根据美国法典第35篇第119条(e),本申请主张于2007年11月14日提交的、题为“Seismic Data Processing”的美国专利申请No.60/987,906的权益和优先权,并且涉及PCT申请PCT/US2007/071733(公开为WO2008/005690),在此通过整体引用并入两者的全部。
附图说明
将参照附图详细描述本发明的示例性实施例。应该理解,附图不必按比例示出。在某些实例中,对于本发明的理解不必需或使得其他细节难以察觉的细节可能已经被省略。当然,应该理解,本发明不必限于在此图示的特定实施例。
图1图示根据本发明的示例性数据处理系统和地震解释系统。
图2图示根据本发明的用于确定体素连通性的示例性方法。
图3图示根据本发明的用于减少反射的示例性方法。
图4图示在如地震体的数据体中突出高幅度事件的示例性方法。
图5图示示例性体素密度估计处理。
图6(a-f)图示具有逐渐更高的连通性分数阈值的体素连通性到地震数据的示例性应用:a-输入“稀疏”地震部分;b-f-输入通过具有从b中的100到f中的20000逐渐增加的连通性分数的体素连通性滤波的地震数据;
图7(a-c)图示具有逐渐更高的连通性分数阈值的体素连通性到地震数据的示例性应用:a-输入“稀疏”地震部分;b-c-输入通过具有逐渐增加的连通性分数的体素连通性滤波的地震数据;
图8(a-c)图示具有逐渐更高的连通性分数阈值的体素连通性到不同于图2中使用的相同地震数据体的垂直地震部分的示例性应用:a-输入“稀疏”地震部分;b-c-输入通过具有逐渐增加的连通性分数的体素连通性滤波的地震数据;
图9图示以反射体为中心的示例性“零相位”小波-注意主瓣上下的低振幅侧瓣的列;
图10(a-d)图示使用反射衰减处理的示例性地震部分:a-输入数据;b-反射衰减处理的部分;c-仅用于峰值的反射衰减处理的部分;d-仅用于波谷的反射衰减处理的部分;
图11(a-d)图示应用到稀疏输入数据集的示例性反射衰减:a-输入数据;b-反射衰减处理的部分;c-仅用于峰值的反射衰减处理的部分;d-仅用于波谷的反射衰减处理的部分;
图12图示用于维度5×9的二维矩形算子的余弦锥重定比例因子的示例;
图13(a-b)图示应用到示例地震体的体素抑制的示例:a-来自输入地震体的部分;b-来自用体素抑制滤波的体的相同部分;
图14(a-b)图示应用到与图13中相同的示例地震体的体素抑制的示例:a-来自输入地震体的部分;b-来自用体素抑制滤波的体的相同部分,该部分与图13中显示的部分正交;
图15(a-b)图示应用到第二示例地震体的体素抑制的示例:a-来自输入地震体的部分;b-来自用体素抑制滤波的体的相同部分;
图16(a-c)图示对于10×10数据阵列的体素密度计算的数值结果的示例:a-输入二维数据阵列;b-使用接受大于或等于6的所有输入值的3×3体素密度算子处理的输出二维数据阵列;c-进一步将输出密度分数约束为大于或等于4的结果;
图17(a-b)图示对来自图16a的10×10数据阵列的体素密度计算的数值结果的示例:a-在中心体素落入指定阈值范围的额外约束的情况下,如图16b中处理的输出二维数据阵列;b-应用4的最小阈值到图17a中的密度分数的结果;
图18(a-d)图示在图16和17中描述的结果的图形表示的示例:a-与图16a相同的原始数据;b-图16c所示的结果;c-图17b所示的结果;d-应用到输入数据的简单的阈值操作的结果,其中没有执行密度计算;
图19(a-f)图示一些标准数据平滑算子与密度引导的平滑的示例性比较:a、b-分别应用3×3平均值和中值滤波器到图18a中的原始数据的结果;c-仅应用平均值平滑到最小密度测试失败的体素的结果;d-仅应用中值算子到最小密度测试失败的体素的结果;e、f-修改选择性平滑以仅包括落在初始指定的阈值范围外部的体素的结果;
