ACTA Scientiarum Naturalium Universitatis Pekinensis
基于多方向识别的三维断层增强方法
1. 中国石油化工股份有限公司石油勘探开发研究院, 北京 100083; 2. 中国石油化工股份有限公司胜利油田分公司勘探开发研究院, 东营 257015; † E-mail: asp2562@yafco.com
摘要 为了应用断层增强技术来提高断层识别的精度, 提出基于多方向识别的三维断层增强方法。通过方向滤波来增强地震同相轴的连续性, 并压制背景噪声, 通过边界保持滤波来保持地震剖面的断层信息。进一步地, 对方法流程做两点改进: 一是使用多方向断层识别, 增强对倾斜地层情况的适用性; 二是将二维断层增强方法扩展到三维地震数据, 实现以较低的运算量达到三维断层增强的效果。合成数据和实际数据的应用实例均表明所提方法可以有效地压制背景噪声, 增强地层同相轴的连续性, 并提高断层图像的分辨率, 有利于后续的构造解释。关键词 断层增强; 三维地震数据; 方向滤波; 边界保持滤波
断层识别是地震资料解释、储层预测和描述的重要基础。断层识别的精度决定构造成图的精度,因此, 如何有效地从地震数据中进行断层的自动拾
[1‒2]取, 一直是地震数据解释研究的热点问题 。常用的断层识别方法大致分为以下几种: 常规的属性识别法、自动追踪解释法、图像处理识别法和机器
学习识别法。属性识别法一般选取对断层属性比较敏感的统计量来识别断层, 如相干体属性、方差、灰度中值和曲率等[3‒4]。自动追踪解释法包括蚂蚁追踪法、稀疏脉冲反褶积法以及边缘检测技术类方法[5‒6]。图像处理识别法包括基于特征映射法、基于波形特征类方法和图像分割类方法等[7‒8]。近年
来, 不少学者使用机器学习类的方法(如卷积神经网络、深度学习和聚类网络等), 对储层构造属性进行识别[9‒10]。这几类方法有各自的优、缺点和适用条件, 在断层解释工作中, 一般根据实际地震资料的具体情况选取合适的断层识别方法[2,11]。方向滤波和边界保持滤波是图像增强处理中常用的技术, 其物理过程是使用与图像局部方向一致的滤波器进行平滑处理, 压制噪声并增强图像沿纹线方向的连续性。边界保持的作用是在滤波的同时对图像边缘进行保护, 避免边缘信息因滤波而模糊化。本文提出基于方向滤波和边界保持滤波实现的三维叠后数据增强方法, 通过方向滤波增强地震同相轴的信噪比和连续性, 通过边界保持滤波来保持断层信息, 避免因使用断层两侧的数据点进行平滑导致断层模糊化。在此基础上, 本文对该方法做两点改进: 1) 用多方向断层识别代替常用的单方向断层识别, 可在一定程度上避免将倾斜地层错误地识别为断层, 更好地适用于存在倾斜地层的情况; 2)将二维边界保持滤波方法扩展到三维地震数据, 同时保证沿测线(inline)和垂直于测线(crossline)地震剖面数据的连续性。最后, 将本文方法应用于合成数据和实际工区地震资料, 检验方法的有效性。
1 方法原理1.1 方向滤波和边界保持滤波
方向滤波和边界保持滤波是广泛应用的图像增强方法。方向滤波是沿着图像方向场的纹线方向进行滤波, 使图像沿纹线方向的数据得到平滑, 垂直于纹线方向的数据得到分离, 达到压制噪声和地层
[12‒13]背景干扰的效果 。方向场代表图像中每个像素点所在的脊线或谷线在该点的切线方向, 是图像处理的重要识别特征之一。将方向场应用于图像信息增强, 可以最大限度地保持图像的分辨率, 并实现压制噪声的效果。方向场提取的基本思想是, 计算灰度图像中每一点在所有方向上的统计量特征,并根据各个方向上统计量的差异确定该点的方向,常用的方法包括基于点方向图、块方向图或连续分布方向图的方向提取法。基于点的方向场提取法计算速度快, 但对噪声比较敏感, 提取的方向场准确性不高。本文使用基于块的方向场提取法, 常用的是梯度法, 即根据数据图像中每一点在各个方向上的梯度值确定该点的方向。基于梯度的方法所需运算量大于基于点的方法, 但梯度的连续性可以保证所提取方向场的连续性。
梯度法实现方向场提取的过程如下: 数据图像I(x,y)的梯度 g(x,y)大小表示为也就是说, 可以将图像与高斯函数的一阶导数进行卷积, 得到图像的梯度信息。进一步地, 将梯度与其转置相乘, 构造梯度结构张量T ggt , 其最大特征值对应的特征向量中包含地震图像的方向场信息。得到方向场信息后, 就可以对图像进行方向滤波, 即沿着每个点对应的方向场数据进行平滑处理, 得到压制噪声的效果。
针对断层区域进行方向滤波时, 可能造成断层边缘模糊化。由于断层两侧的地层信息存在不连续性, 如果强行将断层两侧的数据点进行平滑处理,会使得断层两侧的地层变得连续, 断层信息被破坏。本文使用边界保持滤波来避免这一问题。常用的边界保持滤波方法包括Kuwahara滤波、扩散滤波和中值滤波等[12,14‒15]。本文采用 Kuwahara 滤波,其思路是计算目标点所有邻域内的特征值, 选择特征值中最大的数值作为该点的目标值。Kuwahara滤波可以通过在边界处移动滤波器来避开边界, 对边界起到较好的保护作用。具体应用时, 需要事先识别断层(即边界)位置, 当滤波器包含断层时, 需要移动滤波器来避开断层(图1)。本文通过相似度信息C来识别断层位置: