtrage peut être schématisé comme suit :
I(x,y)→FFT→*H(u,v)→FFT-'→r (x-y) où
Figure imgf000012_0001
r étant l'orientation des éléments à supprimer. On obtient ainsi une image filtrée dans laquelle toutes les lignes d'orientation r sont éliminées. L'orientation r des hétérogénéités de stratification horizontalisées est égale à zéro.
Le résultat du filtrage peut être observé sur la figure 3 qui représente schématiquement l'image filtrée.
De préférence, mais sans que cela soit nécessaire, on effectue une rotation inverse à la précédente pour retrouver la géométrie d'origine ou primitive des plans restants. Il faut noter que cette rotation inverse peut être effectuée à n'importe quel moment après le filtrage de l'image résultante, c'est-à-dire après l'une des opérations suivantes.
Dans une troisième étape, on détermine des segments de contour des hétérogénéités planaires sécantes et restantes sur ladite image filtrée.
Cette détermination de contour ou de segments de contour est effectuée, de préférence, en réalisant la séquence d'opérations suivante : 1. Normalisation dynamique de l'histogramme de l'image filtrée
Etant donné que la dynamique et le contraste de l'image filtrée et donc de l'image d'origine peuvent être très variés dans les différents types de lithologies, une normalisation dynamique de l'histogramme de l'image filtrée est effectuée afin d'homogénéiser la visibilité des fractures dans tous les types de lithologies et d'avoir une image présentant un même contraste sur toute la surface de l'image. A cet effet, une fenêtre glissante est utilisée. Pour chaque profondeur, on effectue une transformation linéaire de l'histogramme y = f(x) où l'étendue du nouvel histogramme [a, b], identique pour chaque profondeur, correspond aux valeurs minimale c, et maximale d, d'un certain pourcentage (96 % par exemple) de l'histogramme d'origine. De la sorte, on obtient une image filtrée normalisée qui n'est pas représentée. La normalisation d'une image est bien connue des spécialistes et ne sera donc pas décrite plus en détail. 2. Obtention de l'image gradient (première dérivée) de l'image filtrée
Bien que l'image gradient puisse être calculée directement sur l'image filtrée, il est préférable de la calculer sur l'image filtrée normalisée.
Les premières et les deuxièmes dérivées d'une image sont des caractéristiques très importantes ; par exemple, les maxima et les minima de la première dérivée et les passages par zéro de la deuxième dérivée peuvent être utilisés pour la détection des contours de l'image. Les filtres gaussiens et les filtres exponentiels sont des filtres de lissage très utilisés dans le traitement d'images. Le lissage et le calcul des dérivées de l'image peuvent être réalisés simultanément par la convolution de l'image, par exemple l'image normalisée, avec les dérivées du filtre de lissage.
Le filtre exponentiel est considéré comme un filtre optimal pour cet effet. En plus, les filtres exponentiels et leurs dérivées peuvent être réalisés par des algorithmes récursifs très simples et rapides (par une cascade de deux filtres exponentiels d'un seul côté (gauche et droite), chacun étant réalisé par un algorithme récursif du premier ordre).
Chaque filtre exponentiel est une réponse impulsionnelle de la forme suivante :
/e(x)=(α/2) e-α | χ l
En utilisant le théorème de convolution, la réponse impulsionnelle de la cascade de deux filtres exponentiels est alors
Figure imgf000013_0001
= (α /4)[(l/α)+ | x | ]e-αlx l
et la première dérivée de f(x) est
Figure imgf000014_0001
=-(α3/4) x e-α | χ l
Sur l'image filtrée normalisée, on effectue un filtrage de la première dérivée de l'image suivant la profondeur du puits. Cela permet de lisser l'image gradient et en même temps de renforcer, c'est-à-dire, d'améliorer la visibilité de la fréquence de l'information qui est recherchée. Le lissage est d'autant meilleur qu'a est petit. On obtient un résultat satisfaisant avec α==0,3 par exemple. Cette application mono- dimensionnelle permet aussi d'éliminer les artefacts verticaux de l'image de paroi de puits dus à un dysfonctionnement de certains capteurs. On obtient une image gradient lissée dans la direction du puits (axe Zx). 3. Lissage complémentaire de l'image gradient
Pour faciliter la détection de contours dans l'opération suivante, il est avantageux de lisser aussi l'image gradient dans la direction perpendiculaire à la profondeur du puits. Etant donné l'étroitesse de l'image patin de paroi de puits, ceci peut être effectué par filtres moyen, arythmique ou médian. Le filtre médian consiste à classer les pixels voisins et le pixel courant par valeurs croissantes (ou décroissantes), puis à affecter la valeur médiane des pixels classés au pixel courant. On obtient ainsi une autre image lissée dans la direction perpendiculaire à l'axe Zl5 du puits. 4. Détection des contours d'hétérogénéité planaire
