CN116299695A - 一种基于权重导向的地震属性保边滤波方法 - Google Patents

Abstract

本发明公开了一种基于权重导向的地震属性保边滤波方法。本发明中，通过结构算子初步计算属性中各点的边缘强度值，能够初步判断属性中各地质体的大致边缘位置，再利用最佳阈值法将边缘强度矩阵进行二值分割，并将分割结果作为后续滤波处理的先导矩阵，能够区分出属性中各地质体的强弱边缘，帮助后续进行滤波处理；其次将先导矩阵作为向导，对于地质体边缘处值跃变的区域进行非线性滤波进行保边处理，保留跃变趋势，在地质体内部值过渡平缓区域进行线性滤波处理，抹平值间差异，这种处理方式能够在压制噪声的前提下得到保留有地质体边缘信息的初始滤波处理结果；最后再对初始滤波结果进行误差分析，这种滞后处理方式能够对原始数据进行保真还原。

Description

一种基于权重导向的地震属性保边滤波方法

技术领域

本发明属于地震勘探技术领域，具体为一种基于权重导向的地震属性保边滤波方法。

背景技术

随着地震勘探水平的不断提高，薄层储层内部的剩余油开发进入新的阶段，从薄层储层内部拾取出各地质体连续性边缘是当下亟待解决的重要问题，而基于地震平面属性进行地质体边界预测逐渐进入研究人员的视野。但是在地震平面属性中噪声是不可避免的存在，其严重影响边界信息预测的精度，而保持地质体边界信息的前提下压制平面属性数据中的噪声，对于地质体边界预测有着重要意义。

但是在实际应用中，地震平面属性地质体边缘处属性值具有跃变的趋势，在滤波处理中，此处主要影响滤波效果的是值权重；地质体内部则过渡趋势较为平缓，在滤波处理中，此处主要影响滤波效果的是空间距离权重。属性值的不同变化趋势需要不同类型的滤波方法进行滤波处理。相关研究表明，属性值过渡趋势较为平缓的区域，主要考虑空间距离权重的线性的滤波方法能够帮助减小值间差异，减小连续性噪声的影响；属性值跃变区域需要优先考虑属性值的影响，提高属性值在滤波过程中所占权重，相关非线性的滤波方法能够保留值的跃变趋势，减小非连续性噪声的影响。然而，现有的平面属性滤波技术方法并不具备这种特性，限制了地质体边界预测的精度。

发明内容

本发明的目的在于：为了解决上述提出的问题，提供一种基于权重导向的地震属性保边滤波方法。

本发明采用的技术方案如下：一种基于权重导向的地震属性保边滤波方法，所述基于权重导向的地震属性保边滤波方法包括以下步骤：

步骤S1：输入地震属性At，计算属性数据中各地质体的边缘强度S；

步骤S2：基于上述边缘强度数据S，使用最佳阈值法进行得到阈值T，并根据阈值T将属性数据中各点进行二值分割，得到先导矩阵Gd；

步骤S3：根据先导矩阵G，对平面属性At进行分类滤波处理，得到初始滤波数据At₁；

步骤S4：基于初始滤波数据At₁，根据误差常数σ进行误差分析，得到最终滤波数据At₂。

在一优选的实施方式中，所述步骤S1包括以下步骤：

步骤S11：输入地震属性At并将其规约为0～255的灰度数据G，其每点的计算表达式为：

式中，(x,y)横纵坐标，max(At(x,y))代表At中的最大值；

步骤S12：计算灰度数据G中各地质体的水平方向的边缘强度S_x，其表达式为：

式中，*表示卷积运算；

步骤S13：计算灰度数据G中各地质体的垂直方向的边缘强度S_y，其表达式为：

步骤S14：基于水平方向的边缘强度S_x和垂直方向的边缘强度S_y计算属性数据中各地质体的边缘强度S，其每点的计算表达式为：

在一优选的实施方式中，所述步骤S2包括以下步骤：

步骤S21：基于属性数据中各地质体的边缘强度S，以最佳阈值分割法计算全局最优二值化阈值T；

步骤S22：根据全局最优二值化阈值T分割边缘强度数据S得到先导矩阵Gd，其每点的计算表达式为：

在一优选的实施方式中，所述步骤S21包括以下步骤：

步骤S211：基于S的归一化图像直方图I，计算S的零阶累积矩A，其每个灰度值为k的计算表达式为：

式中，I(i)表示值i在S中出现的次数，i,k为灰度值，i,k∈[0,255]；

步骤S212：基于S的归一化图像直方图I，计算S的一阶累积矩B，其每个灰度值为k的计算表达式为：

步骤S213：基于S的归一化图像直方图I，计算k＝255时S的累积矩M(255)，其表达式为：

步骤S214：基于A，B和M(255)计算S中每个灰度值的平均方差σ₁，其表达式为：

步骤S215：选取σ₁中的最大值σ₁(m)，此时的m为优选的全局最佳阈值T，其表达式为：

在一优选的实施方式中，所述步骤S3包括以下步骤：

步骤S31：构建线性滤波模板L_n；

步骤S32：构建非线性滤波模板NL_n；

步骤S33：基于先导矩阵Gd，线性滤波模板L_n和非线性滤波模板NL_n对地震平面属性At进行分类滤波处理，具体为在Gd(x,y)＝1处进行非线性滤波处理，在Gd(x,y)＝0处进行线性滤波处理，得到初始滤波数据At₁，At中每点的计算表达式为：