图20(a-d)图示应用到通过示出峡谷的连续或连贯(coherence)体的层片(horizontal slice)的各种示例性描述的滤波器:a-输入数据;b-移除具有低于指定截止值的密度分数的体素;c-应用置信度自适应平滑的结果,其中最小密度测试失败并且在有效阈值范围外部的体素包括在平滑中;d-应用对比增强到a中数据的结果;
图21图示应用到通过示出河道的地层体的平片的各种示例性描述的滤波器:a-输入数据;b-a中数据的曲率响应;c-应用密度阈值滤波到b中的曲率数据的结果;d-应用对比增强到b中的曲率数据的结果;
图22(a-b)图示应用对比增强到来自图16a的采样数据阵列的示例性数值和图形结果:a-在来自图16a的输入原始数据的直方图的情况下,来自对比增强的数值输出阵列;b-在输出的对比增强数据的直方图的情况下,来自对比增强的图形输出阵列;
图23(a-e)图示在来自墨西哥湾数据集的时间片上局部自适应体素密度受控平滑和对比增强的示例性效果:a-应用3×3中值滤波器以降低随机噪声情况下的原始地震数据;b-对a中数据计算连贯性的结果;c-计算b中数据的变化的结果;d、e-应用由c中的变化分布控制的局部自适应对比增强(d)和平滑(e)到b中数据的结果;
图24(a-d)在来自图23中使用的墨西哥湾数据集的更深时间片上局部自适应体素密度受控平滑和对比增强的示例性效果:a-应用3×3中值滤波器以降低随机噪声情况下的原始地震数据;b-对a中数据计算连贯性的结果;c、d-应用局部自适应对比增强(c)和平滑(d)到b中数据的结果;
图25(a-f)图示应用对比增强到断层增强计算的输出上的连贯性数据的示例性效果:a-在周围断层的情况下,示出盐体部分的连贯性时间片;b、c-应用两级对比增强到a中数据的结果;d-使用原始连贯性数据(a)作为输入的断层增强输出;e-使用来自(b)的对比增强数据作为输入的断层增强输出;f-使用对比增强数据(c)作为输入的断层增强输出;
图26(a-d)图示应用到连贯性的体素密度的示例。面板(a)包含海底峡谷的连贯性图像。面板(b)示出应用二进制体素密度滤波到面板(a)中数据的结果。最小密度阈值测试失败的体素被分配空值。面板(c)示出体素密度受控的平滑的结果。体素密度分数用于改变面板(d)中的数据对比。体素密度受控平滑和对比增强保持数据的原始环境,而不是简单移除密度阈值测试失败的体素;
图27(a-b)图示体素抑制结果的示例。面板(a)包含原始振幅部分。平层扁平盐体的顶部和底部由面板(a)中的箭头指示。面板(b)示出应用体素抑制到面板(a)中数据的结果。
图28(a-d)图示应用到稀疏地震数据的反射衰减的示例;
图29(a-c)图示应用体素连通性的示例性结果;以及
图30(a-d)图示应用到实际数据的工作流的示例。
具体实施方式
关于数据(特别是地震数据)的处理和解释,将描述本发明的示例性实施例。然而,应该认识到,通常本发明的系统和方法对于代表任何环境、对象或物品的任何类型的数据将同样有效。
还将关于地震数据解释和操纵描述本发明的示例性系统和方法。然而,为了避免不必要地模糊本发明,以下描述省略了可能以框图形式示出或另外概述的公知结构和设备。
为了说明的目的,阐述大量细节以便提供本发明的彻底理解。然而,应该认识到,本发明可以以超出在此阐述的具体细节的多种方式实践。
