基于纹理的超声成像测井图像“城墙效应”修复研究

倪路桥,余厚全,李长文,李国军,余春昊

(1.长江大学电子信息学院,湖北荆州434000;2.中国石油集团测井有限公司,陕西西安710077)

基于纹理的超声成像测井图像“城墙效应”修复研究

倪路桥1,余厚全1,李长文2,李国军2,余春昊2

(1.长江大学电子信息学院,湖北荆州434000;2.中国石油集团测井有限公司,陕西西安710077)

根据测井图像中病态图像的特点,基于现代图像修复技术,提出了一种基于纹理的图像修复算法。介绍了该算法的基本思想,给出了利用基于纹理的图像修复算法处理超声测井图像的具体流程。该算法按照优先修复含有已知信息最多、中心点处等照度线方向与待修复区域边界垂直方向一致性最好的待修复块的原则,通过最佳匹配,在已知信息区域中寻找出最佳匹配块,对“城墙效应”进行修复。处理结果表明,该算法能够有效修复图像中的“城墙效应”,保持结构的完整性,明显改善图像质量。该算法简单、实用、实时性强、无需人工干预,对超声成像测井资料的后期处理具有较高实用价值。

超声成像测井;纹理修复;井下电视;图像处理

0 引 言

本文在分析前人算法的基础上,针对超声成像测井图像中出现的“城墙效应”,提出了一种基于纹理的修复算法。该算法直接对源图像进行处理,不需输入掩膜图像来确定修复区域。

1 基于纹理的图像修复算法

Criminisi等人提出的基于纹理的图像修复算法[4-5]基本思想是从待修复区域的边界点中,以一定的优先度量准则,找到一个优先的修复点;然后以该点为中心形成一个待修复块,在已知信息区域中按照一定的匹配规则寻找最佳匹配块;在找到最佳匹配块后,将待修复块中的空白信息用最佳匹配块中对应的已知信息进行填充,然后更新边界,重复上述步骤,直至全部图像修复完毕。该算法的核心是优先度量准则,即确定最先修复的点(见图1)。图1中区域Φ为已知图像区域(源区域),区域Ω为待修复图像区域(目标区域),δΩ表示待修复区域的边界。以边界 p点为例,Criminisi等人定义该点优先度的计算公式

式中,C(p)为置信度项,定义为在以边界 p点(p∈δΩ)为中心的待修复块Ψp中,已知信息像素个数与模板像素总数的比值;D(p)为结构项,定义为D(p)=(▽I⊥p·np)/a,α为标准化参数(对于典型灰度图像α=255),np为在p处与待修复区域的边界垂直的单位向量,▽I⊥p其值为 p点处的梯度值,方向与梯度方向垂直,即等照度线的方向。其物理意义为在边界点对应的待修复块中,应优先修复那些已知信息最多、等照度线的方向与待修复边界的np方向一致性最好的待修复块,从而保证修复信息的可靠性和图像结构的完整性。本文处理时,D(p)根据TV模型计算[6],具体定义为

使用TV模型计算优先度进行图像修复,连通性好,是对比较细腻的纹理能取得较好的修复效果。

2 超声成像测井图像“城墙效应”修复处理算法

2.1 处理算法流程

(1)“城墙效应”区域的识别与标识。在开始深度起,计算相邻2行对应点像素值差的绝对值之和S,如果连续 k行的Si(i=1,2,…,k)都小于预定的阈值,则判定该区域为“城墙效应”区域;然后确定该区域的起止深度,并将该深度段的像素值置为-0.000 1进行标识。

图1 优先度量原理图

(2)优先度的计算。按照上述优先度的定义,计算边界点优先度 P(p),从边界点中选取优先度最高的点,以该边界点为中心的待修复块作为优先待修复块。

(3)按照最佳匹配准则,在已知信息区域中进行搜索,寻找出最佳匹配块。

财政内控是财政领域一项基础性、创新性工作，是财政管理的现代要求和财政改革的应有之意。近年来，内蒙古立足自治区实际，从建立制度入手，以见效管用为终极目标，加强领导，统筹谋划，本级先行，以上率下；对盟市、旗县财政分类指导，精准施策，解疑释惑，有序推进；在建设内容上既有统一要求，又明确突出各级、各地特色，内控成效初步显现。

