点扩散函数估计及高分辨处理方法、装置、设备及介质
文献发布时间：2023-06-19 19:30:30
技术领域
本发明涉及地球物理勘探高分辨率处理领域，更具体地，涉及一种点扩散函数估计及高分辨处理方法、装置、设备及介质。
背景技术
随着地震勘探的不断发展，勘探目标逐渐精细化，油气藏类型逐渐从构造油气藏转向隐蔽性油气藏，这对高分辨处理技术提出了更高的要求。常规提高分辨率处理技术，如反褶积、反Q滤波等，通常基于一维假设，针对水平构造或者小倾角构造有可观的处理效果，但在面向高陡构造或者断裂等复杂构造时方法理论失效，导致处理效果不佳。因此，发展一种针对复杂构造区的高分辨率处理方法尤为重要。
提高不同展布方位地质体的分辨率对隐蔽性油气藏的识别有重要意义，特别地，断块型、断溶体等油气藏对高分辨、高保真的高分辨率处理方法有更高的需求。目前，传统的基于一维假设的高分辨率处理技术如反褶积、反Q滤波等具有成熟的理论，在实际资料应用中已经得到了广泛的应用，但该种方法在陡构造以及断裂等复杂构造下方法理论失效，会因此导致处理效果欠佳。此外，高分辨处理技术在图像学领域也得以广泛发展，基于图像学的去模糊化算法基于高维空间处理，方法计算高效，但在地球物理领域推广应用，因此缺少相关理论依据。最小二乘偏移成像通过反演实现成像结果的高分辨处理，具有最完备的理论基础，方法实现过程通过求解Hessian矩阵或点扩散函数(PSF)进行反演，点扩散函数求解精度越高，成像精度越高，可以说该方法是目前精度最高的成像方法，但求解过程计算量大，无法用于预处理阶段。
因此，有必要开发一种基于图像学及构造约束的点扩散函数估计及高分辨处理方法、装置、设备及介质。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种点扩散函数估计及高分辨处理方法、装置、设备及介质，其基于图像学以及构造约束算法进行点扩散函数的高精度快速提取，并基于提取的点扩散函数实现高分辨率处理，为今后的地震资料高精度高分辨率处理提供新的技术思路并为实际生产应用提供强有力的技术支撑。
第一方面，本公开实施例提供了一种点扩散函数估计及高分辨处理方法，包括：
对成像剖面进行构造属性分析与图像分块，获得局部成像块；
基于所述局部成像块，采用图像学处理方式对数据进行平滑滤波，获得对应的波数域点扩散函数；
基于所述波数域点扩散函数，通过高维反褶积算子进行成像剖面的高分辨率处理。
优选地，分块后的局部成像块为：
其中，I
优选地，所述波数域点扩散函数为：
PSF
其中，PSF
优选地，通过公式(3)计算角度滤波算子：
AFilt(x
其中，angle_l、angle_r为局部成像块FK谱对应的点扩散函数的左右两方向的照明范围约束，angle
优选地，通过f(x)对angle
优选地，滤波函数f(x)为：
f(x)＝0.54-0.46*cos(2*π*(ntaper-x)/ntaper)(4)
其中，ntaper表示滤波算子长度。
优选地，通过公式(5)进行成像剖面的高分辨率处理：
其中，R(x
作为本公开实施例的一种具体实现方式，
第二方面，本公开实施例还提供了一种点扩散函数估计及高分辨处理装置，包括：
分块模块，对成像剖面进行构造属性分析与图像分块，获得局部成像块；
平滑滤波模块，基于所述局部成像块，采用图像学处理方式对数据进行平滑滤波，获得对应的波数域点扩散函数；
高分辨率处理模块，基于所述波数域点扩散函数，通过高维反褶积算子进行成像剖面的高分辨率处理。
优选地，分块后的局部成像块为：
其中，I
优选地，所述波数域点扩散函数为：
PSF
其中，PSF
优选地，通过公式(3)计算角度滤波算子：
AFilt(x
其中，angle_l、angle_r为局部成像块FK谱对应的点扩散函数的左右两方向的照明范围约束，angle
优选地，通过f(x)对angle
优选地，滤波函数f(x)为：
f(x)＝0.54-0.46*cos(2*π*(ntaper-x)/ntaper)(4)
其中，ntaper表示滤波算子长度。
优选地，通过公式(5)进行成像剖面的高分辨率处理：
其中，R(x
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
存储器，存储有可执行指令；
处理器，所述处理器运行所述存储器中的所述可执行指令，以实现所述的点扩散函数估计及高分辨处理方法。
第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的点扩散函数估计及高分辨处理方法。
其有益效果在于：结合点扩散函数和图像学高维处理算法的优势，是一种面向成像空间的纯数据驱动的处理技术，算法效率高于最小二乘偏移，算法精度高于基于一维假设的高分辨处理技术，构造适应性强，实现了高精度的高维高分辨率处理。
本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的点扩散函数估计及高分辨处理方法的步骤的流程图。
图2示出了根据本发明的一个实施例的Marmousi模型的逆时偏移结果示意图。
图3示出了根据图2中方框位置处选取的分块图像x0的示意图。