式中，At(i,j)为计算中以At(x,y)为靶点，大小为n的滑动窗口矩阵。

在一优选的实施方式中，所述步骤S4包括以下步骤：

步骤S41：设定误差系数θ，针对地震平面属性数据At和初始滤波数据At₁进行误差分析，并进行数据校正处理得到最终滤波结果At₂，At₂中每点的计算表达式为：

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明中，首先通过结构算子初步计算属性中各点的边缘强度值，能够初步判断属性中各地质体的大致边缘位置，再利用最佳阈值法将边缘强度矩阵进行二值分割，并将分割结果作为后续滤波处理的先导矩阵，能够区分出属性中各地质体的强弱边缘，帮助后续进行滤波处理；其次将先导矩阵作为向导，对于地质体边缘处值跃变的区域进行非线性滤波进行保边处理，保留跃变趋势，在地质体内部值过渡平缓区域进行线性滤波处理，抹平值间差异，这种处理方式能够在压制噪声的前提下得到保留有地质体边缘信息的初始滤波处理结果；最后再对初始滤波结果进行误差分析，这种滞后处理方式能够在一定程度上对原始数据进行保真还原。同时也能够通过检测地质体边缘并以此作为向导对属性中地质体内外信息进行区分处理，这种处理方式能够极大程度保留边缘、压制噪声，从而为后续地质体边缘信息提取、标定提供基础保障。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

一种基于权重导向的地震属性保边滤波方法，所述基于权重导向的地震属性保边滤波方法包括以下步骤：

步骤S1：输入地震属性At，计算属性数据中各地质体的边缘强度S；

步骤S2：基于上述边缘强度数据S，使用最佳阈值法进行得到阈值T，并根据阈值T将属性数据中各点进行二值分割，得到先导矩阵Gd；

步骤S3：根据先导矩阵G，对平面属性At进行分类滤波处理，得到初始滤波数据At₁；

步骤S4：基于初始滤波数据At₁，根据误差常数σ进行误差分析，得到最终滤波数据At₂。

所述步骤S1包括以下步骤：

步骤S11：输入地震属性At并将其规约为0～255的灰度数据G，其每点的计算表达式为：

式中，(x,y)横纵坐标，max(At(x,y))代表At中的最大值；

步骤S12：计算灰度数据G中各地质体的水平方向的边缘强度S_x，其表达式为：

式中，*表示卷积运算；

步骤S13：计算灰度数据G中各地质体的垂直方向的边缘强度S_y，其表达式为：

步骤S14：基于水平方向的边缘强度S_x和垂直方向的边缘强度S_y计算属性数据中各地质体的边缘强度S，其每点的计算表达式为：

所述步骤S2包括以下步骤：

步骤S21：基于属性数据中各地质体的边缘强度S，以最佳阈值分割法计算全局最优二值化阈值T；

步骤S22：根据全局最优二值化阈值T分割边缘强度数据S得到先导矩阵Gd，其每点的计算表达式为：

所述步骤S21包括以下步骤：

步骤S211：基于S的归一化图像直方图I，计算S的零阶累积矩A，其每个灰度值为k的计算表达式为：

式中，I(i)表示值i在S中出现的次数，i,k为灰度值，i,k∈[0,255]；

步骤S212：基于S的归一化图像直方图I，计算S的一阶累积矩B，其每个灰度值为k的计算表达式为：

步骤S213：基于S的归一化图像直方图I，计算k＝255时S的累积矩M(255)，其表达式为：

步骤S214：基于A，B和M(255)计算S中每个灰度值的平均方差σ₁，其表达式为：

步骤S215：选取σ₁中的最大值σ₁(m)，此时的m为优选的全局最佳阈值T，其表达式为：

所述步骤S3包括以下步骤：

步骤S31：构建线性滤波模板L_n；

步骤S32：构建非线性滤波模板NL_n；

步骤S33：基于先导矩阵Gd，线性滤波模板L_n和非线性滤波模板NL_n对地震平面属性At进行分类滤波处理，具体为在Gd(x,y)＝1处进行非线性滤波处理，在Gd(x,y)＝0处进行线性滤波处理，得到初始滤波数据At₁，At中每点的计算表达式为：

