基于视觉认知的环境抑制与轮廓结合模型的地震数据同相轴检测方法

技术领域

本发明属于地震勘探技术领域，涉及视觉认知的非经典感受野抑制，尤其是一种基于视觉认知的环境抑制与轮廓结合模型的地震数据同相轴检测方法。

技术背景

同相轴拾取是地震解释的基础，可用于层序地层的研究、储层预测及储藏特征提取。同相轴定义为相位峰值(波峰或波谷)的连线，对地震记录进行解释时，根据相似形状的振动及规则出现的规律来标示同相轴。同相轴可表示不同种类或地层的地震波，其拾取的结果可以用于层析成像和解释，可以表示不同岩性的地层界面，即沉积界面，也可以表示不同地史时期的等时代地层界面。同相轴拾取为后续反射界面的确定起重要作用。在地震勘探中采集信号中的信息大部分都包含在同相轴当中，如:同相轴的自激时间可以在一定程度上反映界面的深度信息，同相轴的形状反映介质中地震波的传播速度信息。由于同相轴的地震子波变化源于地震波传播过程等条件，因此，同相轴的检测和拾取对于地震数据的处理和解释非常重要。使用同相轴边缘拾取可以很好地提高地震剖面的信噪比，使原始采集的数据可以更好地为地震勘探解释做铺垫，对下一步油气勘查和地层研究非常有效。因此，地震记录的同相轴拾取有非常重要的作用，拾取结果的精度直接影响后续地震数据处理的结果。

目前，已有许多同相轴拾取方法，大体上分为四类：一是根据地震记录的瞬时特征拾取，如最大振幅法、能量比法等；二是根据地震记录的全局特征拾取，如相关法、约束直达波法等；三是利用人工智能拾取同相轴，如人工神经网络法、分形法等；四是基于数字图像处理原理的边缘检测法。现在使用最多的是边缘检测方法，比如Sobel算子、Canny算子等算法在地震勘探的研究中也是相当尖端的内容。Canny算法(Canny,1986)由于其对图像特征提取时的高效性和智能分析性能，在科学界应用很多。尽管Canny算法在图像检测中具有优势，但是其进行检测时计算数据比传统基于求导的检测算法庞大得多，所以在实际地震数据处理中实用性并不强。边缘检测法是将二维地震信号的每个采样点振幅值转换为不同的灰度值，并将地震波道集视为灰度图像，以便在图像处理中使用边缘检测方法来检测图像中的同相轴。该方法拾取的同相轴信息比较模糊，分辨率受空间、频率和噪声干扰很大，检测结果是灰度突变区域的包络，分辨率很低，往往不能直接用作同相轴检测结果。神经网络法是使用已知的同相轴作为标准样本来模拟神经网络，并使用误差迭代修改神经元之间的连接权重。神经网络方法的过程需要足够的样本支撑，然而样本的选择非常困难，采用的新样本也会影响神经网络，大量的迭代操作导致耗时严重。互相关法基本原理是利用地震道之间同相轴的波形相似度特征来提取易受噪声影响的同相轴，空间分辨率随着计算量的增加而减小。链匹配法的原理是每个波形由具有多个特征的峰和谷链接表示，然后将同相轴的拾取转换为链之间的最佳匹配问题，即找到最小的链接路径。这种方法同样受噪声、空间与频率的干扰影响，所以同样难以解决复杂的同相轴处理问题。Tu等提出一种自动拾取同相轴系统，此方法包括三个步骤：二维匹配滤波器、卡尔曼滤波器和灵活模板。

视觉认知过程在地震数据处理中，根据地震波反射剖面的同相轴拾取对结构解释的影响，通过地震剖面的同相轴拾取来获取有效油气在地层层位中的位置，然后通过有效的地层层位信息来实现地震数据的处理与解释，以提高地震勘探的效率。所以我们讨论如何实现基于视觉特征的同相轴提取是很有意义的。物探技术引进计算机视觉技术还处于一个起步阶段。科学家们探索计算机视觉技术在地震勘探领域的应用时，发现利用视觉性能提升地震数据处理能力，快速实现油气勘探的新方法及技术的研发与应用，将会成为地震勘探未来行业发展的风向标。

针对地震剖面同相轴轮廓特征的提取，本发明提出一种基于初级视皮层感知机制的轮廓与边界检测模型，实现地震数据同相轴轮廓提取的新方法。该方法用Gabor函数描述哺乳动物视皮层的简单感受野剖面，引入非经典感受野的兴奋与抑制机制减小背景噪声并突出区域的边界。最后用非极大值抑制使轮廓细化，并用滞后门限的方法提取出二值化后的轮廓。本发明提出的模型能够对数据量庞大、噪声干扰繁多的地震数据目标轮廓图像进行有效的同相轴边缘检测，和其他传统的图像边缘检测相比，本发明提出的具备视觉环境抑制与空间增强功能的计算模型能使地震剖面同相轴边缘检测更有优势，更加符合生物视觉机理，该方法拾取的同相轴比现有方法拾取的同相轴更连续和精确，为今后地震数据解释提供新的研究方向。

