چکیده: چاه‌نمودارهای تصویری، ابزارهایی مقاومتی، صوتی، نوری و ... هستند که برای آشکارسازی ویژگی-های سنگ در مخازن کربناته از آن ها استفاده می شود. یکی از ویژگی های مهم سنگ، شکستگی است که می تواند به وسیله چاه نمودارهای تصویری تشخیص داده شود. شکستگی ها نقش بسیار مهمی را در حرکت سیال و پایداری دیواره چاه دارند. شناسایی شکستگی به وسیله کارشناسان معمولاً به صورت موضوعی صورت می گیرد. یعنی کارشناسان مختلف با توجه به دانش و تجربه خود ممکن است، تفسیر متفاوتی را ارایه کنند. شناسایی شکستگی به دلیل مسایلی مانند: کنتراست ضعیف، ضخامت متغیر شکستگی و وجود نوفه، کاری بسیار پیچیده است. از طرفی به دلیل تکه ای بودن یک شکستگی و وجود پدیده های مشابه شکستگی مانند لایه بندی، شناسایی شکستگی ها پیچیده ترمی شود. در این پایان نامه به کمک الگوریتم های هوشمند پردازش تصویر و شناسایی الگو، تکنیک هایی برای شناسایی و ردیابی شکستگی ها در چاه نمودارهای تصویری ارایه می شود. برای شناسایی شکستگی در چاه نمودارهای تصویری یک گام پایه و پیچیده، بخش بندی این تصاویر است. روش های گوناگونی از بخش بندی برای شناسایی شکستگی بر روی چاه نمودارهای تصویری مختلف پیاده سازی شد. سپس عملکرد این روش ها با هم، برای انتخاب بهینه ترین روش مقایسه شدند. نتایج ما نشان می دهد که استفاده از شبکه عصبی رقابتی خود‌سازمانده از سایر روش-ها برای بخش بندی این تصاویر مطلوب تر است. این شبکه با استفاده از الگوریتم رقابتی به خوشه-بندی پیکسل های چاه نمودار تصویری با سه مؤلفه رنگ می پردازد. پس از بخش بندی به منظور جداسازی شکستگی از سایر پدیده ها و حذف پیکسل های غیر شکستگی، از اطلاعات زاویه ای ردپاهای آشکار شده و عملگرهای مورفولوژی استفاده می شود. پس از جداسازی پیکسل های شکستگی، تعدادی از نقاط به عنوان نقاط نمونه شکستگی ها از تصویر جدا می شوند. پس از پایان آشکارسازی نقاط نمونه شکستگی، در گام بعدی نقاط هر یک از شکستگی ها از سایر شکستگی ها با تکیه بر اطلاعات محلی خوشه بندی و از نقاط نمونه سایر شکستگی ها تفکیک می-شوند. در مرحله آخر با استفاده از شبکه عصبی شعاعی مسیر دقیق تر شکستگی ها برای هر دسته از نقاط یک شکستگی ردیابی می شوند. پیاده سازی الگوریتم پیشنهادی بر روی چاه‌نمودارهای تصویری نمونه نتایج قابل قبولی را نشان داد. بخش بندی چاه‌نمودارهای تصویری موجود با دلیل تکیه بر اطلاعات رنگ به‌وسیله شبکه عصبی خودسازمانده به دقت 5/94% حاصل شد. الگوریتم های پیشنهادی بر چاه نمودارهای تصویری الکتریکی و برای آشکارسازی و ردیابی شکستگی های طبیعی باز متمرکز شده اند.