此外,尽管在此图示的示例性实施例示出了配置系统的各种组件,但是要认识到,系统的各种组件可以位于分布式网络(如通信网络和/或因特网)的遥远部分,或在专用安全、不安全和/或加密系统内。因此,应该认识到,系统的组件可以组合为一个或多个设备或配置在分布式网络(如通信网络)的特定节点上。如将从以下描述认识到的,并且为了计算效率的原因,系统的组件可以安排在分布式网络内的任何位置而不影响系统的操作。
此外,应该认识到,各种链路可以用于连接各元件,并且可以是有线或无线链路,或者其任何组合,或者任何其它已知或之后开发的(各)元件,其能够提供数据到连接的元件和/或从连接的元件通信数据。如在此使用的术语模块可以指任何已知或之后开发的硬件、软件、固件或其组合,其能够执行与该元件相关联的功能。如在此使用的术语确定(determine)、计算(calculate)和计算(compute)和其变体可互换地使用,并且包括任何类型的方法、处理(process)、数学操作或技术,包括由系统(如处理器)、专家系统或神经网络执行的那些。
此外,在此识别的所有参考文献在此通过整体引用并入。
图1图示经由链路连接到地震解释系统200的示例性数据处理系统100。地震解释系统200可以帮助盐体、峡谷、河道(channel)、层位或表面覆盖等的一个或多个的解释,如在上述相关应用中描述的。数据处理系统100包括体素连通性模块(voxel connectivity module)110、反射衰减(reflection collapse)模块120、控制器130、存储140、一个或多个计算机可读存储介质150(其上可以存储体现在此公开的技术的软件,并且与控制器、存储器、I/O接口和存储协作执行)、体素抑制模块160、体素密度模块170、存储器180和I/O接口190,所有通过(各)链路(未示出)连接。系统还可以与输出设备(如计算机显示器300)相关联,在输出设备上可以将各种技术的输出显示给用户。
体素连通性模块110帮助连通体素的绘制(mapping)。可以通过设计为移除不重要数据点的数据处理步骤致使地震数据体稀疏(sparse)。类似地,一些地震属性导致大的空或未定义数据区域。在这两种情况下,空(null)或未定义区域一般用通过用于创建体的处理步骤“漏(leak)”的不重要数据加斑点(speckle)。该视觉混乱可能使用于在体中存在的重要特征的分割或用户或计算机解释的这种体的使用复杂。该视觉混乱的一些或全部的移除是用于提高这些数据体的效用(utility)的一个示例性目的。
体素连通性绘制模块110的操作的示例性实施例确定哪些体素是数据体中连通特征的构成成分(constituent member)。“连通性分数”(多少体素构成该特征)然后可以通过为输出体制定最小特征大小阈值而用于移除识别为小的、并且因此不重要的特征。
体素连通性的示例性实施例绘制出体中所有连通的非空体素。在绘制连通体素之后,定义体中的每个连通特征的连通性分数作为其构成体素的数目。然后通过从具有低于某最小阈值的连通性分数的输出数据体移除特征,可以滤波视觉混乱。以此方式,从数据体移除小特征,然后可以输出和保存该数据体。
如果体素连通性应用到稀疏振幅(amplitude)体,则振幅极性可以用作对于连通性绘制的额外可选约束。例如,如果绘制出正振幅反射,则仅正振幅被认为是非空的。
图6演示逐渐更高的连通性分数阈值到相同数据集的应用。图6a包含由分离处理(例如,体素抑制)致使稀疏的原始地震数据。盐底辟(salt diapir)存在于数据集的中心。已经维持重要振幅事件,同时移除低振幅反射。然而,相当大量的分散的、非连通的数据点保留在数据集中。图6b示出移除由少于100连通体素组成的特征的结果。该结果表现在减少视觉混乱量中的显著改进。图6c、6d、6e和6f使用逐渐更高的连通性分数阈值滤出特征。图6f过度积极(aggressive)(使用20000的连通性分数阈值),并且已经移除盐(salt)边界反射的部分。