发明内容

为了解决现有技术中存在的问题，本发明的目的是提出一种基于视觉认知的环境抑制与轮廓结合模型的地震数据同相轴检测方法，用于地震资料同相轴拾取技术，拾取的同相轴可用于层序地层的研究、储层预测及储藏特征提取。

为了实现上述目的，本发明采用的技术方案是，基于视觉认知的环境抑制与轮廓结合模型的地震数据同相轴检测方法，包括以下步骤：

步骤1)：对地震数据用自适应方向Gabor能量滤波器进行处理；

步骤2)：在步骤1)的处理结果下，构造一个中心环境的高斯差分函数(DoG)实现环境抑制效果；

步骤3)：根据边缘共生共圆约束给出一个轮廓结合的局部能量聚集函数，实现Gestalt的连续性准则，增强一致的空间结构，使轮廓从杂乱的背景中突出；

步骤4)：根据步骤2)抑制背景噪声与步骤3)增强信号的结果进行迭代，直至满足终止条件，则退出迭代；否则返回步骤1)；

步骤5)：用非极大值抑制与滞后门限的方法对步骤4)的检测结果进行二值化处理。

进一步的，所述步骤4)中，迭代计算的终止条件有两个，满足任意一个终止条件时即终止迭代：一是硬阈值条件，即迭代次数达到给定的阈值即终止迭代；二是软阈值条件，用手工绘图得到的ground truth来定义可实现的理想输出，用轮廓检测评价算子来反映算法的边缘检测性能；E

E＝E

card(X)表示集合X的元素个数；P＝1，那么真实的同相轴都被正确检测出来，P越接近0，意味着越多的同相轴被漏检或误检。

进一步的，所述步骤1)中，地震数据先进行预处理后进行自适应方向Gabor能量滤波器进行处理，所述预处理为叠前地震数据的包络峰值瞬时频率与倾斜叠加峰值瞬时振幅的小波融合。

进一步的，所述步骤1)中，Gabor滤波器的方向选取方法采用基于Radon变换的自适应方向选取方法。

进一步的，非经典感受野对不同方向、不同位置处感受野内细胞响应的抑制程度存在差异，所述步骤2)采用各向异性环境抑制方法，即基于生物视觉初级视皮层各向异性环境抑制，该方法相对各向同性抑制来说，能检测出方位同质性发生衰变的地方。

进一步的，所述步骤3)中，地震数据的同相轴曲率具有连续性、低曲率特性，在gestalt边缘感知聚集准则的指导下，采用共圆约束并结合视觉对低曲率及连续曲率的偏好来描述视觉在感知具有一致性空间结构时的特征。

进一步的，所述步骤5)中，采用canny边缘检测算子的非极大值抑制与滞后门限方法对步骤4)得到结果进行处理后，进行边缘连接得到二值化的图像。

进一步的，所述地震数据是sgy格式。

进一步的，基于叠前地震数据进行同相轴拾取。

本发明提出了一种基于生物视觉初级视皮层环境抑制和空间增强功能的地震数据同相轴拾取方法，采用人类视觉初级视皮层环境感知机制，神经科学家研究表明：生物视觉初级视皮层对环境信息具有抑制及对兴趣目标循环兴奋增强的功能，从而使视皮层能快速、高效地从复杂环境中提取观测对象的轮廓或边界，为后续的视觉认知提供重要的特征信息。本发明在分析生物视觉初级视皮层信息处理机制的基础上，构建了地震资料同相轴拾取方法。该计算模型在对地震数据同相轴的目标轮廓增强的同时，对非相关的环境噪声进行抑制，从而实现了同相轴目标轮廓的显著性提取。

与现有技术相比，本发明至少具有以下有益效果，本发明提出一种基于生物视觉初级视皮层环境抑制和空间增强功能的地震数据同相轴拾取方法，采用人类视觉初级视皮层环境感知机制，减少背景中纹理边缘的响应，并突出区域的边界，后使光滑的轮廓从杂乱的背景中突出，在对地震数据同相轴轮廓增强的同时，对环境非相关噪声进行各向异性抑制，实现了同相轴目标轮廓的显著提取，为后续地震解释、储层预测等做准备。

