一種基于全變分地震數據分解模型的地震紋理提取與增強方法
【技術領域】
[0001] 本發明屬于地震資料解釋技術領域，尤其涉及一種基于全變分地震數據分解模型 的地震紋理提取與增強方法。
【背景技術】
[0002] 在石油地震勘探領域中地震相的研究是地震地層學中的核心。地震相是由地震反 射參數(振幅、頻率、相位、同相軸及反射結構等)所限定的三維地震反射單元，它是特定沉 積相或地質體的地震響應。地震紋理屬性分析是研究地震相劃分的重要技術，然而其紋理 的提取一直是難題。
[0003] 現階段地震紋理的分析主要基于灰度共生矩陣(GLCM)方法。GLCM是一種用來分析 圖像紋理特征的重要方法，它建立在估計圖像的二階組合條件概率密度函數的基礎上，通 過計算圖像中有一定距離和一定方向的兩像素點之間的灰度相似性，反映圖像在方向、相 鄰間隔、變化幅度及快慢上的綜合信息。
[0004] 現有技術一的缺點：
[0005] 1)、基于灰度共生矩陣(GLCM)方法主要是衡量與分析紋理屬性，但是并沒有提取 完整的地震紋理剖面；
[0006] 2)、基于灰度共生矩陣(GLCM)方法需要進行數據的要注意灰度級別（通常為16或 32級），雖然降低了數據的維度，但是降低了紋理剖面的空間分辨率。

【發明內容】

[0007] 本發明的目的在于提供一種基于全變分地震數據分解模型的地震紋理提取與增 強方法，旨在解決現有地震紋理提取與增強方法不能提取完整的地震紋理剖面和紋理剖面 的空間分辨率不高的問題。
[0008] 本發明是這樣實現的，一種基于全變分地震數據分解模型的地震紋理提取與增強 方法，該基于全變分地震數據分解模型的地震紋理提取與增強方法包括以下步驟：
[0009] 步驟一、野外采集地震數據：
[0010] 步驟二、用常規數據處理方法得到疊后地震剖面；
[0011] 步驟三、采用下式對疊后地震剖面進行分解：
[0012] 地震數據表示為：
[0013] f (t) =n(t)+e(t)
[0014] 其中其中f(t)為原始地震圖像，定義e(t)為地震數據的結構分量(原地
[0015] 震數據的近似)為地震數據的結構分量(即地震圖像光滑部分），而n(t)
[0016] 也不是原來所稱的噪音，被稱為地震數據的紋理分量(包含紋理和噪
[0017] 音，即地震圖像振蕩部分heU)由下式求出：
[0019] N為地震數據的采樣點數，t為采樣點序號，λ為平衡泛函中兩項的權重調節參數；
[0020] 步驟四、設計系數值符合一維高斯分布的離散平滑模板，對紋理分量n(t)進行增 強，消除紋理分量中的高頻隨機噪音。
[0021] 對地震紋理剖面n(t)進行迭代空域平滑計算：
[0022] nk+i(t) =n(t)k*G
[0023]其中G為高斯加權平滑模板，*為卷積，k為迭代次數。
[0024]進一步，所述步驟三中對疊后地震剖面進行分解方法包括：
[0025] (a)、選擇影響計算的效率與可靠性的時窗Tn = 3或Tn = 5,設計矩陣D為(Tn-1) XTn 矩陣：
[0027] (b)、選擇λ值，通過下式迭代計算得到：
[0029]其中初始地震剖面eo (t) = f (t)，1為迭代次數，DTSD的轉置矩陣。
[0030] (c)、計算n(t)得到地震紋理剖面：
[0031] n(t) =f (t)-e(t)
[0032] 進一步，所述步驟四中對紋理分量n(t)進行高斯加權模板空域平滑的方法包括： [0033] A、選擇離散平滑模板大小n，并根據符合一維高斯分布來設定加權系數。
[0035] 式中i=-r,…，+r，r為正整數。r = 2〇+l那么模板尺寸為η = 4σ+3,兼顧計算效率與 可靠性取〇 = 0.25或〇 = 0.5，那么η = 3或η = 5。其模板中系數如下：