图7和8包含来自相同数据集的不同截面视图。在每个图中,面板(a)示出通过上述相同预处理使得稀疏的原始数据。面板(b)和(c)分别示出最小滤波的数据版本和更积极滤波的结果。在图7b和7c中,重要的反射已经保持,同时已经减少视觉混乱。使用200的连通性分数阈值生成示例性结果。类似地,图7c保持重要反射,同时用800的连通性分数阈值更积极地滤波。然而,在图8c中相同的阈值已经过分滤波。在数据部分的基础的更不连通但是仍重要的反射已经移除,因此,应该小心选择用于滤波的连通性分数阈值。
来自体素连通性模块110的输出体允许用户从稀疏数据集移除不需要的视觉混乱。连通体基于构成体素的数目记分。然后从输出数据体移除具有低于用户指定的阈值的连通性分数的特征。该技术可以是用于准备用于地震解释(如分割)的数据集的强大工具。
地震反射由主振幅响应和若干更小侧边振幅响应组成。不同于主响应的这些额外响应使用于重要反射体的计算机分割的振幅体的使用复杂。在多数处理的地震数据体中,使用如图9所示的零相位小波。这意味着实际反射体位置由主反射响应(或瓣(lobe))的最大值的位置指示。零相位小波还关于最大反射瓣对称。在感兴趣的主瓣上下都存在其他无关瓣。移除这些额外的反射瓣可导致用于高振幅事件的人工和计算机解释的更纯净体。
反射衰减模块120的操作的示例性实施例减小给定反射体对主瓣的地震响应。这移除可能对于地震体中高振幅反射的解释不必要的“混乱”。计算机解释处理和算法也通过从地震数据体移除无关反射受辅助。
在其最基本的示例性形式中,反射衰减模块120例如与控制器130协作卷积1D算子与输入体。对于每个算子位置,运行测试以查看算子的中心体素是否具有算子内包含的所有体素的最高绝对振幅。如果最高绝对振幅体素不是算子的中心,则不做什么并且算子移动到下一体素。然而,如果最高绝对振幅在算子的中心,则模块将该体素值写到其原始位置中的输出体。然后执行两个搜索以确定该反射瓣的范围。
从中心体素向上执行第一搜索。该搜索向上延伸直到遇到零交叉。然后该搜索停止。在向下方向以类似方式执行第二搜索。以此方式,主反射瓣的全部范围由该模块写到输出体。
还执行其他步骤,以便确保模块性能的稳定性。振幅中的局部变化以及随机噪声可能导致反射侧瓣局部具有比主反射瓣更大的绝对振幅。为了避免这将不连续引入主反射瓣,可以执行预处理步骤以规则化存在的所有反射瓣的振幅。
在该示例性预处理步骤中,使用连通极性分析绘制每个反射瓣的所有成分体素。连通极性分析类似于连通阈值分析,在于其确定3D体中哪些体素连通。差别在于不同于阈值范围的使用,体素的极性是用于确定连通性的唯一参数。一旦绘制反射瓣的所有成分体素,就计算该瓣的平均振幅。该平均值是用于确定反射中的哪个瓣是主反射瓣的振幅值。然后上述主要处理用于移除反射的侧瓣。
图10和11图示反射衰减模块对输入地震数据体的应用。这些视图是通过数据集的垂直截面。在数据部分的中间存在盐的水平(horizontal)带。
图10a包含用于该部分的原始数据。存在高振幅和低振幅反射。图10b示出应用反射衰减模块处理之后的结果。已经从数据移除反射的侧瓣。然而,反射振幅的一些局部变化已经导致对其保持反射瓣作为主瓣的不一致行为。图10c和10d分别图示在反射衰减处理中仅考虑正或负振幅的结果。例如,当试图增强具有已知反射系数极性的界面(如沉积物/盐界面)时,这可能是希望的。