式中，At(i,j)为计算中以At(x,y)为靶点，大小为n的滑动窗口矩阵。

所述步骤S4包括以下步骤：

步骤S41：设定误差系数θ，针对地震平面属性数据At和初始滤波数据At₁进行误差分析，并进行数据校正处理得到最终滤波结果At₂，At₂中每点的计算表达式为：

本发明中，首先通过结构算子初步计算属性中各点的边缘强度值，能够初步判断属性中各地质体的大致边缘位置，再利用最佳阈值法将边缘强度矩阵进行二值分割，并将分割结果作为后续滤波处理的先导矩阵，能够区分出属性中各地质体的强弱边缘，帮助后续进行滤波处理；其次将先导矩阵作为向导，对于地质体边缘处值跃变的区域进行非线性滤波进行保边处理，保留跃变趋势，在地质体内部值过渡平缓区域进行线性滤波处理，抹平值间差异，这种处理方式能够在压制噪声的前提下得到保留有地质体边缘信息的初始滤波处理结果；最后再对初始滤波结果进行误差分析，这种滞后处理方式能够在一定程度上对原始数据进行保真还原。同时也能够通过检测地质体边缘并以此作为向导对属性中地质体内外信息进行区分处理，这种处理方式能够极大程度保留边缘、压制噪声，从而为后续地质体边缘信息提取、标定提供基础保障。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种基于权重导向的地震属性保边滤波方法，其特征在于：所述基于权重导向的地震属性保边滤波方法包括以下步骤：

步骤S1：输入地震属性At，计算属性数据中各地质体的边缘强度S；

步骤S2：基于上述边缘强度数据S，使用最佳阈值法进行得到阈值T，并根据阈值T将属性数据中各点进行二值分割，得到先导矩阵Gd；

步骤S3：根据先导矩阵G，对平面属性At进行分类滤波处理，得到初始滤波数据At₁；

步骤S4：基于初始滤波数据At₁，根据误差常数σ进行误差分析，得到最终滤波数据At₂。

2.如权利要求1所述的一种基于权重导向的地震属性保边滤波方法，其特征在于：所述步骤S1包括以下步骤：

步骤S11：输入地震属性At并将其规约为0～255的灰度数据G，其每点的计算表达式为：

式中，(x,y)横纵坐标，max(At(x,y))代表At中的最大值；

步骤S12：计算灰度数据G中各地质体的水平方向的边缘强度S_x，其表达式为：

式中，*表示卷积运算；

步骤S13：计算灰度数据G中各地质体的垂直方向的边缘强度S_y，其表达式为：

步骤S14：基于水平方向的边缘强度S_x和垂直方向的边缘强度S_y计算属性数据中各地质体的边缘强度S，其每点的计算表达式为：

3.如权利要求1所述的一种基于权重导向的地震属性保边滤波方法，其特征在于：所述步骤S2包括以下步骤：

步骤S21：基于属性数据中各地质体的边缘强度S，以最佳阈值分割法计算全局最优二值化阈值T；

步骤S22：根据全局最优二值化阈值T分割边缘强度数据S得到先导矩阵Gd，其每点的计算表达式为：

4.如权利要求3所述的一种基于权重导向的地震属性保边滤波方法，其特征在于：所述步骤S21包括以下步骤：

步骤S211：基于S的归一化图像直方图I，计算S的零阶累积矩A，其每个灰度值为k的计算表达式为：

式中，I(i)表示值i在S中出现的次数，i,k为灰度值，i,k∈[0,255]；

步骤S212：基于S的归一化图像直方图I，计算S的一阶累积矩B，其每个灰度值为k的计算表达式为：

步骤S213：基于S的归一化图像直方图I，计算k＝255时S的累积矩M(255)，其表达式为：

步骤S214：基于A，B和M(255)计算S中每个灰度值的平均方差σ₁，其表达式为：

步骤S215：选取σ₁中的最大值σ₁(m)，此时的m为优选的全局最佳阈值T，其表达式为：

5.如权利要求1所述的一种基于权重导向的地震属性保边滤波方法，其特征在于：所述步骤S3包括以下步骤：

步骤S31：构建线性滤波模板L_n；

步骤S32：构建非线性滤波模板NL_n；

步骤S33：基于先导矩阵Gd，线性滤波模板L_n和非线性滤波模板NL_n对地震平面属性At进行分类滤波处理，具体为在Gd(x,y)＝1处进行非线性滤波处理，在Gd(x,y)＝0处进行线性滤波处理，得到初始滤波数据At₁，At中每点的计算表达式为：

式中，At(i,j)为计算中以At(x,y)为靶点，大小为n的滑动窗口矩阵。

6.如权利要求1所述的一种基于权重导向的地震属性保边滤波方法，其特征在于：所述步骤S4包括以下步骤：

步骤S41：设定误差系数θ，针对地震平面属性数据At和初始滤波数据At₁进行误差分析，并进行数据校正处理得到最终滤波结果At₂，At₂中每点的计算表达式为：