图4a和图4b分别示出了根据本发明的一个实施例的分块图像x0的波数谱与提取点扩散函数的波数谱的示意图。
图5示出了根据本发明的一个实施例的高分辨率处理结果的示意图。
图6a和图6b分别示出了根据本发明的一个实施例的逆时偏移结果的波数谱与高分辨率处理结果的波数谱的示意图。
图7示出了根据本发明的一个实施例的一种点扩散函数估计及高分辨处理装置的框图。
附图标记说明：
201、分块模块；202、平滑滤波模块；203、高分辨率处理模块。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
本发明提供一种点扩散函数估计及高分辨处理方法，包括：
对成像剖面进行构造属性分析与图像分块，获得局部成像块；
基于局部成像块，采用图像学处理方式对数据进行平滑滤波，获得对应的波数域点扩散函数；
基于波数域点扩散函数，通过高维反褶积算子进行成像剖面的高分辨率处理。
在一个示例中，分块后的局部成像块为：
其中，I
在一个示例中，波数域点扩散函数为：
PSF
其中，PSF
在一个示例中，通过公式(3)计算角度滤波算子：
AFilt(x
其中，angle_l、angle_r为局部成像块FK谱对应的点扩散函数的左右两方向的照明范围约束，angle
在一个示例中，通过f(x)对angle
在一个示例中，滤波函数f(x)为：
f(x)＝0.54-0.46*cos(2*π*(ntaper-x)/ntaper)(4)
其中，ntaper表示滤波算子长度。
在一个示例中，通过公式(5)进行成像剖面的高分辨率处理：
其中，R(x
具体地，首先对数据进行构造展布分析，根据得到的构造属性进行分块，形成局部邻域数据：
A(x)＝Sattr(I(x)) (6)
其中，I(x)表示叠后成像剖面，Sattr(.)为构造属性分析函数。
由此得到，该成像剖面的属性体，基于该构造属性体通过构造倾角以及成像深度分类函数(自定义角度范围，如可分-90～-60°、-60～-30°、-30～0°、0～30°、30～60°、60～90°；深度范围可采用每50个深度采样点进行划分)进行图像分块求得针对该成像剖面的分块函数，保证每一个构造块内部的构造形态相似，则有：
B(x)＝D(A(x)) (7)
将求得的分块函数应用于成像剖面得到分块后的成像结果，以二维剖面为例即为公式(1)，设定二维剖面两个维度分块数量分别为M和N，那么有：
由于图像在不同域有不同的展布形态，选择FK变换对拟处理图像进行数据域变换。进而采用平滑加滤波的方式进行数据特征提取，获得对应的点扩散函数在波数域的表达式为公式(2)。
对于某一构造分块x
基于公式(2)提取的波数域点扩散函数采用高维反褶积的方式对成像剖面进行高分辨率处理，得到的结果为公式(5)。
本发明还提供一种点扩散函数估计及高分辨处理装置，包括：
分块模块，对成像剖面进行构造属性分析与图像分块，获得局部成像块；
平滑滤波模块，基于局部成像块，采用图像学处理方式对数据进行平滑滤波，获得对应的波数域点扩散函数；
高分辨率处理模块，基于波数域点扩散函数，通过高维反褶积算子进行成像剖面的高分辨率处理。
在一个示例中，分块后的局部成像块为：
其中，I
在一个示例中，波数域点扩散函数为：
PSF
其中，PSF
在一个示例中，通过公式(3)计算角度滤波算子：
AFilt(x
其中，angle_l、angle_r为局部成像块FK谱对应的点扩散函数的左右两方向的照明范围约束，angle
在一个示例中，通过f(x)对angle
在一个示例中，滤波函数f(x)为：
f(x)＝0.54-0.46*cos(2*π*(ntaper-x)/ntaper)(4)
其中，ntaper表示滤波算子长度。
在一个示例中，通过公式(5)进行成像剖面的高分辨率处理：
其中，R(x
具体地，首先对数据进行构造展布分析，根据得到的构造属性进行分块，形成局部邻域数据：
A(x)＝Sattr(I(x)) (6)
其中，I(x)表示叠后成像剖面，Sattr(.)为构造属性分析函数。
由此得到，该成像剖面的属性体，基于该构造属性体通过构造倾角以及成像深度分类函数(自定义角度范围，如可分-90～-60°、-60～-30°、-30～0°、0～30°、30～60°、60～90°；深度范围可采用每50个深度采样点进行划分)进行图像分块求得针对该成像剖面的分块函数，保证每一个构造块内部的构造形态相似，则有：
B(x)＝D(A(x))(7)
将求得的分块函数应用于成像剖面得到分块后的成像结果，以二维剖面为例即为公式(1)，设定二维剖面两个维度分块数量分别为M和N，那么有：
由于图像在不同域有不同的展布形态，选择FK变换对拟处理图像进行数据域变换。进而采用平滑加滤波的方式进行数据特征提取，获得对应的点扩散函数在波数域的表达式为公式(2)。
对于某一构造分块x
基于公式(2)提取的波数域点扩散函数采用高维反褶积的方式对成像剖面进行高分辨率处理，得到的结果为公式(5)。
本发明还提供一种电子设备，电子设备包括：存储器，存储有可执行指令；处理器，处理器运行存储器中的可执行指令，以实现上述的点扩散函数估计及高分辨处理方法。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述的点扩散函数估计及高分辨处理方法。