图11a示出图10a中数据的稀疏版本。通过设计为从数据集移除低振幅反射的分离处理使得数据稀疏。图11b示出当考虑该稀疏数据集中的所有反射时的反射衰减技术的性能。图11c和11d分别图示仅选择性地考虑正或负振幅的结果。在每个数据示例中成功移除反射侧瓣,但是当仅考虑一个极性时结果可能更稳定。
示例性反射衰减模块120从地震数据体中的各反射体移除一个或多个侧瓣(主瓣上和/或下)。这从用于解释高振幅反射的体移除不必要的混乱。这些高振幅反射的人工解释和计算机分割可以受益于这些数据处理技术。
地震数据体中岩石边界的表示可能非常复杂。在盐或成岩边界的情况下,他们可以以任何可想象的方位和配置刺穿(cut through)数据集。当用手执行时,这种界面的手动解释可能是极端耗时的。这种类型的解释的自动化是地震数据解释中非常重要的研究目标。体素抑制是朝向突出和增强岩石边界以辅助它们的人工和计算机自动化解释的第一步。
体素抑制的示例性实施例是用于强调地震体中高振幅事件的方法。这通过致使体稀疏的体素抑制模块160完成,同时局部维持它们的原始位置中的高振幅事件。保持的体素值可以可选地重定比例(rescale),以便增高弱事件的强度。该重定比例规则化遍及体的重要反射的表示。
示例性体素抑制模块160卷积3维算子与输入地震数据体。对于每个算子位置,算子内的所有体素通过绝对值分类。用户指定的(经由用户输入设备(未示出)输入)百分比的最高值保持在它们的原始位置。该保持的百分比一般小;对于所有应用小于15%。
如果用户偏好,则这些保持的值可以通过体素抑制模块160重定比例,以便规则化遍及体的局部重要反射的表示。这通过计算算子内包含的所有体素的标准偏差,并且将这些值重定比例以使得局部标准偏差匹配整个体的标准偏差来完成。为了完成这,所有保持的体素乘以重定比例因子(RF)。RF计算为:
RF=整个体标准偏差/算子标准偏差
在一些情况下,增高体素值,而在其它情况下,它们可能降低。最终结果是体内保持的所有特征具有类似的外观。
数据还可以由体素抑制模块160重定比例,以便对算子的中心的体素给出强调。径向余弦锥可以用于对算子的中心而不是在其边缘的保留体素给出更多强调。该余弦锥基于它们距算子中心的距离对体素重定比例。通过1的因子将中心体素重定比例(没有改变)。最末梢的体素通过0的因子重定比例(归零,zeroed out)。在之间,正弦锥可以为算子内包含的每个个别体素定义重定比例因子。图12是用于维度5×9的矩形算子的余弦锥重定比例因子的2维示例。
该示例性的步骤组合可以局部增强高振幅反射,同时移除无关的周围体素。结果是视觉上更清楚的体,其更容易为了自动计算的目的通过其它属性增强。
图13、14和15示出对真实数据体应用体素抑制的结果。这些视图是穿过它们各自数据集的垂直截面。图13和14是来自相同数据体的不同截面。它们每个具有在数据部分中间的水平盐带。图15是来自不同测量,并且具有在视图中心的盐底辟。
图13a示出在运行体素抑制模块160应用体素抑制之前的原始数据体。通过体素抑制技术保持局部高振幅反射(图13b)。类似地,图14b保持原始数据部分(图14a)中存在的局部高振幅反射。
图15a包含来自另一测量的原始地震数据。图15b示出对于该第二数据体的体素抑制技术的结果。在每个实际数据示例中保持重要反射,特别那些与数据体内包含的主要岩石对比(例如,盐体)相关联的。
因此,体素抑制模块160的操作的一个示例性操作实施例是运行与整个体卷积的窗口算子。对于每个算子位置,执行一系列示例性处理步骤。它们是:
基于绝对值分类体素,
重定比例所有体素值,以使得局部算子的标准偏差匹配全局标准偏差,
保持用户指定百分比上的重定比例值(归零所有其它值),
使用余弦锥基于算子内的位置为保持的值定比例,以及