(4)根据拼接方法,利用最佳匹配块的信息,对待修复块进行修复。

(5)更新边界,返回步骤(2),直至待修复区域修复完毕为止。

2.2 拼接算法

找到匹配块后,如果直接将待修复块中的未知像素用匹配块相应位置的像素值填充,则可能出现人工边界,造成不连续。为了使修复后的图像更加平滑、连续,提出了一个新的拼接算法,从匹配块和待修复块重叠的已知信息区域中,寻找一个最佳的拼接路径,根据此路径来填充待修复块。

(1)设待修复块和匹配块的长、宽大小相同,均为 H个像素,把待修复模块中的像素值复制到缓冲区中。如图2所示,图形OABD与待修复块大小相同,O、A、B、D为4个角像素,以左上角像素O为原点,建立坐标,则OD线段函数y=x;AB线段函数y=H-1-x;则OD和AB线段将模板分成4个区,范围分别为1区:y≤x,y≥H-1-x,x≤H;2区:y>x,y>H-1-x,y≤H;3区:y≥x,y≤H-1-x,x≥0;4区:y

(2)从顶点A出发,设当前点坐标为(x,y),则从(x,y+1),(x-1,y+1),(x+1,y+1)3个点中找待修块与匹配块对应位置像素值之差绝对值最小的点,并将缓冲区中的这个点赋值为-1,作为拼接路径标志,把该点作为当前点,进行下次迭代。如果点(x-1,y+1)在 AC上或待修块对应像素值为-0.000 1(-0.000 1为“城墙”区域像素标志)、(x +1,y+1)在 AD外或待修块对应像素值为-0.000 1,则不参与上述比较。

图2 以待修块左上角像素为原点建立坐标图

(3)如果当前点在 CD上时,则令缓冲区相应值为-1,进入2区,2区算法类似,只是方向改变,如图2箭头。3区、4区类似,在4区时如果(x+1, y-1)在AC上,则路径寻找完毕,停止迭代。

(4)复制像素。待修复块中,位于最佳路径内的或像素值为-0.000 1的点,其像素值用匹配块中相应点来填充;位于最佳路径上且像素值不为-0.000 1的点,用其与匹配块中对应像素之和除2的均值填充;最佳路径以外且像素值不为-0.000 1的点,值不变。

2.3 搜索范围及匹配方法

纵向:与待修复区域相邻的上下20行(可根据实际情况而定)以内,不包括待修复区域。横向:设该点横向位置为 x,则在 x+15到 x-15区域内,如果超出范围,则置为边界值大小。使用局部搜索,加快了处理速度,效果影响很小。选择已知点为边界点,增加了待匹配模块中已知信息,匹配更加准确。匹配时,模板中不同位置的像素使用不同加权,加权系数和该点与模板中心点距离成反比。

2.4 边缘处理

待修复区域的左右两边缘是图像的边界,相邻信息很少,处理办法为设模板宽度为 H,距边界水平距离在 H/2以内的点的优先度设为小于其他点的优先度,方法是其他点的优先度都加上一个很大的数;以距边界水平距离在 H/2以内的点为中心进行匹配、赋值时,只有属于图像范围内的点参与运算,范围之外的点不参与。

3 处理结果及分析

该算法首先在PC机VC++6.0平台上进行测试,选用了一个结构较明显的图3进行处理。图3(a)是原图,图3(b)是图3(a)部分区域删除后,全黑部分即是删除部分。图3(c)和图3(d)对图3(b)全黑区域进行修复,图3(c)没有使用拼接算法,图3 (d)使用本文的拼接算法。与图3(a)相比,图3(c)已经出现了块状效应,效果较差,而图3(d)整体效果较好,既保持了结构的连续性,又没有出现块状效应。本文的拼接算法能有效避免块状效应。

