基于 CUT 的岩心与电成像图像跨域翻译方法研究

《Journal of Applied Geophysics》:Research on cross-domain translation method for core and electrical imaging images based on CUT

【字体: 大 中 小 】 时间:2026年08月27日 来源:Journal of Applied Geophysics 2.6

编辑推荐:

   •提出了一种基于 CUT 的新型跨域翻译方法,以建立岩心图像与电阻率成像图像之间的双向映射。•该方法无需配对训练数据即可实现从岩心到电阻率成像的高保真转换,反之亦然。•生成的电阻率图像在有效抑制噪声的同时保留了细微的地质结构,为智能解释提供了增强样本。•生成的岩心图像将抽象的

  
  • •
    提出了一种基于 CUT 的新型跨域翻译方法,以建立岩心图像与电阻率成像图像之间的双向映射。
  • •
    该方法无需配对训练数据即可实现从岩心到电阻率成像的高保真转换,反之亦然。
  • •
    生成的电阻率图像在有效抑制噪声的同时保留了细微的地质结构,为智能解释提供了增强样本。
  • •
    生成的岩心图像将抽象的电信号转化为直观的地质特征,减少了解释的歧义。
  • •
    使用 FID、LPIPS、SSIM、MANIQA、Cyc 和人工评估进行的定量评估表明,其在视觉质量和地质合理性方面均具有卓越性能。

引言

随着全球油气勘探开发向深层陆地环境(Zou et al., 2023)和非常规领域(Li et al., 2019)延伸,日益复杂的地质条件(Huang et al., 2024)要求储层表征具有更高的精度。
地球物理测井是获取连续地下信息的核心技术(Lai et al., 2024a)。在最为成熟和广泛应用的成像测井技术中,电阻率成像测井凭借其全井覆盖和高纵向分辨率,在精确刻画井壁细微地质特征和结构细节方面表现出色(Wu, 2024)。然而,其所捕获的信息仅代表当前井下条件下的瞬时电阻率响应(Cui et al., 2018),本质上是一种基于电参数的静态和局部“快照”观测。虽然这种连续、高纵向分辨率的测井数据包含丰富的地质信息,但测井响应与地质特征之间存在显著的不兼容性(Lai et al., 2023)。
传统的地质解释侧重于岩心颜色、矿物成分和颗粒结构等直观的地质信息,而电阻率成像仅呈现电阻率变化的模式。从物理信号到地质实体的转换过程涉及多次解释,可能导致解释过程中的歧义(Lai et al., 2024b)。得出的解释结果可能偏离区域地质规律。这严重限制了电阻率成像技术在详细沉积相分析(Yang et al., 2017)、储层非均质性定量表征(Zhang et al., 2017)、地球力学参数评估(Ogunkunle et al., 2022)和储层建模(Wan et al., 2019)等关键岩土工程领域的应用。
作为地层地质信息的直接载体,岩心图像体现了岩性、孔隙结构以及裂缝/岩溶发育等真实地质特征(Liu et al., 2024),是储层评价的基础。现有研究通过岩心与电阻率成像协同校准来解决这一矛盾,有效提高了储层评价的准确性。例如,岩心校准的电阻率截止值使砾岩储层的岩性组分定量计算成为可能(Lin et al., 2022)。受岩心图像约束的电阻率解释模型显著提高了碳酸盐岩储层裂缝 - 洞穴的识别精度(Li et al., 2025)。然而,岩心取样成本高昂(Lv et al., 2018),覆盖范围极其有限,且样本分布分散(Qu et al., 2016)。现有的校准方法也严重依赖人工校准和经验模型,不仅效率低下,而且在高度非均质和结构复杂的储层中往往表现出较差的适应性。
因此,建立岩石电响应与地质视觉特征之间的可逆映射关系,并探索一种有效连接电阻率成像数据与地质岩心视觉特征的技术途径,已成为克服当前瓶颈和释放数据潜力的关键。
跨域图像翻译代表了计算机视觉与生成式人工智能之间的关键交叉点,其核心在于学习不同视觉领域之间的映射关系。2020 年,Zhang 等人(2020)基于示例通过联合学习跨域语义对应关系实现了图像翻译。2023 年,Seo 等人(2023)率先将扩散模型应用于图像翻译,显著提高了生成结果的保真度和多样性。2025 年,Ranario 等人(2025)利用注意力引导机制约束扩散过程,实现了高效的跨域标签传输。同年,Ding 等人(2025)以较低的计算成本实现了近岸图像的高质量跨模态翻译。
关于测井和勘探领域的图像翻译,迄今为止唯一已知的工作是 Sadeghkhani 等人(2025)的研究,他们利用条件生成对抗网络(cGAN),以井口测量的孔隙体积值作为条件输入,实现了从一维测井数据到碳酸盐岩二维薄片图像的跨模态翻译,从而填补了离散岩心取样点之间微观结构信息的数据空白。然而,目前尚无文献报道电阻率测井与岩心图像之间的跨模态翻译;本研究旨在填补这一空白。
在当前用于图像翻译的主流网络中,CycleGAN 和 Pix2Pix 等模型应用于测井图像翻译时存在显著局限性:首先,这些方法依赖大量配对图像样本,但测井图像(如岩心样本和薄片图像)获取成本高且难以配准,难以满足数据要求;其次,模型缺乏对层理和裂缝等地质结构的显式约束,导致语义一致性较差。它们倾向于改变关键地质特征,生成的结果不符合地质原理;第三,对抗训练往往导致模式崩溃,导致模型仅生成有限数量的图像模式,无法再现真实地质图像的多样性;第四,损失函数的设计需要手动、迭代地调整多个损失项的权重,导致对复杂地质场景的适应性较差。
相比之下,对比非配对翻译(CUT)更适合测井应用:其基于块的对比学习机制不需要大量配对样本,可以在非配对、小样本场景下有效学习,这与地质图像样本标签稀缺的现实相吻合;对比损失函数强制输入和输出图像在对应位置的结构信息保持一致,有效保留了层理面和颗粒边界等细微地质特征,从而确保生成结果的地质真实性;同时,在对抗训练中引入对比约束有效抑制了模式崩溃,促使模型呈现更丰富的地质相特征。因此,针对测井图像翻译中数据有限、高语义保真度要求以及训练稳定性的关键需求,CUT 模型具有更好的实用性和鲁棒性,更适合实际的测井应用。
基于 CUT 模型,本文提出了一种适用于岩心数据极其稀缺场景甚至利用单个电阻率成像图像进行跨域转换的电阻率成像图像与实际岩心图像之间的高保真互转技术。
其根本目标是建立岩石电响应空间与地质特征空间之间鲁棒的、可逆的映射模型。这增强了测井数据在地质建模中的整合能力,减少了歧义,提高了储层参数预测的可靠性,从而为后续的详细储层评价提供了新的支持。