进一步的，本发明首先对地震数据进行预处理，求取其包络峰值瞬时频率与倾斜叠加峰值瞬时振幅的融合，能最大限度地提供最优质量数据；提出自适应Gabor滤波器方向选取方法，相较传统方法而言，该方法能提供可靠的角度范围，提高滤波器分解时的识别率；具体的说，传统的Gabor滤波器采用具有一定间隔的固定方向，如0°、45°、90°、135°，一般采用4个或8个方向，但传统方向选取方法忽略了图像内容的特点及类间的差异性，因此为了更好地体现Gabor滤波器的方向选择特性，本发明提出一种基于Radon变换的自适应方向选择方法。对原始地震数据进行小波变换求取瞬时振幅后，基于瞬时振幅剖面进行局部Radon变换。针对每个采样点，求取不同倾角方向的瞬时振幅的平均值，拾取众平均值中的最大值，将该值放在对应位置构成步骤1)所用的倾斜叠加峰值振幅剖面，该最大值对应的倾角构成倾角剖面。基于倾角剖面，采用边缘连接的方法遍历整个剖面，找出连续变化的倾角(即对应相关同相轴)，确定倾角的角度范围和间隔，为Gabor滤波器分解提供可靠的角度范围，可提高滤波器分解时的识别率。

进一步的，本发明采用各向异性环境抑制方法，相较各向同性方法而言，能更精确地检测出边缘异变。在轮廓聚集增强时，本发明采用共圆约束并结合地震同相轴特有的低曲率、连续变化曲率等特性，建立了一致性空间结构感知模型。

进一步的，图像处理领域，常用的是灰度图像，其元素是像素，一部分图像的元素还包括颜色等，而地震数据是sgy格式，其包含大量信息，本发明根据视觉认知方法应用于地震领域的独特性，不是将地震数据转化为灰度图像，而是用数据本身，从数据中可以提取更多属性信息，本发明即用sgy格式的地震数据并从中提取了瞬时频率、瞬时振幅等属性后，进行同相轴拾取的操作，最大限度地提高分辨率、保留信息量。

进一步的，本发明基于叠前地震数据进行同相轴拾取。叠前地震数据比叠后地震数据含有更丰富的信息量，包括地震采集到的共炮点道集、VSP数据等；并且没有经过NMO拉伸和叠加，振幅和频率信息没有损坏，可以反映一些细微的地层特征，但是其缺点是信噪比低，噪声大。因此本发明针对叠前地震数据信噪比低的特点，提出一种高精度的同相轴拾取方法。

附图说明

图1为Radon变换示意图。

图2为小波融合流程图。

图3为环境抑制示意图，同向抑制，突出显著目标。

图4(a)原始叠前CSP资料；图4(b)瞬时振幅剖面。

图5为包络峰值瞬时频率。

图6为包络峰值瞬时频率与倾斜叠加峰值振幅的小波融合剖面。

图7为Radon变换得到的倾角剖面。

图8为Gabor滤波器的实部。

图9(a)为期望的“ground truth”输出；图9(b)为抑制与增强结果；图9(c)为二值化映射的同相轴拾取结果。

图10为基于非经典感受野抑制的地震数据同相轴检测算法的流程示意图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步说明。

同相轴定义为相位峰值(波峰或波谷)的连线，同相轴拾取是地震解释的基础，可用于层序地层的研究、储层预测及储藏特征提取。本发明基于叠前地震数据进行同相轴拾取，叠前地震数据比叠后地震数据含有更丰富的信息，其没有经过NMO拉伸和叠加，振幅和频率信息没有损坏，可以反映一些细微的地层特征，但是其缺点是信噪比低，噪声大。因此本发明针对叠前地震数据信噪比低的特点，提出一种高精度的同相轴拾取方法，如图10所示；

首先对地震数据先进行预处理，所述预处理为叠前地震数据的包络峰值瞬时频率与倾斜叠加峰值瞬时振幅的小波融合；后进行自适应方向Gabor能量滤波器进行处理，Gabor滤波器的方向选取方法采用基于Radon变换的自适应方向选取方法；

构造一个中心环境的高斯差分函数(DoG)实现环境抑制效果；根据边缘共生共圆约束给出一个轮廓结合的局部能量聚集函数，实现Gestalt的连续性准则，增强一致的空间结构，使轮廓从杂乱的背景中突出；进行迭代后，用非极大值抑制与滞后门限的方法对结果进行二值化处理。

