Research on the Edge Feature Enhancement of Fluvial Reservoirs Based on Image Processing
-
摘要: 河道边缘的识别是河流相储层精细描述的重点。受河道叠置、交叉，砂体厚度薄，地震信噪比、分辨率低等因素影响，传统的切片解释、相干技术难以满足精细勘探的需求，新发展的基于算子处理的边缘检测仍存在应用误区。本文以分析河道边缘的几何特征为切入点，明确一阶导数、模值及二阶导数的物理含义；建立具有不同速度特征的三维河道模型，并通过模型与实际资料相干属性的提取，指出该项技术在河道精细描述中存在的问题。针对该问题以Sobel算子为例，图解说明使用此项技术处理后河道边缘的标志性特征，提出采用直方图均衡化与模糊集理论的河道边缘相干增强技术，并取得较好的应用效果。该方法技术对深化河道边缘特征的认识，提高河流相储层识别能力，有一定的借鉴作用。Abstract: The identification of channel edge is the key aspect of fine description of fluvial reservoirs. Affected by the factors such as channel overlaying and crossing, thin sand body thickness, low seismic signal-to-noise ratio, and low resolution, the traditional slice interpretation and coherence technology can barely meet the requirements of fine exploration, and the newly developed edge detection based on operator processing still has application misconceptions. In this study, the geometric characteristics of river edges are analyzed as the entry point, and the physical meanings of first derivatives, module values, and second derivatives are clarified. Three-dimensional channel models with different velocity characteristics are established by extracting the coherence attributes of the model and real data; the existing problems of this technique in the fine description of channels are identified. To solve this problem, considering the Sobel operator as an example, the symbolic characteristics of the channel edge after using this technology are illustrated. The coherent enhancement technique for channel edge identification using histogram equalization and the fuzzy set theory is proposed, and good application results are obtained. This method can be used as reference to deepen the understanding of channel edge characteristics and improve the ability to identify fluvial reservoirs.
-
Keywords:
- fluvial reservoir /
- edge features /
- Sobel operator /
- histogram equalization /
- fuzzy enhancement
-
卵巢囊性腺纤维瘤（ovary cystadenofibroma，OCAF）是一种卵巢上皮来源少见的卵巢肿瘤，由卵巢表面的苗勒上皮和纤维间质细胞组成。按其成分分类，可分为浆液性、黏液性、子宫内膜样、透明细胞性及混合型等类型，以浆液性最为常见。按其生物学行为分类，可分为良性、交界性及恶性，通常以良性居多，恶性少见。囊性腺纤维瘤发病率低，Cho等[1]分析了1926例卵巢肿瘤中，OCAF仅占卵巢肿瘤1.7%比例。我国仅有少部分文章对其特征进行描述，其中OCAF中浆液性最多见，大多数文章仅谈及浆液性囊性腺纤维瘤，而对浆黏液性囊性腺纤维瘤的影像特征尚未总结。本文对卵巢浆黏液性囊性腺纤维瘤进行描述总结，抓其特点，探其究竟，精准诊断。