部分片段

对比非配对翻译 (CUT)

对比非配对翻译是由加州大学伯克利分校和 Adobe 研究所在 2020 年 ECCV 会议上提出的一种新型图像到图像翻译方法(Park et al., 2020)。该方法基于块级对比学习和对抗学习,与传统方法如 CycleGAN(Zhu et al., 2017)相比,具有更快的训练速度和更低的内存消耗。
CUT 创新性地最大化输入和输出之间的互信息

成像翻译

实验使用的数据收集自鄂尔多斯盆地奥陶系马家沟组,包含两个数据集:一个包含 400 张图像的电阻率成像数据集和一个包含 400 张岩心图像的岩心数据集,主要为石灰岩和白云岩。电阻率成像图像和岩心图像之间没有一一对应的关系。
实验环境配置如下:操作系统:Windows 11;GPU:NVIDIA GeForce RTX 4070;Python 版本:

评估指标

为了定量评估图像生成质量,实验引入了 Fréchet Inception 距离 (FID)(Heusel et al., 2017)、学习感知图像块相似度 (LPIPS)(Zhang et al., 2018)、结构相似性指数 (SSIM)(Wang et al., 2004)和无参考图像质量评估 (NR-IQA)(Zhong et al., 2025; Zhong et al., 2018),结构相似性指数 (SSIM)(Wang et al., 2004),以及最先进的无参考图像质量评估核心指标

研究结论

本文通过开发基于对比非配对翻译 (CUT) 的岩心到电阻率跨域翻译方法,解决了电阻率成像测井智能解释中的核心挑战——包括样本不确定性、多解性、岩心取样成本高、覆盖范围有限以及人工校准效率低下。成功建立了岩石电响应空间与地质特征空间之间的可逆映射关系,

CRediT 作者贡献声明

杨晨:写作 – 初稿,可视化,软件,方法论,概念化。 方斯楠:写作 – 审阅与编辑,项目管理。 吴洪涛:验证。 马浩:形式分析。 林桂兰:监督。 李曼馨:调查。 薛晨曦:形式分析。 张泽宇:数据整理。

利益冲突声明

作者声明,他们没有已知的竞争经济利益或个人关系可能会影响本报告中的工作。

致谢

本研究得到了 国家自然科学基金 (NSFC) 青年科学基金 (42204127)、中国博士后科学基金会 (2017M622382) 和 湖北省教育厅科技研究计划 (Q20221304) 的支持。
杨晨 | 方斯楠 | 吴洪涛 | 马浩 | 林桂兰 | 李曼馨 | 薛晨曦 | 张泽宇
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号