在它们的原始位置输出变为锥形的值。
以此方式,保持局部重要振幅事件,并且给出规则的表示,同时移除不重要反射。得到的保存体是稀疏的,仅包括重定比例的最高振幅反射体。
体素抑制模块160通过遍及体除了最重要的反射外移除全部,致使体稀疏。得到的体强调主要声阻抗边界。这些高阻抗对比将存在于主要岩石改变。如此,体素抑制的应用可以是用于突出如盐边界的复杂界面的有用的第一步。
从3D地震数据体计算的属性通常在它们的地质学趋势的表现中是嘈杂和混乱的。复杂的形态学和地质特征的表示可导致用于突出感兴趣特征的给定属性的不一致性能。结构和成岩套印(overprinting)也可能使属性结果复杂。
噪声的处理和不均匀属性性能的规则化是潜在的非常重要的研究目标。体素密度技术的示例性实施例是用于评分3D地震体内数据趋势的局部重要性的方式。然后可以增强或规格化重要区域,同时抑制或滤出不重要区域。
体素密度模块170的示例性操作实施例包括通过运行窗口模块执行的运行窗口算法。对于每个算子位置,计数落入给定阈值范围内的窗口内的数据点的数目;产生密度分数。高密度分数的区域视为具有高置信度。相反,低密度分数的区域假定为噪声并且被滤出或削弱。可以通过从低密度分数的区域移除数据点来过滤噪声。通过较不积极地平滑高置信度区域,可以在平滑期间保持重要边缘。还可以属在性体中增强体对比;增高信噪(S/N)比。
多种技术可以用于在数据体中控制噪声。平均值和中值滤波是对于随机噪声有效的滤波方法。类似地,小波变换是用于随机噪声滤波的另一强大工具。然而,噪声不是困扰属性结果的唯一问题。不均匀性能可能是对于快速利用属性结果的更大阻碍。
地质学的事实很少反映概念模型的简单性。没有由概念模型说明的因素通常干扰(confuse)设计来反映(image)给定地质特征的属性。进一步使属性性能复杂的是由地震测量反映的比例(scale)的多样性。子地震分辨率特征可以将调谐效果引入不可通过许多属性从噪声区分的数据。图21b示出从变平的数据体计算的河道的曲率响应。尽管视觉上有用,但是缺少河道的统一表示使手动解释复杂,并且阻止河道解释的任何自动处理。
示例性体素密度技术使用局部数据冗余来创建数据集中置信度的稳定估计。数据体中感兴趣的特征通常在每个方向持续一些距离。这些特征的持续可以用于克服它们在给定数据体中的不均匀表示。这通过3D算子与数据集的卷积完成。通过体素密度模块170为所有体素计算置信度的度量。该置信度分数然后可以用于引导滤波和增强操作。
示例性体素密度模块170将3D算子与输入数据体卷积。对于运行窗口算子的每个位置,计数落入给定阈值范围的体素的数目。该计数操作的结果是窗口的中心体素的密度分数。高密度分数指示高置信度的体素。低密度分数突出低置信度的体素。以此方式,可以实现体(或属性)质量的稳定的、无混乱的估计。用户可以选择重要的密度值的具体范围,并且突出值以高浓度存在的区域。
图16演示对于10×10数据阵列的体素密度计算的数值结果。图16a示出包含0和9之间值的原始数据阵列。存在由阵列中的灰带指示的高值的斜的(diagonal)趋势。图16b包含从使用接受大于6的所有值对3×3算子的计算得到的密度分数。通过由可能采样的最大数目除以算子中采样的局部数目的比率缩放密度分数来处理边缘效应。因此,在角上,原始密度通过将其乘以9(总的算子大小)除以4(在该位置的算子中的采样的数目)的比率来校正。图16c然后包含将输出密度分数限制为4或更大值的结果。该阈值引入滤出低置信度区域的能力。