1. 病例资料
1.1 临床病史与实验室检查
患者女，76岁，主诉下腹痛2年余，触及下腹包块8个月，下腹呈间歇性疼痛，程度中，尚可忍受。既往史：30余年前因子宫肌瘤行全子宫切除术。
实验室检查：CA125 11.46 U/mL、CA199 32.42 U/mL、CEA 2.44 ng/mL 均处于正常范围内。
1.2 MRI表现
MRI图像示：盆腔偏右侧可见巨大囊实性占位，病变边缘清晰，呈大小不等的多房囊实性肿块，囊内可见子囊腔，囊壁未见明显钙化影，囊腔信号不均，T1 WI及T2 WI呈高/等/低信号，呈“五彩玻璃征”表现；部分囊壁增厚出现实性成分，呈现带状突起，即“地毯征”；实性成分呈T2 WI明显低信号，信号强度低于肌层，部分实性成分内可见小类圆形T2 WI高信号影，即“黑色海绵征”表现；实性成分、囊壁及囊间隔T1 WI呈低信号；实性及囊性成分DWI未见弥散受限。盆腔及双侧腹股沟未见明显肿大淋巴结影（图1）。
![]()
图 1 浆黏液性囊性腺纤维瘤患者MRI图像注：（a）~（j）矢状位及冠状位显示病变整体观，病变呈多房囊状，囊腔信号不均，呈“五彩玻璃”样；轴位显示病变实性成分呈“黑色海绵征”（红色箭头）及“地毯征”（黄色箭头）。DWI 实性病变未见弥散受限。Figure 1. MRI image of a patient with mucinous cystic fibroadenoma1.3 手术与病理
手术切除，术中见子宫缺如，盆腔内可见巨大肿物，来源于右侧卵巢，囊实性，包膜完整；右侧输卵管迂曲，与右侧卵巢分界不清，左侧卵巢萎缩。依次探查淋巴结，未触及肿大淋巴结。切除右侧附件术中冰冻，病理回报：（右）卵巢黏液性肿瘤/浆黏液性肿瘤，局灶上皮增生，间质纤维组织增生，瘤体大，余待石蜡切片多取材除外交界性肿瘤。与患者家属沟通，术中病理待除外交界性肿瘤，患者年龄较大，要求切除阑尾及大网膜。
术后病理：肉眼所见（右附件）已破肿物（12×11×6）cm，切面呈囊实性，局灶呈密集囊腔样，内含黏液样物。光镜所见：囊壁内衬混合的形态温和的Mullerian型上皮细胞。诊断意见：（右附件）卵巢浆黏液性囊性腺纤维瘤，局灶上皮增生（图2）。
![]()
图 2 浆黏液性囊性腺纤维瘤患者病理图像注：红色箭头浆液性，黑色箭头黏液性。Figure 2. Pathological images of patients with mucinous cystic fibroadenoma.2. 讨论
2.1 病因及发病机制
囊性腺纤维瘤病因与发病机制尚无明确定论，可能与癌基因、雌二酚暴露史[2]、垂体释放的糖蛋白激素等有关系。雌激素可能参与其发生过程。
2.2 临床特征
卵巢浆黏液性囊性腺纤维瘤发病年龄较宽范，多在20~70岁[3-4]，本例发病年龄为76岁；病变单侧发病多见，双侧者少；由于肿瘤无分泌功能，因此其临床表现及肿瘤标记物大多无特殊性，部分患者会有腹胀、腹痛或腹部不适而就诊，亦有部分患者因体检无意中发现。肿瘤标记物一般为阴性[5]。
2.3 MRI表现
浆液性囊腺瘤、黏液性囊腺瘤或浆黏液性囊腺瘤均为卵巢Mullerian上皮细胞瘤，腺纤维瘤是这类上皮细胞肿瘤中合并纤维增生，影像表现往往在浆液性、黏液性或浆黏液性囊腺瘤肿块中出现低T2 WI信号的纤维成分。卵巢囊性腺纤维瘤分型有多种，以浆液性最为多见，临床报道类型最多，对其的影像表现总结最多。Takeuchi等[6]认为其特征性征象是MRI T2 WI上呈现“黑色海绵征”，即低信号纤维病变内出现高信号囊状改变，是由于致密纤维间质中散在小囊样的腺样结构；Yen[7]等发现其囊壁上出现T2 WI低信号突起，命名为“地毯征”。囊壁、实性成分增强扫描呈渐进性强化。部分文献仅描述其囊腔信号不同，并未对其进行总结，本文依据本次病例对其归纳，浆黏液性囊性腺纤维瘤一般单侧发病，病变边缘清晰，可呈实性/囊实性/囊性改变，以囊实性多见，病变呈大小不等多房囊实性改变，囊腔内因其成分不同而表现多样，呈现黏液性囊腺瘤样“五彩玻璃征”表现，实性成分呈T2 WI极低信号，低信号内出现小囊性T2 WI高信号，表现为“黑色海绵征”，实性成分突起于囊壁，呈现“地毯征”，病变实性成分弥散不受限，病变囊壁钙化少见。增强扫描囊壁及实性成分呈渐进性强化。病变大多数为良性，一般无转移性病变及肿大淋巴结。
2.4 临床治疗与预后
卵巢囊性腺纤维瘤治疗以手术治疗为主[8]，对于良性病变，根据患者年龄及生育要求，采取患侧附件切除术或肿瘤剖离术，对侧卵巢可进行探查或活检术。交界性或者恶性者，应与卵巢癌治疗方法相同[9]。
2.5 诊断与鉴别诊断
