Меню
Публикации
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2025-25-2-303-310
УДК 004.932
Поиск трехмерных изображений методом сравнения контуров в задачах геологического моделирования пласта
Читать статью полностью

Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Литвинов П.А., Бессмертный И.А. Поиск трехмерных изображений методом сравнения контуров в задачах геологического моделирования пласта // Научно-технический вестник информационных технологий, механики и оптики. 2025. Т. 25, № 2. С. 303–310. doi: 10.17586/2226-1494-2025-25-2-303-310
Аннотация
Введение. Исследованы методы сравнения трехмерных изображений в задачах геологического моделирования пласта с целью повышения их качества. Предлагаемый в данной работе метод сочетает в себе такие преимущества, как глобальное представление формы, инвариантность к трансформациям, устойчивость к шумам и вычислительную эффективность. Разработан и обоснован подход, основанный на применении моментов изображений для анализа геологических данных в задачах геологического моделирования пласта. Метод. Решение задачи сравнения трехмерных изображений достигается применением математического аппарата алгебраических инвариантов. Сущность предлагаемого подхода состоит в вычислении моментов трехмерных изображений для сравнения инвариантов контуров эталона и образца. Результатом сравнения является количественная метрика соответствия сравниваемого контура искомому эталону. Основные результаты. Разработаны программные средства, встроенные в общий конвейер моделирования и анализа пакета Gempy. Метод показал удовлетворительные результаты работы на тестовой геологической модели. Точность распознавания позволяет использовать разработанные средства как рекомендательную систему. Подтверждена возможность применения предлагаемого метода для поиска заданного объекта в геологической модели и ограниченная применимость для верификации упрощенной модели в ходе итерационного расчета. Обсуждение. Выполнено сравнение разработанного метода с метрикой Хаусдорфа, методом сравнения поперечных срезов, методом сравнения ключевых точек с помощью алгоритмов SIFT и SURF, а также методом интерполяции на сетке. Показано, что для представленного метода возможно расширение области применения на более сложных геологических образованиях для работы с неоднородными структурами. Разработанные средства можно интегрировать с системами геологического моделирования, системами управления базами данных и аналитическими платформами.
Ключевые слова: поиск трехмерных изображений, сравнение контуров, моменты изображений, алгебраические инварианты,
геологическое моделирование
Благодарности. Авторы выражают благодарность Гололобовой Нелли Игоревне за консультирование в области геологического моделирования.
Список литературы
Благодарности. Авторы выражают благодарность Гололобовой Нелли Игоревне за консультирование в области геологического моделирования.
Список литературы
1. Билибин С.И., Дьяконова Т.Ф., Исакова Т.Г., Истомин С.Б., Юканова Е.А. Трехмерная геологическая модель – необходимый и обязательный этап изучения нефтегазового месторождения // Недропользование XXI век. 2007. № 4. С. 38–42.
2. Григорьев Ю.М., Харбанов М.В. Разработка модуля по созданию упрощенной структурной 3D модели нефтяного пласта // Математические заметки ЯГУ. 2013. Т. 20. № 2. С. 246–255.
3. Hu M.-K. Visual pattern recognition by moment invariants // IRE Transactions on Information Theory. 1962. V. 8. N 2. P. 179–187. https://doi.org/10.1109/Tit.1962.1057692
4. Boyce J.F., Hossack W.J. Moment invariants for pattern recognition // Pattern Recognition Letters. 1983.V. 1. N 5-6. P. 451–456. https://doi.org/10.1016/0167-8655(83)90085-5
5. Нгуен З.Т., Хачумов М.В. Метод наведения 3D-модели объекта на 2D-изображение на основе инвариантных моментов // Программные системы: теория и приложения. 2017. Т. 8. № 4(35). C. 209–220.
6. Mukundan R., Ramakrishnan K.R. An iterative solution for object pose parameters using image moments // Pattern Recognition Letters. 1996. V. 17. N 12. P. 1279–1284. https://doi.org/10.1016/0167-8655(96)00099-2
7. Flusser J. On the independence of rotation moment invariants // Pattern Recognition. 2000. V. 33. N 9. P. 1405–1410. https://doi.org/10.1016/S0031-3203(99)00127-2
8. Zitova B., Flusser J. Image registration methods: a survey // Image and Vision Computing. 2003. V. 21. N 11. P. 977–1000. https://doi.org/10.1016/S0262-8856(03)00137-9
9. Sadjadi F.A., Hall E.L. Three-dimensional moment invariants // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1980. V. 2. N 2. P. 127–136. https://doi.org/10.1109/TPAMI.1980.4766990
10. Thakare N.M., Thakare V.M. A Supervised Hybrid Methodology for Pose and Illumination Invariant 3D Face Recognition // International Journal of Computer Applications. 2012. V. 47. N 25. P. 24–29. https://doi.org/10.5120/7537-474
11. Sommer I., Muller O., Domingues F.S., Sander O., Weickert J., Lengauer T. Moment invariants as shape recognition technique for comparing protein binding sites // Bioinformatics. 2007. V. 23. N 23. P. 3139–3146. https://doi.org/10.1093/bioinformatics/btm503
12. Xu D., Li H. 3-D affine moment invariants generated by geometric primitives // Proc. of the 18th International Conference on Pattern Recognition (ICPR'06). 2006. P. 544–547. https://doi.org/10.1109/icpr.2006.21
13. Suk T., Flusser J., Boldyš J. 3D rotation invariants by complex moments // Pattern Recognition. 2015. V. 48. N 11. P. 516–3526. https://doi.org/10.1016/j.patcog.2015.05.007
14. Mamistvalov A.G. n-Dimensional moment invariants and conceptual mathematical Theory of recognition n-Dimensional solids // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998. V. 20. N 8. P. 819–831. https://doi.org/10.1109/34.709598
15. Lowe D.G. Distinctive image features from scale-invariant keypoints // International Journal of Computer Vision. 2004. V. 60. N 2. P. 91–110. https://doi.org/10.1023/b:visi.0000029664.99615.94
16. Bay H., Tuytelaars T., Van Gool L. SURF: Speeded up robust features // Lecture Notes in Computer Science. 2006. V. 3951. P. 404–417. https://doi.org/10.1007/11744023_32