[0040] B、進行迭代空域平滑計算，得到增強后的地震紋理剖面，
[0041] nk+i(t) =n(t)k*G
[0042]其中G為高斯加權平滑模板，*為卷積，k為迭代次數。
[0043]進一步，所述選擇加權高斯平滑模板大小η與保時窗大小N-致。
[0044] 進一步，所述步驟三中λ:大于〇。
[0045] 本發明利用地震數據全變分分解模型，得到完整的地震紋理剖面，而不是降低煒 度的灰度投影剖面。本發明對地震紋理剖面進行加權高斯增強，獲得到高空間分辨率的剖 面。本發明由全變分分解模型分解出地震紋理并加以平滑增強，提供了一種計算效率高、人 為的操作誤差小的石油勘探地震紋理提取與增強方法;其技術原理為根據視覺全變分分解 模型，把地震數據分解為結構和紋理部分，得到完整的地震紋理剖面，而不是降低煒度的灰 度投影剖面。并通過把分解出來的紋理部分進行加權高斯平滑，達到地震數據紋理增強的 目的，最終得到獲得到高空間分辨率的地震剖面。
【附圖說明】
[0046] 圖1是本發明實施例提供的基于全變分地震數據分解模型的地震紋理提取與增強 方法流程圖；
[0047]圖2常規處理得到的疊后地震剖面圖；
[0048] 圖3由疊后地震剖面分解出的地震結構分量圖；
[0049] 圖4由疊后地震剖面分解出的地震紋理分量圖；
[0050] 圖5由疊后地震數據、地震結構分量、地震紋理分量的振幅譜曲線對比圖；
[0051 ]圖6空域高斯加權平滑增強后的地震紋理剖面圖；
[0052]圖7算法的計算耗時與迭代次數。
【具體實施方式】
[0053]為了使本發明的目的、技術方案及優點更加清楚明白，以下結合實施例，對本發明 進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于 限定本發明。
[0054]本發明由全變分分解模型分解出地震紋理并加以平滑增強，提供了一種計算效率 高、人為的操作誤差小的石油勘探地震紋理提取與增強方法。其技術原理為根據視覺全變 分分解模型，把地震數據分解為結構和紋理部分，得到完整的地震紋理剖面，而不是降低煒 度的灰度投影剖面。并通過把分解出來的紋理部分進行加權高斯平滑，達到地震數據紋理 增強的目的，最終得到獲得到高空間分辨率的地震剖面。
[0055]下面結合附圖對本發明的應用原理作詳細描述。
[0056]如圖1: 一種基于全變分地震數據分解模型的地震紋理提取與增強方法，該基于全 變分地震數據分解模型的地震紋理提取與增強方法包括以下步驟：
[0057] S101:野外采集地震數據；
[0058] S102:用常規數據處理方法得到疊后地震剖面f(t)(如圖2);
[0059] S103:對疊后地震剖面進行分解，選擇λ = 〇.〇〇1，時窗大小為Tn = 3,初始地震剖面 eo(t) = f(t)，控制迭代次數1=8,得到地震結構分量e(t)(如圖3)。通過疊后地震剖面f(t) 與地震結構分量e(t)相減，即n(t)=f(t)-e(t)得到地震紋理剖面n(t)(如圖4)。地震紋理 剖面能屏蔽層強反射，突出深部小型地質構造;其振幅譜曲線(如圖5)表明能夠起到拓頻的 作用，增加了地震剖面的空間分辨率。這說明算法能夠得到完整的地震紋理剖面，同時也驗 證了其正確性。
[0060] S104:選取空域平滑濾波模板為n = 3,其服從于高斯分布的權系數如下：
[0062] 3X3
[0063] 控制迭代次數為k = 8,與地震紋理剖面n(t)進行褶積計算，得到增強后的地震紋 理剖面nit)(如圖6)。圖6與圖4進行比較，可看出高斯加權平滑算法消除了由于高頻噪音 與計算噪音所帶來的反射同相軸階梯狀現象，使其連續性更好，得到高空間分辨率的地震 紋理剖面。圖7是該實例的計算耗時與迭代次數，可見5次迭代后就能得到穩定的結果，其算 法效率高。