卵巢浆黏液性囊性腺纤维瘤的临床表现不典型，大多数患者以腹痛、腹胀或体检中发现，实验室检查肿瘤标记物大多数为阴性，因此主要依据影像学检查来辅助诊断，囊腔由于成分含量不同信号不均，形成五彩囊样改变及纤维成分中散在囊状高信号形成的“黑色海绵征”、“地毯征”是其MRI诊断的关键影像表现。浆黏液性囊性腺纤维瘤需与含有“五彩玻璃征”及含有T2 WI低信号卵巢肿瘤相鉴别，主要为黏液性囊腺瘤、卵巢甲状腺肿等。
卵巢黏液性囊腺瘤是卵巢肿瘤中较为常见的上皮来源性肿瘤，常单侧发病，体积较大，呈多房囊性，囊腔大小不一，常表现为一个房腔内套有一个或数个子囊，囊腔内充满不同浓度黏液[10]，由于不同子囊间成分存在差异表现多样，呈“五彩玻璃征”，囊壁或间隔稍厚而规则[11]，可出现线样钙化。病变破裂进入腹腔可形成腹腔假性黏液瘤[12]。鉴别点：黏液性囊腺瘤少有T2 WI低信号纤维成分。
卵巢甲状腺肿为单胚层畸胎瘤，良性居多。单侧、囊实性、分叶状肿块多见，实性成分可为囊性肿瘤内间隔局灶性增厚或不规则软组织肿块，部分实性组织、分隔或囊壁可见斑点样、线条样钙化。囊性病变密度及信号不均，CT特征性表现为：高密度囊腔和实性成分钙化[13]。CT高密度囊腔对应MRI表现为T2 WI极低信号即“真空征”[14]，T1 WI呈高信号，是由于甲状腺滤泡中含有高浓度凝胶状碘化甲状腺素的原因。增强扫描实性成分、间隔或囊壁明显强化。T2 WI“真空征”是MRI特异性表现。患者可合并甲亢、假Meigs综合征[15]。鉴别点：钙化、腹水及“真空征”。
3. 小结
本文通过对1例卵巢浆黏液性囊性腺纤维瘤的诊断与鉴别诊断及文献学习，旨在提高其诊断的准确性，使患者得到精准的手术治疗，对于育龄女性，可以保留生育功能，提高临床诊疗的精准性。
-
![]()
图 1 河道边缘几何特征与数学含义
Figure 1. Geometric characteristics and mathematical implication of the channel edge
![]()
图 3 模型相干切片与原始振幅切片比较
Figure 3. Comparison between model coherence and original amplitude slices
![]()
图 4 实际资料相干切片与原始振幅切片比较
Figure 4. Comparison between coherence and original amplitude slices of the actual data
![]()
图 5 Sobel算子及核函数解析图
Figure 5. Analytical diagram of the Sobel operator and kernel function
![]()
图 6 理论模型Sobel算子处理及效果比较
Figure 6. Sobel operator processing and effect comparison of the theoretical model
![]()
图 7 实际资料Sobel算子处理及效果比较
Figure 7. Sobel operator processing and effect comparison of the actual data
![]()
图 8 理论模型灰度均衡化处理前后切片及直方图对比
Figure 8. Comparison of slices and histograms before and after grayscale equalization of the theoretical model
![]()
图 9 理论模型图像模糊增强处理及效果对比
Figure 9. Image fuzzy enhancement processing and effect comparison of the theoretical model
![]()
图 10 实际资料图像处理前后相干切片对比
Figure 10. Comparison of coherent slices before and after image processing of the actual data
表 1 特征值相干不同表征公式
Table 1 Different characterization formulas of eigenvalue coherence
时间 作者 表征公式 物理含义 1999 Gersztenkorn
和Marfurt${C_{31}} = \displaystyle \dfrac{{{\lambda _1}}}{{\sum\limits_{j = 1}^J {{\lambda _j}} }}$ 用最大特征值在所有特征值中的占比来表示相干 2000 Randen等 ${C_{32} } = \displaystyle \dfrac{ {2{\lambda _2} } }{ { {\lambda _1} + {\lambda _3} } } - 1 = \dfrac{ { {\lambda _2} - {\lambda _3} - ( { {\lambda _1} - {\lambda _2} } )} }{ { {\lambda _1} + {\lambda _3} } }$ 被称为“chaos”的相干属性 2002 Bakker ${C_{33} } = \displaystyle \dfrac{ {2{\lambda _2}( { {\lambda _2} - {\lambda _3} })} }{ {( { {\lambda _1} + {\lambda _2} } )( { {\lambda _2} + {\lambda _3} } )} }$ 重点考虑第2特征值和第3特征值的差异 2007 Donias等 ${C_{34} } = 1 - \displaystyle \dfrac{3}{2}\dfrac{ { {\lambda _2} + {\lambda _3} } }{ { {\lambda _1} + {\lambda _2} + {\lambda _3} } } = \dfrac{ { {\lambda _1} - {\lambda _2} + {\lambda _1} - {\lambda _3} } }{ {2( { {\lambda _1} + {\lambda _2} + {\lambda _3} } )} }$ “disorder”相干属性 2017 Wu ${C_{35}} = \displaystyle \dfrac{{{\lambda _1}{{ - }}{\lambda _2}}}{{{\lambda _1}}}$ 利用第1特征值和第2特征值的差异 
下载: 导出CSV
-
[1] 于建国, 林春明, 王金铎, 等. 曲流河沉积亚相的地震识别方法[J]. 石油地球物理勘探, 2003,38(5): 547−551. doi: 10.3321/j.issn:1000-7210.2003.05.017 YU J G, LIN C M, WANG J D, et al. Seismic identification of meandering channel sedimentary subfacies[J]. Oil Geophysical Prospecting, 2003, 38(5): 547−551. (in Chinese). doi: 10.3321/j.issn:1000-7210.2003.05.017
[2] 张军华, 李琴, 王延光, 等. 用相干体识别古河道及实际应用[J]. 科学技术与工程, 2020,20(35): 14431−14439. doi: 10.3969/j.issn.1671-1815.2020.35.013 ZHANG J H, LI Q, WANG Y G, et al. Recognition of paleo-river channels by coherence cube and the application[J]. Science Technology and Engineering, 2020, 20(35): 14431−14439. (in Chinese). doi: 10.3969/j.issn.1671-1815.2020.35.013
[3] 张运龙, 丁峰, 尹成, 等. 基于地震波形结构属性识别河流相砂体叠置区[J]. 石油学报, 2018,39(7): 792−801. ZHANG Y L, DING F, YIN C, et al. The identification of sand-body superimposed area based on seismic waveform structure attributes[J]. Acta Petrolei Sinica, 2018, 39(7): 792−801. (in Chinese).
[4] 张军华, 刘杨, 林承焰, 等. 甜点地震属性理论诠释及应用[J]. 石油地球物理勘探, 2018,53(2): 355−360. doi: 10.13810/j.cnki.issn.1000-7210.2018.02.017 ZHANG J H, LIU Y, LIN C Y, et al. Theoretical annotation and application of sweetness[J]. Oil Geophysical Prospecting, 2018, 53(2): 355−360. (in Chinese). doi: 10.13810/j.cnki.issn.1000-7210.2018.02.017
[5] 马跃华, 吴蜀燕, 白玉花, 等. 利用谱分解技术预测河流相储层[J]. 石油地球物理勘探, 2015,50(3): 502−509. MA Y H, WU S Y, BAI Y H, et al. River sedimentary microfacies prediction based on spectral decomposition[J]. Oil Geophysical Prospecting, 2015, 50(3): 502−509. (in Chinese).
