محمود سیف الهی - کارشناسی ارشد مهندسی الکترونیک، دانشکده مهندسی ، دانشگاه پیام نور واحد اهرم،
مسلم قاسمی - کارشناسی ارشد مهندسی کنترل، دانشکده فنی و مهندسی ، دانشگاه شهید باهنر کرمان،
بهزاد تخم چی - دکترای مهندسی اکتشاف معدن، دانشگاه شاهرود، دانشکده مهندسی معدن، نفت و ژئوفیزیک،
علی سلیمانی ایوری - دکترای الکترونیک، دانشگاه شاهرود، دانشکده مهندسی برق و رباتیک،

چاه نمودارهای تصویری یکی از ابزارهای قوی و مورد استفاده برای شناسایی و تفسیر اطلاعات چاههای کربناته است. به کمک این تصاویر مجازی میتوان پدیدههای مختلفی مانند شکستگیها، گسلها، لایهبندیها و ... را که نقش مهمی در چاههای کربناته دارند شناسایی کرد. استفاده از روشهای هوشمند برای شناسایی شکستگیها در این تصاویر مانند حوزه های دیگر میتواند مفید باشد. یکی از پدیدههای مهم زمین شناسی در چاههای نفت، شکستگیها هستند. شکستگیها نقش مهمی را در حرکت سیال نفت و پایداری دیواره چاه و مدلسازی رفتار چاههای کربناته بازی میکنند. شناسایی این پدیده بوسیله انسان به دلیل عواملی مانند وجود نوفه در تصاویر برداشتی، الگوی متنوع آنها و ... کاری پیچیده است. بنابراین ارایه روشهای هوشمند با استفاده از پردازش تصویر و هوش مصنوعی برای شناسایی شکستگیها کاری ضروری است. الگوریتم هوشمند پیشنهادی در این مقاله بصورت کلی دارای گامهای بهبود تصاویر، بخشبندی و جداسازی پیکسل- های شکستگی در تصویر بخشبندی بهینه است. در گام نخست بوسیله فیلترهای مختلف نوفه تصاویر حذف شدند و بعد از ارزیابی کمی و کیفی نتایج فیلترهاف بهترین فیلتر پایینگذر گوسی بود. در گام بعدی روشهای مختلفی برای بخشبندی تصاویر بهبود یافته بر روی تصاویر پیاده سازی شد. بررسی کمی و کیفی نتایج نشان داد که روشK-meansبهترین نتایج را نشان میدهند. و در گام آخر با استفاده از اطلاعات مکانی و هندسی با استفاده از عملگرهای مورفولوژیکی مسیر شکستگیها در تصویر بخشبندی شده جدا شدند.

چاههای کربناته، چاه نمودارهای تصویری، شکستگی، پردازش تصویر، بهبود تصاویر، بخشبندی، عملگرهای مورفولوژی