题目：基于局部纹理分布的测井图像分类模型研究

作为不可再生能源和重要的战略物资，石油在人民生产生活中的重要性与日俱增。近十年以来，油价上涨导致了其他行业的生产成本的增加。为了稳定油价，保持经济发展的势头，以及满足日益增长的石油需求，只有从加大供给量来入手。为了找寻新的石油储藏，相关专家们发明并使用了多种方式，识别石油测井图像便是当前最重要的方式之一。而以往在识别石油测井图像中一直依靠专家的经验和单一物性曲线的自动分析，识别效果并不尽如意人。在实际中如何能有效地提高识别石油测井图像的效率成了一个需要解决的问题。本论文的题目来源于石油勘探开发研究院测井工程信息化项目中的一部分，主要工作包括对石油测井图像进行分析、预处理、提出纹理特征、分类和训练，使分类效果能得到显著提高，确定测井图像中所属的岩层类型。根据石油测井图像所蕴含的纹理特征，我们在本论文中提出了一种基于局部纹理分布的纹理特征模式，这种纹理特征模式将能有效提高对测井图像的分类效果。我们首先对图像进行预处理，再通过LBP（局部二值模式）来提取测井图像的局部纹理。然后将测井图像分块，在得到分块图像后，根据局部纹理的特征将这些块进行分类。之后按照对块的分类来标记出每种块的类属所对应的位置信息，最后就是根据块的类属的特征值和位置信息，输入到分类器进行分类。在本文的分类实验中使用了Fuzzy sets（模糊集）与神经网络，并通过这两类算法来对所提出的纹理特征模型进行分类实验。按照文中所介绍的局部纹理特征分布模型与分类流程，本文在最后对399张图像进行测试，并分析最终得出的分类结果，与灰度共生矩阵进行比较。以此来用一个完整的实验和验证过程来证明本文中的方法和理论在对测井图像识别分类中的效果。