岩石孔隙作为岩石组分的一个重要部分,是研究油藏运移、储存机理及其控制的基础。然而,不同类型的孔隙对油气渗透率有很大影响。因此,本文以鄂尔多斯盆地致密储层砂岩孔隙图像为实验数据,对三种图像检索方法进行研究。首先,以颜色特征、形状特征和纹理特征为切入点,将基于内容的图像检索技术应用到岩石孔隙图像检索中,通过实验分别实现了基于颜色直方图、SIFT形状特征以及Gabor小波纹理特征的岩石孔隙图像检索,实验结果表明该方法对岩石孔隙图像识别率较低,从而导致检索效率不高,平均仅达到50%。其次,微调预训练网络VGG16的参数,并用其进行岩石孔隙图像的特征提取与检索,该结果表明,相比于前一种方法,基于预训练网络VGG16的岩石孔隙图像检索效率有所提升,平均达到70%,但依然不能满足检索的实际需求。最后,本文选取Alex Net网络模型,根据样本数据集对网络的卷积层数目、卷积核尺寸及学习率进行调整,从而得到最适合岩石孔隙图像识别的网络结构。利用该网络结构完成岩石孔隙图像检索实验,实验结果表明,调整后的Alex Net模型在岩石孔隙图像检索中效率更高,平均达到93%以上。