基于局部特征匹配的井下管柱图像智能拼接融合技术

井下电视成像测井可以直观地监测井下管柱是否异常,但采集的井下管柱图像存在纹理低、光照不足、背景重复等问题,传统的尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)等算法很难稳定地检测出高质量的特征点,导致图像拼接融合鲁棒性差。为此,基于局部特征匹配的思路,先利用反向像素映射算法将管柱图像展开成平面图,并对径向误差进行精确修正,再利用卷积神经网络提取局部特征,利用注意力机制在粗略层面上建立像素级匹配,最后引入最佳拼接线和平滑函数来消除拼接误差,实现了井下管柱大尺度图像的智能拼接融合。研究结果表明:(1)基于局部特征匹配的井下管柱图像智能拼接融合技术,通过图像预处理、特征匹配和图像融合,解决了井下管柱图像拼接融合的稳定性问题;(2)图像智能融合质量的平滑权重因子(k)为0.05时融合效果最佳,k值越小融合图像拼接缝越明显,k值过大则容易在重叠区域产生重影;(3)通过计算待拼接图像的最佳拼接线来消除角度倾斜带来的误差,达到了稳定智能拼接融合的目的;(4)与SIFT算法相比,该算法能检测出的特征点数量平均增加了74.6%,平均智能匹配正确率由83.9%增加到了98.8%。结论认为,该算法检测到的特征点数量和正确率都得到了明显提升,智能融合图像的结构相似性、峰值信噪比和均方误差等指标均优于传统算法,为解决井下管柱探测难题提供了新思路和技术手段。