图3 基于本文拼接算法处理前后的图像对比

最后将算法移植到综合测井平台Lead2.1上,图4(a)为测井原图,可以清楚地看到病态城墙部分,图4(c)是本算法修复结果,图4(b)中全黑区域对应的是本算法搜索到的城墙部分。将图4(b)和图4(a)进行比较可以看出,该算法能够比较准确地找到城墙,从而为修复提供准确区域。将图4(b)和图4(c)进行比较可以得出,与图4(b)全黑城墙区域对应的图4(c)相应区域得到了很好地恢复,左右边界恢复很好,没有明显的拼接痕迹,结构也得到了很好地延伸。由于采用了局部搜索,速度很快,无论是

结果还是速度都能很好的满足工程应用需要。

图4 具有城墙效应的实际超声测井图像和处理结果

4 结束语

该算法简单、实用、实时性强、不需输入掩膜图像和人工干预,能够自动准确寻找并修复病态的城墙区域。算法不仅能够修复纹理信息,也能较好修复结构信息,并且处理速度很快,对超声成像测井资料的后期处理具有较高有实用价值。

[1] Bertalmio M,Sapiro G,Caselles V,et al.Image Inpainting[C]∥Proc of ACM Conf Comp on Graphics, New Orleans:2000:417-424.

[2] Chan T,Shen Jianhong.Mathematical Models fo r Local Non-texture In-paintings[J].SIAM Journal on App lied Mathematics,2002,62(3):1019-1043.

[3] Chan T,Shen Jianhong.Non-texture Inpainting by Curvature-driven Diffusions(CDD)[J].J Visual Comm Image Rep,2001,4(12):436-449.

[4] Criminisi A,Perez P,Toyama K.Object Removal by Exemp lar-based In-painting[C]∥Proc of Conf on Comp Vision Pattern Rec Madison,W I,USA:2003.

[5] Criminisi A,Perez P,Toyama K.Region Filling and Object Removalby Exemp lar-based Image Inpainting [J].IEEE Trans of Image Processing,2004,13(9): 1200-1212.

[6] 王远敏.基于纹理合成的数字图像修复算法研究[C]∥中国优秀硕士学位论文全文数据库,2008-05-22, (11):45-46.

Ultrason ic Logging Image Restoration Based on Texture

N ILuqiao1,YU Houquan1,L IChangwen2,L IGuojun2,YU Chunhao2
(1.Electrics&Info rmation School of Yangtze University,Jingzhou,Hubei 434000,China; 2.China Petroleum Logging CO.L TD.,Xi’an,Shaanxi 710077,China)

Proposed is amodified inpainting algorithm based on texture for logging image restoration acco rding to the characteristicsof ill image.Introduced are the p rincip le of this algo rithm and specific p rocessing p rocedure for ultrasonic logging image restoration by using this algorithm. The inpainting algo rithm gives p rio rity to blocks w hich have the most info rmation and those central points’s isophotes direction have best consistency w ith the vertical direction of the boundary in the area.And then found out is the bestmatching block by matching in the neighborhood area to repair the“wall effect”.The p rocessing results show this algorithm can effectively repair the“w all effect”image,maintain structural integrity,and imp rove significantly image quality.The algorithm is simp le,real-time,and no more human interface,and hasp ractical value for post-p rocessing of the BH TV logging imaging data.

ultrasonic imaging logging,texture restoration,BH TV,image p rocessing

1004-1338(2010)05-0428-04

P631.83

A

国家“863”计划重点科研项目“先进测井技术与装备”中“方位声波成像测井技术研究”(编号:2006AA 060103)

倪路桥,男,1982年生,硕士研究生,研究方向为信号与信息处理。

2010-05-18 本文编辑 王小宁)