[6] 丁峰, 胡光义, 尹成, 等. 基于地质信息约束的概率神经网络地震反射模式预测方法[J]. 中国海上油气, 2018,30(1): 127−131. DING F, HU G Y, YIN C, et al. A method under the constraint of geological information for prediction of seismic reflection patterns with probabilistic neural network[J]. China Offshore Oil and Gas, 2018, 30(1): 127−131. (in Chinese).
[7] 束宁凯, 苏朝光, 石晓光, 等. 胜利埕岛极浅海油田薄储集层地震描述及流体识别[J]. 石油勘探与开发, 2021,48(4): 768−776. doi: 10.11698/PED.2021.04.09 SHU N K, SU C G, SHI X G, et al. Seismic description and fluid identification of thin reservoirs in Shengli Chengdao extra-shallow sea oil field[J]. Petroleum Exploration and Development, 2021, 48(4): 768−776. (in Chinese). doi: 10.11698/PED.2021.04.09
[8] 李俊山, 李旭辉. 数字图像处理[M]. 北京: 清华大学出版社, 2013. LI J S, LI X H. Digital image Processing[M]. Beijinag: Tsinghua University Press, 2013. (in Chinese).
[9] 马承杰. 多尺度边缘检测技术在断层识别及裂缝发育带预测中的应用−以车排子地区排 691井区为例[J]. 油气地质与采收率, 2021,28(2): 85−90. MA C J. Application of multi-scale edge detection technology to fault recognition and fracture zone prediction: A case study of Block Well P691, Chepaizi area[J]. Petroleum Geology and Recovery Efficiency, 2021, 28(2): 85−90. (in Chinese).
[10] CHOPRA S, MARFURT K J. Volumetric fault image enhancement-some applications[J]. Interpretation, 2017, 5(2): T151−T161. doi: 10.1190/INT-2016-0129.1
[11] 宋建国, 孙永壮, 任登振. 基于结构导向的梯度属性边缘检测技术[J]. 地球物理学报, 2013,56(10): 3561−3571. doi: 10.6038/cjg20131031 SONG J G, SUN Y Z, REN D Z. Edge detection technique based on structure-directed gradient attribute[J]. Chinese Journal Geophys, 2013, 56(10): 3561−3571. (in Chinese). doi: 10.6038/cjg20131031
[12] 许辉群, 桂志先, 孙赞东. 边缘检测技术在地震属性中的应用[J]. 石油地球物理勘探, 2011,46(1): 126−128. XU H Q, GUI Z X, SUN Z D. Application of edge detection technique in seismic attribute analysis[J]. Oil Geophysical Prospecting, 2011, 46(1): 126−128. (in Chinese).
[13] 刘传奇, 宋俊亭, 薛明星. 边缘检测技术在砂体连通研究中的应用[J]. 地球物理学进展, 2021,21(2): 1−8. LIU C Q, SONG J T, XUE M X. Application of edge detection technology in sand connectivity research[J]. Progress in Geophysics, 2021, 21(2): 1−8. (in Chinese).
[14] 周连敏, 何书梅, 赵郁文, 等. 复合曲流河道内的单河道识别[J]. 石油地球物理勘探, 2019,54(1): 175−181. doi: 10.13810/j.cnki.issn.1000-7210.2019.01.020 ZHOU L M, HE S M, ZHAO Y W, et al. Single channel identification in a meandering river with compound channels[J]. Oil Geophysical Prospecting, 2019, 54(1): 175−181. (in Chinese). doi: 10.13810/j.cnki.issn.1000-7210.2019.01.020
[15] 张军华. 储层地震精细描述方法及应用研究[M]. 青岛: 中国石油大学出版社, 2022. ZHANG J H. Research on reservoir seismic fine description methods and their applications[M]. Qingdao: China University of Petroleum Press, 2022. (in Chinese).
[16] PAL S K, KING R A. Image enhancement using fuzzy sets[J]. Electronics Letters, 1980, 16(10): 376−378. doi: 10.1049/el:19800267
计量
- 文章访问数: 1207
- HTML全文浏览量: 163
- PDF下载量: 63
