Descrição: A análise das imagens acústicas de poço tem como um de seus objetivos reconhecer e caracterizar fraturas naturais. A interpretação dessas imagens em conjunto com diversos outros dados e análises, oferecem um panorama para determinar a sua viabilidade de exploração de petróleo e gás em um reservatório. A grande quantidade de dados de um único poço faz com que a análise visual consuma tempo relevante de profissionais da área. Neste contexto, para auxiliar o desenvolvimento de métodos de reconhecimentos de padrões automatizados ou supervisionados para fraturas, avaliamos a performance de 5 métodos de segmentação: Gradiente Direcional, K-means, Otsu, Niblack e filtro Entropia Local. Para uma análise consistente, construímos um simulador de imagens acústicas com fraturas sintéticas representando diversos níveis de complexidade e varrendo o espaço de parâmetros do nosso modelo. Avaliamos a performance utilizando o percentual de sobreposição e correlação entre a segmentação e a região da fratura definida pela simulação. Em imagens sem ajuste de contraste para correção de iluminação o método K-means apresentou o melhor desempenho. No entanto, com utilização do ajuste de contraste os resultados com Otsu foram semelhantes ao K-means. O teste de hipótese unilateral à esquerda, para hipótese nula da média de correlação superior à 50 $\%$, a hipótese não foi rejeitada apenas pelos métodos K-means e Otsu, com valores respectivos de $ p \sim 0.60$ e $ p \sim 0.61$ dentro do intervalo $\sigma$.

Número: CBPF-NT-009/18