Les segments de contour d'hétérogénéités planaires visibles sur l'image gradient (image de la première dérivée) se présentent comme des contours en forme de toit, c'est-à-dire, que les points des contours sont situés aux maxima ou minima locaux des signaux. Etant donné que la détection des contours d'hétérogénéité planaire a pour but de reconstituer les plans traversant le puits, on ne peut se contenter d'extraire seulement des points de contours, mais on extrait plutôt des chaînes de contours dont chaque point s'ordonne sur un même plan. Ceci nécessite des algorithmes de suivi de contours bien élaborés. Le procédé de suivi de lignes de crête par le parcours d'arbre en profondeur d'abord est conçu exclusivement pour la recherche des contours des plans. Il est capable de détecter les contours de faibles ou de très grandes pentes (sauf verticales), linéaires, zigzags, ou même pointillés (c'est-à-dire, formés par des points isolés mais alignés). Le procédé de suivi de ligne de crêtes par le parcours d'arbre en profondeur d'abord est décrit dans la thèse de par Madame SHIN-JU YE, pages 49 à 52 ; de même, les filtres exponentiels récursifs sont explicités dans ladite thèse aux pages 45 à 48. Les parties concernées de ladite thèse sont intégrées dans la présente description. Pour déterminer qu'une chaîne est bien un segment de contour d'hétérogénéité planaire, on utilise des critères quantitatifs de cohérence, à savoir :
- visibilité : pour qu'un plan soit détectable, il faut qu'il soit visible sur l'image donc qu'il ait une forte amplitude, - continuité de visibilité, linéarité et longueur : par rapport à l'hétérogénéité ponctuelle, la signature d'hétérogénéité planaire doit être visible continuellement, linéaire et suffisamment longue.
Ces critères permettent d'évaluer pour chaque contour un indice de qualité : Q= β V CL
où β est une constante de normalisation, V est la visibilité, C, la continuité de visibilité, L, la linéarité :
Figure imgf000015_0001
OÙ
Amp est l'amplitude moyenne du segment,
Npv est le nombre de points visibles, un point est visible si son amplitude est supérieure à un seuil, Samp, Vamp est la variance de l'amplitude de points du segment, ε est l'épaisseur du segment, calculée à partir de la distance maximale entre la droite reliant les deux points d'extrémité du segment et les points du segment, D(P0, Pj) est la distance entre les deux points d'extrémité du segment P0 et Pl 5 N est le nombre de points du segment.
Pour les chaînes ayant une longueur minimale, on effectue un seuillage sur la qualité Q du segment, pour sélectionner des chaînes de fracture dans un ensemble de chaînes détectées. Etant donné que la dynamique de contraste de l'image est normalisée, un même seuil pour la qualité Q suffit pour toute l'image.
Dans la présente méthode, si une chaîne a une qualité Q faible, elle est découpée en deux par le point le plus éloigné de la droite joignant les extrémités de la chaîne ; les deux parties sont examinées séparément, et ainsi de suite. Ceci permet de détecter certains segments vus partiellement sur l'image.
Sur la figure 4, on observe le résultat de la détection des segments de contour de plans de fracturation. Les segments en traits pleins tels que les segments 16' , 19' , 20' ou 23' et les segments en pointillés tels que les segments 15' , 17', signifient qu'on est en présence de polarités différentes, correspondant à des minima ou maxima locaux. Les segments en pointillés correspondent à des minima locaux alors que les segments pleins correspondent à des maxima locaux.
En comparant les figures 3 et 4, on observe que certaines des sinusoïdes de la figure 3 telles que la partie de sinusoïde 19 peuvent correspondre, sur la figure 4, à des segments 19' (en trait plein) et à des segments 19" (en pointillés) qui sont de polarités différentes. L'horizontalisation des plans de stratification affectant toute l'image et donc les hétérogénéités planaires sécantes à la stratification, il est préférable de procéder à une rotation inverse pour retrouver la géométrie d'origine des hétérogénéités planaires sécantes à la stratification après l'élimination des stratifications horizontalisées. II va de soi que ce qui a été précédemment décrit s'applique également à des images de paroi de puits quel que soit le paramètre mesuré qui les constituent, comme par exemple, susceptibilité magnétique, facteur photoélectrique, densité de la formation, amplitude des réflexions soniques, etc..