在本发明的实施例中，假设震源子波用如下具有4个参数的常相位子波近似：

式中，σ为调制角频率，δ为能量衰减因子，A'和φ分别为振幅和相位。对(1)式两边做Fourier(傅里叶)变换得：

根据Barnes的定义，常相位子波的包络峰值瞬时频率(EPIF)为子波振幅谱对Fourier频率加权的平均频率，即

将式(2)的模代入式(3)得到零时刻震源子波的EPIF：

倾斜叠加峰值振幅是基于瞬时振幅计算的，瞬时振幅的计算公式如下：

A(t)＝|s(t)+i·H[s(t)]| (5)

其中，

式中，t,b∈R，a>0；g(t)∈L

倾斜叠加即局部Radon变换，本发明采用的是局部线性Radon变换。线性Radon变换的积分路径是线性的，又称为τ-p变换，其频率域的离散形式为：

式中，M(f,p)＝∫m(τ,p)e

至此已求取了包络峰值瞬时频率和倾斜叠加峰值振幅，接下来将二者进行小波融合。令f(t

则二维连续小波变换如下式：

式中，

式中，二维连续小波中的

最后将二维离散空间小波变换进行特例化后就可以得到二维离散小波变换。二维离散小波变换如下式所示：

可以看出式中a

基于小波变换的二维图像融合主要分为三个步骤：

(1)对每张待融合的原图像分别进行小波分解，得到不同方向的分解系数。

(2)对分解得到的不同方向的系数进行融合处理。

(3)对融合后得到的系数进行小波逆变换即可得到最终的结果图像。

基于二维小波变换的图像融合过程如图2所示。

二维Gabor函数能近似模拟哺乳动物视皮层中简单细胞感受野特性，是一个被复数正弦函数调制的高斯函数，其表达式如下：

g(x,y)＝h(x',y')exp(j2πfx')(13)

式中，

σ

非经典感受野使得不同方向、不同位置的感受野内细胞响应的抑制程度存在差异。如图3所示，三角形的2条与背景纹理不同向的边缘突显出来，而与背景纹理同向的边缘被完全抑制，因此非经典感受野抑制是生物边界检测的基本特征，通过这种抑制作用主要检测区域的边界和孤立的轮廓。而地震同相轴拾取与此不同，要拾取的目标具有一致或连续的纹理，需要突显出来，而背景噪声的纹理杂乱无章，需要完全被抑制。因此，本发明考虑到非经典感受野的各向异性抑制特性，抑制程度与方位的关系用下式表示：

Δ(x,y,x-x

其中，Θ

其中，

i表示兴趣点o周围的环境点，M

Gestalt感知准则告诉我们，视觉能将局部具有一致性规律的特征聚集成一个整体，使对象能从复杂的背景中突显出来。共圆约束为自然场景中轮廓聚集确定了一个最大可能性的局部聚集函数，并进一步认为神经元受外部环境刺激增强的程度取决于两个神经元偏好方向的曲率。地震同相轴曲率具有一致性或连续性，如果共圆轮廓的曲率越小，其增强作用应越强烈。为了反映低曲率的影响，根据曲率对兴奋进行加权，加权函数表达式为：

其中，

其中，M(x',y',β)为位于(x',y')的神经元的响应值，β为(x',y')处神经元的偏好方向角，即为该像素点的梯度方向角。

为了得到一个明确的二值化结果，本发明采用canny边缘检测算子的非极大值抑制与滞后门限的方法处理。非极大值抑制细化原理为：将点(x,y)周围分为四个近邻区域，点(x,y)的梯度方向Θ

滞后门限方法的原理是：通过取双门限阈值来扫描图像。设两个阈值为γ

算例分析

我们将提出的方法用于实际共炮点道集(CSP)，该道集有595道，最小炮检距为90m，检波器之间的距离为10m，1250个采样点，2ms采样。图4(a)是原始叠前地震数据，从图中可以看出，原始数据有明显的同相轴，但是背景噪声同样很大，尤其是近偏移距和浅地表处的同相轴无法分辨，且同相轴的波峰、波谷相互影响，不利于拾取倾角等其他属性信息。图4(b)是瞬时振幅剖面。图5是包络峰值瞬时频率(EPIF)剖面，从图中可以看出，包络峰值瞬时频率减少了波峰、波谷的相互干扰，信息进一步集中，但是深层的噪声依然很大。图6为EPIF与倾斜叠加峰值振幅剖面的小波融合结果，可以看出融合后的图像突显了同相轴，一定程度上弱化了噪声的影响。图7为Radon变换拾取的倾角剖面。图8为Gabor滤波器的实部，该滤波器有8个方向，5个尺度。图9(a)、图9(b)和图9(c)为用本发明的方法进行同相轴拾取的结果，可以看出，浅层的同相轴拾取较完整，深层由于噪声较大，信息淹没在噪声中，拾取同相轴较少，但厚地层的同相轴已经完整拾取，说明了本发明的有效性。