为便于理解本发明实施例的方案及其效果，以下给出四个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
实施例1
图1示出了根据本发明的一个实施例的点扩散函数估计及高分辨处理方法的步骤的流程图。
如图1所示，该点扩散函数估计及高分辨处理方法包括：步骤101，对成像剖面进行构造属性分析与图像分块，获得局部成像块；步骤102，基于局部成像块，采用图像学处理方式对数据进行平滑滤波，获得对应的波数域点扩散函数；步骤103，基于波数域点扩散函数，通过高维反褶积算子进行成像剖面的高分辨率处理。
图2示出了根据本发明的一个实施例的Marmousi模型的逆时偏移结果示意图。
图3示出了根据图2中方框位置处选取的分块图像x0的示意图。
本实施例中选取的Marmousi模型作为测试数据验证本发明的技术效果，如图2所示，为Marmousi模型的逆时偏移成像结果。对该成像结果进行构造分块，并选取图2方框标注的分块结果x0进行示意，该分块大小为30*30，如图3所示。
图4a和图4b分别示出了根据本发明的一个实施例的分块图像x0的波数谱与提取点扩散函数的波数谱的示意图。
对分块x0进行FK变换，得到波数谱图如图4a所示，由图可以看出，该波数谱呈现出了一定的点扩散函数的特征，但存在较多的高波数信息。基于该数据基于本发明提取的点扩散函数提取方法进行平滑滤波实现了点扩散函数的提取，得到的结果如图4b所示。
图5示出了根据本发明的一个实施例的高分辨率处理结果的示意图。
由此，可以实现每一个图像分块的点扩散函数的提取并基于本发明提出的高分辨率处理算子进行高分辨率处理，得到的结果如图5所示，对比图2可以明显看出，分辨率得到了明显提升。
图6a和图6b分别示出了根据本发明的一个实施例的逆时偏移结果的波数谱与高分辨率处理结果的波数谱的示意图。
为了进一步验证，高分辨率处理效果，图6a和图6b给出了高分辨率处理前后的成像结果的波数谱，对比图6a和图6b，同样可以看出高分辨率处理后的结果的波数谱得到了明显的展宽，证明了本发明提出方法的有效性。
实施例2
图7示出了根据本发明的一个实施例的一种点扩散函数估计及高分辨处理装置的框图。
如图7所示，该点扩散函数估计及高分辨处理装置，包括：
分块模块201，对成像剖面进行构造属性分析与图像分块，获得局部成像块；
平滑滤波模块202，基于局部成像块，采用图像学处理方式对数据进行平滑滤波，获得对应的波数域点扩散函数；
高分辨率处理模块203，基于波数域点扩散函数，通过高维反褶积算子进行成像剖面的高分辨率处理。
作为可选方案，分块后的局部成像块为：
其中，I
作为可选方案，波数域点扩散函数为：
PSF
其中，PSF
作为可选方案，通过公式(3)计算角度滤波算子：
AFilt(x
其中，angle_l、angle_r为局部成像块FK谱对应的点扩散函数的左右两方向的照明范围约束，angle
作为可选方案，通过f(x)对angle
作为可选方案，滤波函数f(x)为：
f(x)＝0.54-0.46*cos(2*π*(ntaper-x)/ntaper)(4)
其中，ntaper表示滤波算子长度。
作为可选方案，通过公式(5)进行成像剖面的高分辨率处理：
其中，R(x
实施例3
本公开提供一种电子设备包括，该电子设备包括：存储器，存储有可执行指令；处理器，处理器运行存储器中的可执行指令，以实现上述点扩散函数估计及高分辨处理方法。
根据本公开实施例的电子设备包括存储器和处理器。
该存储器用于存储非暂时性计算机可读指令。具体地，存储器可以包括一个或多个计算机程序产品，该计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中，该处理器用于运行该存储器中存储的该计算机可读指令。
本领域技术人员应能理解，为了解决如何获得良好用户体验效果的技术问题，本实施例中也可以包括诸如通信总线、接口等公知的结构，这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明，在此不再赘述。
实施例4
本公开实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的点扩散函数估计及高分辨处理方法。
根据本公开实施例的计算机可读存储介质，其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时，执行前述的本公开各实施例方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于：光存储介质(例如：CD－ROM和DVD)、磁光存储介质(例如：MO)、磁存储介质(例如：磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如：存储卡)和具有内置ROM的媒体(例如：ROM盒)。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。