Claims

REVENDICATIONS
1. Méthode de détection automatique des hétérogénéités planaires recoupant la stratification d'un milieu à partir d'images de paroi de puits ou déroulés de carottes dudit milieu, dans laquelle on utilise une image d'origine définie dans un système d'axes (X-,, Yl 5 Z^ lié au puits dont l'axe est Z,, ladite image contenant, pour une zone du milieu traversé par le puits, des hétérogénéités planaires constituées par des plans de stratification (2 à 14) et par des hétérogénéités planaires (15 à 23) sécantes aux plans de stratification, caractérisée en ce qu'elle consiste à :
- déterminer une orientation dominante des plans de stratification (2 à 14) situés dans au moins une partie de ladite image d'origine,
- filtrer l'image d'origine pour éliminer les hétérogénéités planaires des plans de stratification (2 à 14) situés dans la direction dominante,
- déterminer sur ladite image filtrée au moins des segments de contour (15' à 23') des hétérogénéités sécantes aux hétérogénéités planaires de stratification.
2. Méthode selon la revendication 1, caractérisée en ce qu'elle consiste en outre à calculer les pendages apparents desdits plans de stratification et à soumettre lesdits plans de stratification à une rotation amenant leur pendage à la valeur nulle de sorte que lesdits plans de stratification sont perpendiculaires à l'axe ) du puits, de manière à obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées,
3. Méthode selon la revendication 2, caractérisée en ce que le pendage apparent de chaque plan de stratification est calculé à partir du pendage vrai dudit plan de stratification et de la déviation du puits déterminée à l'intersection de l'axe du puits avec ledit plan de stratification.
4. Méthode selon la revendication 2, caractérisée en ce que le filtrage de l'image résultante est effectué dans le domaine fréquentiel.
5. Méthode selon la revendication 2 ou 3, caractérisée en ce que le filtrage de l'image résultante utilise un procédé par transformation de Fourier.
6. Méthode selon la revendication 1 , caractérisée en ce que la détermination des segments de contour (15' à 23') est réalisée sur une image gradient de l'image filtrée.
7. Méthode selon la revendication 6, caractérisée en ce que la détermination des segments de contour (15' à 23') est effectuée par un procédé de suivi de ligne de crête par le parcours d'arbre en profondeur d'abord.
8. Méthode selon l'une des revendications 1 à 5, caractérisée en ce que l'image filtrée est transformée en une image normalisée présentant un même contraste sur toute la surface.
9. Méthode selon la revendication 6 ou 8, caractérisée en ce que l'image gradient est obtenue à partir de l'image normalisée.
10. Méthode selon la revendication 6 ou 9, caractérisée en ce que l'image gradient est lissée dans au moins une de deux directions perpendiculaires .
11. Méthode selon la revendication 10, caractérisée en ce que la détection des contours est effectuée sur l'image gradient lissée dans les deux directions perpendiculaires.
12. Méthode selon l'une des revendications 1, 2, 6, 7, 11, caractérisée en ce qu'elle consiste, en outre, à sélectionner des segments d'une des chaînes de contours qui satisfont à un indice de qualité.
13. Méthode selon l'une des revendications 1, 2, 6 à 12, caractérisée en ce qu'elle consiste en outre à faire subir à l'image obtenue à l'issue des étapes ultérieures au filtrage de l'image résultante, une rotation pour amener ladite image à sa position primitive.
PCT/FR1998/002705 1997-12-15 1998-12-11 Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu WO1999031530A1 (fr)