[0064] 以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精 神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。
【主權項】
1. 一種基于全變分地震數據分解模型的地震紋理提取與增強方法，其特征在于，該基 于全變分地震數據分解模型的地震紋理提取與增強方法包括以下步驟： 步驟一、野外采集地震數據： 步驟二、用常規數據處理方法得到疊后地震剖面； 步驟三、采用下式對疊后地震剖面進行分解： 地震數據表示為:f(t)=n(t)+e(t) 其中f(t)為原始地震圖像，定義e(t)為地震數據的結構分量為地震數據的結構分量，η (t)為地震數據的紋理分量;e (t)由下式求出：N為地震數據的采樣點數，t為采樣點序號，λ為平衡泛函中兩項的權重調節參數； 步驟四、設計系數值符合1維高斯分布的離散平滑模板，對紋理分量n(t)進行增強，消 除紋理分量中的高頻隨機噪音； 對地震紋理剖面n(t)進行迭代空域平滑計算： nk+i(t) =n(t)k*G 其中G為高斯加權平滑模板，*為卷積，k為迭代次數。2. 如權利要求1所述的基于全變分地震數據分解模型的地震紋理提取與增強方法，其 特征在于，所述步驟三中對疊后地震剖面進行分解的方法包括： (a) 、選擇影響計算的效率與可靠性的時窗Tn = 3或Tn=5,設計矩陣D為(Tn-1) XTn矩陣：(b) 、選擇λ值，通過下式迭代計算得到：其中初始地震剖面eo(t)=f(t)，l為迭代次數，D%D的轉置矩陣； (c) 、計算得到地震紋理剖面n(t): n(t)=f(t)-e(t)〇3. 如權利要求1所述的基于全變分地震數據分解模型的地震紋理提取與增強方法，其 特征在于，所述步驟四對紋理分量n(t)進行加權空域平滑的方法包括： A、選擇離散平滑模板大小η，并根據符合一維高斯分布來設定加權系數式中i=-r，···，+r，r為正整數，r = 2〇+l那么模板尺寸為η = 4σ+3,取〇 = 0.25或〇 = 0.5， 那么η = 3或η = 5; Β、進行迭代空域平滑計算，得到增強后的地震紋理剖面， nk+i(t) =n(t)k*G 其中G為高斯加權平滑模板，*為卷積，k為迭代次數。4. 如權利要求1所述的基于全變分地震數據分解模型的地震紋理提取與增強方法，其 特征在于，所述選擇高斯加權平滑模板η大小與時窗T N大小一致。5. 如權利要求1所述的基于全變分地震數據分解模型的地震紋理提取與增強方法，其 特征在于，所述步驟三中λ:大于0。
【專利摘要】本發明公開了一種基于全變分地震數據分解模型的地震紋理提取與增強方法，野外采集地震數據:用常規數據處理方法得到疊后地震剖面；步驟三、對疊后地震剖面進行分解,對紋理分量n(t)進行加權高斯平滑。本發明利用地震數據全變分分解模型，得到完整的地震紋理剖面,而不是降低緯度的灰度投影剖面；本發明對地震紋理剖面進行加權高斯增強，獲得到高空間分辨率的剖面；根據視覺全變分分解模型，把地震數據分解為結構和紋理部分，得到完整的地震紋理剖面，而不是降低緯度的灰度投影剖面，并通過把分解出來的紋理部分進行加權高斯平滑，達到地震數據紋理增強的目的,最終得到獲得到高空間分辨率的地震剖面。
【IPC分類】G01V1/30
【公開號】CN105607122
【申請號】CN201510979924
【發明人】楊寧, 陳婷
【申請人】西南科技大學
【公開日】2016年5月25日
【申請日】2015年12月23日