基于FMI的火成岩组构分析
| 内容提要 | 第1-8页 |
| 第一章 引言 | 第8-13页 |
| 第一节 研究背景及选题依据 | 第8-10页 |
| ·FMI 成像测井 | 第8-9页 |
| ·火成岩岩性识别的重要意义和存在的问题 | 第9页 |
| ·研究区概况 | 第9-10页 |
| 第二节 研究现状 | 第10-11页 |
| 第三节 研究思路及拟解决的关键问题 | 第11-13页 |
| ·研究思路 | 第11页 |
| ·关键问题 | 第11-13页 |
| 第二章 数字图像处理 | 第13-19页 |
| 第一节 纹理分析的统计方法 | 第13-17页 |
| ·图像的纹理及纹理分析的方法 | 第13-14页 |
| ·灰度共生矩阵 | 第14-15页 |
| ·基于共生矩阵的纹理描述符 | 第15-16页 |
| ·不同纹理图像的纹理特征计算结果 | 第16-17页 |
| ·FMI 图像的纹理统计 | 第17页 |
| 第二节 形状分析 | 第17-19页 |
| ·形状及形状研究的工作内容 | 第17-18页 |
| ·形状分析的工作步骤 | 第18页 |
| ·FMI 图像的形状分析 | 第18-19页 |
| 第三章 FMI 成像测井原理 | 第19-25页 |
| 第一节 FMI 成像测井原理 | 第19-22页 |
| ·FMI 微电阻率成像测井仪器测量原理 | 第19-20页 |
| ·FMI 仪器的技术指标 | 第20-21页 |
| ·FMI 仪器的极板和电极特点 | 第21-22页 |
| 第二节 测井数据处理和成像 | 第22-25页 |
| 第四章 火成岩的结构和构造 | 第25-27页 |
| 第一节 火成岩的系列和岩石类型 | 第25-26页 |
| 第二节 火成岩的结构构造 | 第26-27页 |
| 第五章 火成岩岩石组构特征的纹理统计描述 | 第27-56页 |
| 第一节 关于位置算子 | 第27-28页 |
| 第二节 各阶共生矩阵描述 | 第28-55页 |
| ·16 阶共生矩阵描述 | 第31-36页 |
| ·32 阶共生矩阵描述 | 第36-41页 |
| ·64 阶共生矩阵描述 | 第41-46页 |
| ·128 阶共生矩阵描述 | 第46-51页 |
| ·256 阶共生矩阵描述 | 第51-55页 |
| 第三节 基于纹理统计的描述符 | 第55-56页 |
| 第六章 神经网络识别火成岩岩性 | 第56-64页 |
| 第一节 自组织特征映射神经网络 | 第57-59页 |
| ·自组织特征映射神经网络 | 第57-58页 |
| ·自组织特征映射神经网络学习算法 | 第58-59页 |
| 第二节 学习矢量量化神经网络 | 第59-62页 |
| ·学习矢量量化神经网络 | 第59-60页 |
| ·学习矢量量化神经网络学习算法 | 第60-62页 |
| 第三节 用神经网络识别岩性 | 第62-64页 |
| ·神经网络训练数据准备 | 第62页 |
| ·神经网络学习 | 第62-63页 |
| ·识别岩性 | 第63-64页 |
| 第七章 基于FMI 的火成岩组构分析系统 | 第64-67页 |
| 第一节 FMI 图像显示 | 第64-66页 |
| ·配色方案 | 第65-66页 |
| ·图像缓冲 | 第66页 |
| 第二节 火成岩组构分析 | 第66-67页 |
| 第八章 基于FMI 火成岩组构分析的效果 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 详细摘要 | 第73-75页 |
| Abstract | 第75-77页 |
| 致谢 | 第77页 |