Priority Applications (6)

Application Number Priority Date Filing Date Title
EP98959967A EP0960345B1 (fr) 1997-12-15 1998-12-11 Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu
AU15679/99A AU751035B2 (en) 1997-12-15 1998-12-11 Method for automatic detection of planar heterogeneities crossing the stratification of an environment
CA002279400A CA2279400C (fr) 1997-12-15 1998-12-11 Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu
US09/367,161 US6266618B1 (en) 1997-12-15 1998-12-11 Method for automatic detection of planar heterogeneities crossing the stratification of an environment
DE69823170T DE69823170D1 (de) 1997-12-15 1998-12-11 Verfahren zur automatischen erkennung von die schichtung eines mediums schneidenden, flachen heterogenitäten
NO19993707A NO328937B1 (no) 1997-12-15 1999-07-29 Fremgangsmate for automatisk deteksjon av planare uensartetheter som krysser et miljos stratifikasjon

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR9715859A FR2772486B1 (fr) 1997-12-15 1997-12-15 Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu
FR97/15859 1997-12-15

Publications (1)

Publication Number Publication Date
WO1999031530A1 true WO1999031530A1 (fr) 1999-06-24

Family

ID=9514603

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR1998/002705 WO1999031530A1 (fr) 1997-12-15 1998-12-11 Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu

Country Status (10)

Country Link
US (1) US6266618B1 (fr)
EP (1) EP0960345B1 (fr)
CN (1) CN1247603A (fr)
AU (1) AU751035B2 (fr)
CA (1) CA2279400C (fr)
DE (1) DE69823170D1 (fr)
FR (1) FR2772486B1 (fr)
NO (1) NO328937B1 (fr)
OA (1) OA11145A (fr)
WO (1) WO1999031530A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9366135B2 (en) 2013-10-08 2016-06-14 Exxonmobil Upstream Research Company Automatic dip picking from wellbore azimuthal image logs