密度估计可以以两种示例性方式确定。在第一,体素密度模块170为每个算子位置确定密度分数。这是在图16中使用的计算方式。在第二,中心体素必须落入用于要计算的密度分数的指定阈值范围。该额外限制导致较不平滑的密度分数体,但是具有不模糊数据中存在的趋势的优点。该密度评分的中心通过方法的使用使得体素密度处理保持边缘。为不满足中心通过预定条件的体素输出空值。图17a包含在继续密度计算之前要求中心体素落入合适的阈值范围的10×10采样阵列的密度分数结果。图17b包含应用4的最小阈值到图17a中的密度分数的结果。在图16c中存在的“混乱”已经被移除,并且更聚焦于高值趋势(由灰带突出)的表示。
图18包含上述结果的图形表示。图18a包含如图16a的相同原始数据。图18b是为最小密度阈值阵列(图16c)中的每个非空位置输出原始数据阵列值的结果。图18c添加要求中心体素落入有效阈值范围(类似于图17b)的元素。图18d示出其中不执行密度计算的简单阈值操作的结果。这可以认为是来自接受所有6或更大值的1×1算子的体素密度结果。明显地,这些结果次于图18c中存在的那些结果。该差别演示了将阈值与置信度的3D估计组合的协同作用。在这个意义上,体素密度可以认为是空间加权阈值操作。
当应用到数据体时,体素密度产生密度分数体。该体类似于在图16和17中存在的结果。密度分数体是可视化数据中存在的不同趋势的重要性的方式。增强具有连贯的、持续的数据趋势的区域,同时削弱不连贯区域。
密度分数体还可以认为是体积置信度估计。在该数据置信度估计的情况下,可以执行各种操作。这些操作包括噪声滤波、边缘保持平滑和体对比增强的一个或多个。
输入数据体可以使用体素密度模块170以各种方式修改和增强。密度分数体可以认为是对于体中趋势的置信度估计。使用该置信度估计,可能通过体素值的密度分数引导重定比例增强体。阈值滤波可以移除不感兴趣的数据。还可能控制平滑度,其中平滑低置信度区域多于高置信度区域。
通过密度阈值滤波
可以通过移除具有低于指定截止值的密度分数的体素完成二进制滤波。以此方式,可以移除不重要数据区域。由空值取代具有低于指定最小值的密度分数的体素。这在图18b和18c中的数值阵列上演示。图20b示出该处理应用到海底峡谷的连贯性图像的结果。类似地,图21c包含将相同过程应用到变平的河道的曲率图像(图21b)的结果。
密度引导的平滑
体素是否通过最小密度阈值的相同标准可以用于控制数据体内的平滑操作。通过比通过最小密度测试的体素更多地平滑最小密度测试失败的体素,可以削弱不重要的数据区域。还可能控制哪些体素包括在平滑操作中。
图19a和19b包含分别应用3×3平均值和中值滤波器到图18a中的原始数据的结果。图19c示出仅应用平均值平滑到最小密度测试失败的体素的结果。通过测试的体素被认为是高置信度的,并且不平滑。类似地,图19d包含仅应用中值算子到最小密度测试失败的体素的结果。图19e和19f示出修改选择性平滑以仅包括落在初始阈值范围外部的体素的结果。在两种情况下,这具有抑制平滑区域中的值(使它们变暗)的结果。这导致更大的视觉对比,以及改进的用于采样阵列的S/N比。明显地,图19e和19f包含优于图18a中原始数据阵列的平滑的结果。
图20c包含应用该置信度自适应平滑到海底峡谷的连贯性图像的结果。仅平滑最小密度测试失败的体素。仅仅落在有效阈值范围外部的体素包括在平滑中。应该注意,该自适应平滑的方法已经保持在峡谷中的边缘存在的精细细节。
数据体的对比增强
体素通过最小密度测试还是最小密度测试失败可以用于控制数据体的重定比例。通过的体素通过大于1的因子重定比例。测试失败的那些通过小于1的因子重定比例。精确的重定比例因子依赖于原始数据值以及该体素的密度分数。在概念上,每个体素通过其自身值和其重定比例朝向的极值之间的差的百分比来重定比例。通过两个等式控制百分比重定比例。对于通过最小密度测试的体素:
