简介：成像测井是复杂储层测井评价中的重要技术手段.通过成像测井,可以获得井周的电阻率分布二维图像,用于评价井壁缝洞发育和地层沉积构造等.但由于电阻率成像测井仪器的特点,电阻率测井图像上会出现空白条带,这增加了计算机对电成像资料处理的难度.目前的图像修复方法和现有的神经网络图像修复方法在待填充部分占比较大时效果都不好.因此,迫切需要基于深度学习的智能修复方法.以一种基于快速傅里叶卷积的成像测井图像空白条带填充网络为基础,将西南油气田的电成像测井图像构建为数据集,训练得到一种基于快速傅里叶卷积的成像测井图像空白条带智能填充深度学习算法.对比各种算法的时间,结果表明:所提算法在条带宽度大的成像测井图像中修复效果较优,同时修复效率提升明显.通过所提方法实现了成像测井空白条带的快速、准确和智能化修复,实现了全井眼图像的快速生成,并解决了全井眼图像获取的困难.展开