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050149450A1 (en) * 1994-11-23 2005-07-07 Contentguard Holdings, Inc. System, method, and device for controlling distribution and use of digital works based on a usage rights grammar
JPH08263438A (ja) * 1994-11-23 1996-10-11 Xerox Corp ディジタルワークの配給及び使用制御システム並びにディジタルワークへのアクセス制御方法
US6963859B2 (en) * 1994-11-23 2005-11-08 Contentguard Holdings, Inc. Content rendering repository
US6233684B1 (en) * 1997-02-28 2001-05-15 Contenaguard Holdings, Inc. System for controlling the distribution and use of rendered digital works through watermaking
CA2323882C (fr) * 1998-03-16 2004-05-25 Schlumberger Canada Limited Procede et appareil utilisant un suivi multicible pour analyser des images de trous de sonde et produire des ensembles de reperes de suivi et de donnees d'inclinaison
JP4323663B2 (ja) * 2000-02-29 2009-09-02 キヤノン株式会社 画像フィルタ回路及び画像フィルタリング方法
MY123577A (en) * 2000-05-02 2006-05-31 Shell Int Research Borehole imaging
NZ505784A (en) * 2000-07-17 2003-04-29 Compudigm Int Ltd A data visualisation system producing a contoured graphical representation of call centre activity
US8225414B2 (en) * 2000-08-28 2012-07-17 Contentguard Holdings, Inc. Method and apparatus for identifying installed software and regulating access to content
US6931545B1 (en) * 2000-08-28 2005-08-16 Contentguard Holdings, Inc. Systems and methods for integrity certification and verification of content consumption environments
US7343324B2 (en) 2000-11-03 2008-03-11 Contentguard Holdings Inc. Method, system, and computer readable medium for automatically publishing content
US6912294B2 (en) * 2000-12-29 2005-06-28 Contentguard Holdings, Inc. Multi-stage watermarking process and system
US6754642B2 (en) 2001-05-31 2004-06-22 Contentguard Holdings, Inc. Method and apparatus for dynamically assigning usage rights to digital works
US20030220880A1 (en) * 2002-01-17 2003-11-27 Contentguard Holdings, Inc. Networked services licensing system and method
US7028009B2 (en) * 2001-01-17 2006-04-11 Contentguardiholdings, Inc. Method and apparatus for distributing enforceable property rights
US20030043852A1 (en) * 2001-05-18 2003-03-06 Bijan Tadayon Method and apparatus for verifying data integrity based on data compression parameters
US8275709B2 (en) 2001-05-31 2012-09-25 Contentguard Holdings, Inc. Digital rights management of content when content is a future live event
US6895503B2 (en) * 2001-05-31 2005-05-17 Contentguard Holdings, Inc. Method and apparatus for hierarchical assignment of rights to documents and documents having such rights
US7725401B2 (en) 2001-05-31 2010-05-25 Contentguard Holdings, Inc. Method and apparatus for establishing usage rights for digital content to be created in the future
US6973445B2 (en) * 2001-05-31 2005-12-06 Contentguard Holdings, Inc. Demarcated digital content and method for creating and processing demarcated digital works
US7222104B2 (en) * 2001-05-31 2007-05-22 Contentguard Holdings, Inc. Method and apparatus for transferring usage rights and digital work having transferrable usage rights
US8275716B2 (en) 2001-05-31 2012-09-25 Contentguard Holdings, Inc. Method and system for subscription digital rights management
US7152046B2 (en) * 2001-05-31 2006-12-19 Contentguard Holdings, Inc. Method and apparatus for tracking status of resource in a system for managing use of the resources
US6876984B2 (en) * 2001-05-31 2005-04-05 Contentguard Holdings, Inc. Method and apparatus for establishing usage rights for digital content to be created in the future
US7774280B2 (en) * 2001-06-07 2010-08-10 Contentguard Holdings, Inc. System and method for managing transfer of rights using shared state variables
EP1653411B1 (fr) * 2004-10-26 2008-07-23 Total S.A. Procédé et programme de reconstruction de plan de fracture
US7438078B2 (en) * 2005-08-05 2008-10-21 Peter Woodruff Sleeping bag and system
JP2009027525A (ja) * 2007-07-20 2009-02-05 Nec Corp 光伝送システムおよび光伝送方法
EP2031423B1 (fr) * 2007-08-31 2013-05-15 Services Pétroliers Schlumberger Identification de propriétés géologiques dans une image d'une formation souterraine entourant un trou de forage
FR2928959B1 (fr) * 2008-03-21 2010-03-12 Inst Francais Du Petrole Procede d'estimation de la densite de fractures dans un milieu rocheux
US20100027974A1 (en) * 2008-07-31 2010-02-04 Level 3 Communications, Inc. Self Configuring Media Player Control
US10302811B2 (en) * 2008-08-21 2019-05-28 Weatherford Technology Holdings, Llc Data reduction of images measured in a borehole
WO2011031329A2 (fr) * 2009-09-14 2011-03-17 Fronterra Integrated Geosciences, LLC Procédé pour interpréter des plans naturels de fracture et de défaut d'immersion identifiés à partir d'images du trou de forage
US8886503B2 (en) 2011-04-19 2014-11-11 Schlumberger Technology Corporation Discontinuity detection
JP5854802B2 (ja) * 2011-12-01 2016-02-09 キヤノン株式会社 画像処理装置、画像処理方法、及びコンピュータプログラム
EP2700983A1 (fr) * 2012-02-14 2014-02-26 Services Pétroliers Schlumberger Systèmes et procédés pour calculer la surface d'une fracture en fonction du volume de roche
US9542507B2 (en) 2012-02-23 2017-01-10 Schlumberger Technology Corporation Feature detection in seismic volumes
US9196058B2 (en) * 2013-11-26 2015-11-24 Saudi Arabian Oil Company Automated workflow for 3D core digital modeling from computerized tomography scanner (CTS) images
CN107144572A (zh) * 2017-05-26 2017-09-08 太原科技大学 灰度图像中裂缝自动识别和检测方法
US10947841B2 (en) 2018-01-30 2021-03-16 Baker Hughes, A Ge Company, Llc Method to compute density of fractures from image logs
CN109389128B (zh) * 2018-08-24 2021-08-27 中国石油天然气股份有限公司 电成像测井图像特征自动提取方法及装置
EP3871019A1 (fr) 2018-10-25 2021-09-01 Chevron U.S.A. Inc. Système et procédé d'analyse quantitative d'images de puits de forage

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4414656A (en) * 1980-04-15 1983-11-08 Schlumberger Technology Corporation Well logging system for mapping structural and sedimentary dips of underground earth formations
US4791618A (en) * 1981-08-24 1988-12-13 Schlumberger Technology Corporation Well logging method and system for detecting structural and stratigraphic geological make-up of subsurface formations
US5038378A (en) * 1985-04-26 1991-08-06 Schlumberger Technology Corporation Method and apparatus for smoothing measurements and detecting boundaries of features
US5162994A (en) * 1990-06-19 1992-11-10 Halliburton Logging Services, Inc. Method for determining dip and strike angles in borehole ultrasonic scanning tool data
US5299128A (en) * 1990-10-05 1994-03-29 Schlumberger Technology Corporation Method and apparatus for delineating bed boundaries in subsurface formations and for producing indications of the angle of dip thereof
US5661698A (en) * 1994-10-18 1997-08-26 Institut Francais Du Petrole Method for modelling the spatial distribution of geometric objects in an environment, such as faults in a geologic formation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4414656A (en) * 1980-04-15 1983-11-08 Schlumberger Technology Corporation Well logging system for mapping structural and sedimentary dips of underground earth formations
US4791618A (en) * 1981-08-24 1988-12-13 Schlumberger Technology Corporation Well logging method and system for detecting structural and stratigraphic geological make-up of subsurface formations
US5038378A (en) * 1985-04-26 1991-08-06 Schlumberger Technology Corporation Method and apparatus for smoothing measurements and detecting boundaries of features
US5162994A (en) * 1990-06-19 1992-11-10 Halliburton Logging Services, Inc. Method for determining dip and strike angles in borehole ultrasonic scanning tool data
US5299128A (en) * 1990-10-05 1994-03-29 Schlumberger Technology Corporation Method and apparatus for delineating bed boundaries in subsurface formations and for producing indications of the angle of dip thereof
US5661698A (en) * 1994-10-18 1997-08-26 Institut Francais Du Petrole Method for modelling the spatial distribution of geometric objects in an environment, such as faults in a geologic formation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9366135B2 (en) 2013-10-08 2016-06-14 Exxonmobil Upstream Research Company Automatic dip picking from wellbore azimuthal image logs

Also Published As

Publication number Publication date
CA2279400A1 (fr) 1999-06-24
FR2772486A1 (fr) 1999-06-18
FR2772486B1 (fr) 2000-01-07
NO328937B1 (no) 2010-06-21
EP0960345B1 (fr) 2004-04-14
EP0960345A1 (fr) 1999-12-01
NO993707D0 (no) 1999-07-29
US6266618B1 (en) 2001-07-24
OA11145A (en) 2003-04-17
DE69823170D1 (de) 2004-05-19
AU1567999A (en) 1999-07-05
CN1247603A (zh) 2000-03-15
CA2279400C (fr) 2008-02-12
AU751035B2 (en) 2002-08-08
NO993707L (no) 1999-10-11

Similar Documents

Publication Publication Date Title
EP0960345B1 (fr) Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu
EP0842443B1 (fr) Methode de determination automatique des bancs de stratification dans un milieu
Zhao et al. A fault detection workflow using deep learning and image processing
Qi et al. Image processing of seismic attributes for automatic fault extraction
Lacharité et al. Multisource multibeam backscatter data: Developing a strategy for the production of benthic habitat maps using semi-automated seafloor classification methods
US11378710B2 (en) Fault detection based on seismic data interpretation
FR2909185A1 (fr) Methode d'interpretation stratigraphique d'images sismiques
EP0903592B1 (fr) Méthode statistique de classement d'événements liés aux propriétés physiques d'un milieu complexe tel que le sous-sol
EP1707993A1 (fr) Procédé et programme de recherche de discontinuites
FR2646520A1 (fr) Procede de pointe automatique et d'aide a l'interpretation, en particulier de section sismique, par des techniques d'analyse d'images
EP3570074A1 (fr) Procédé pour la détection d'objets géologiques dans une image
Di et al. Seismic attribute-aided fault detection in petroleum industry: A review
Mahadik et al. Fault detection and optimization in seismic dataset using multiscale fusion of a geometric attribute
CA2456596C (fr) Methode pour mesurer les similarites locales entre plusieurs cubes de traces sismiques
Laggoune et al. Tree ring analysis
Koyan et al. 3D ground-penetrating radar attributes to generate classified facies models: A case study from a dune island
Teran et al. High-Resolution Facies Prediction by Means of Integrating Dip Quality Index and Texture Analysis from Resistivity Borehole Images Logs in a Pre-Salt Complex Carbonate Reservoir Located in a Brazilian Field
Wedge et al. Fast and objective detection and analysis of structures in downhole images
FR2869693A1 (fr) Procede et programme de propagation d'un marqueur sismique dans un ensemble de traces sismiques
FR2764700A1 (fr) Methode de caracterisation de la coherence de mesures de caracteristiques d'un milieu
Ricciuti et al. Unsupervised recognition of textural facies in borehole images: a novel and efficient two-stage segmentation method
EP1540377B1 (fr) Methode pour compacter et filtrer des evenements geophysiques dans le but d en extraire des informations sur la nature du sou s-sol
Tian et al. A local binary patterns/variance operator based on guided filtering for seismic fault detection
You et al. Enhancing Automatic Facies Classification of Brazilian Pre-salt Acoustic Image Logs with SwinV2-Unet: Leveraging Transfer Learning and Confident Learning
GALKIN et al. A pre-attentive vision model for data prospecting

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 98802561.2

Country of ref document: CN

AK Designated states

Kind code of ref document: A1

Designated state(s): AU CA CN NO RU US

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

WWE Wipo information: entry into national phase

Ref document number: 1998959967

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2279400

Country of ref document: CA

Ref document number: 2279400

Country of ref document: CA

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15679/99

Country of ref document: AU

WWE Wipo information: entry into national phase

Ref document number: 09367161

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWP Wipo information: published in national office

Ref document number: 1998959967

Country of ref document: EP

WWG Wipo information: grant in national office

Ref document number: 15679/99

Country of ref document: AU

WWG Wipo information: grant in national office

Ref document number: 1998959967

Country of ref document: EP