Ratiopass=1+(Dscore-Dneutral)/(Nvalues-Dneutral)
对于最小密度测试失败的体素,重定比例比率等式是:
Ratiofail=(Dneutral-Dscore)/Dneutral
该比率然后乘以原始体素值以获得重定比例的体素值。“重定比例强度”术语的添加考虑更精细的重定比例操作。图22包含应用这种类型的重定比例到采样数据阵列的数值和图形结果。图16a中高值的趋势(由灰带突出)已经增强,同时抑制围绕其的值的分散。图22b具有比图18a中的原始阵列更改进的S/N比。还示出数据直方图上的效果。
图20d示出应用该操作到海底峡谷的连贯性图像的结果。用0.5的强度进行该重定比例。对图21d的河道的曲率图像执行相同类型的对比增强。如在自适应平滑的情况下,在数据中已经保持重要边缘,同时改进S/N比。
局部自适应操作
还可能修改重定比例操作以仅局部重定比例高值。通过将阈值范围链接到数据体中的局部变化,仅仅局部高体素将在密度计算中计数。这避免高噪声背景压倒体素密度处理,并且提供更健壮的结果,其中特征的特性体素值显著变化。图23b是示出一系列断层的连贯性图像。可以视觉地确定单个阈值范围不能在不允许许多周围噪声也被增强的情况下表现存在的所有的断层的部分。重要数据更多通过它们的线性趋势被识别,并且是局部高值。通过将阈值范围链接到局部变化,可以增强这些断层,同时削弱周围噪声。
图23示出在来自墨西哥湾数据集的时间片上局部自适应体素密度受控平滑和对比增强的效果。图23a包含已经应用轻(3×3)中值滤波器以降低随机噪声的原始数据。图23b是到数据体的连贯性的结果。图23d和23e使用由图23c中可见的变化分布控制的局部可变阈值来产生。具有更高变化的区域(趋向更浅的灰)使得在密度计算中使用更紧的阈值范围。图23d和23e分别包含图23b中的原始连贯性片的局部自适应对比增强和平滑。
图24演示应用到相同体的更深时间片的相同操作。单个阈值范围将不成功捕获图24b中存在的所有重要数据趋势。因此,用于体素密度计算的局部自适应变化受控方法产生好的结果。图24c和24d分别包含对比增强和平滑结果。
图25a是示出在周围断层的情况下盐体部分的连贯性图像。图25b和25c示出对比增强数据。保持断层的整体趋势,同时周围的不重要数据区域在值上减小。这些数据体然后用断层增强(增强连贯性体中浸渍平面特征的属性)处理。图25d是用于原始连贯性图像的断层增强输出。其受多个假轮廓(lineament)妨碍。当从对比增强的连贯性体处理断层增强体时,这些无关数据大大减少。图25f具有三个断层增强体的最高S/N比。它从最高对比体计算(图25c)。
体素密度模块提供在数据体中评分置信度的方式。落入给定阈值范围的体素的数目在运动3D算子内计数。该计数结果是算子的中心体素的密度分数。具有高密度分数的体素视为重要的,而那些具有低密度分数的可以视为噪声。可以保持或增强重要数据区域,同时平滑或滤出不重要数据区域。
体素密度引导的平滑和重定比例操作是保持边缘的。重要趋势可以增强,同时维持它们的整体形状和内部纹理。这通过比有效数据趋势更多地选择性平滑不重要区域来完成。类似地,重要的数据趋势可以选择性地向上增益,同时消减周围噪声。这样的操作保持数据的原始风味,但是具有增加的S/N比。
密度评分中包括的阈值范围可以链接到数据体中的局部变化。以此方式,保持局部重要的数据趋势。这允许体素密度用于具有在数据区域之间变化的重要数据值范围的数据集。
当用于为了视觉和自动解释而预处理数据时,体素密度表示潜在的很有价值的工具。例如,至少可以改进S/N比,并且通过选择性平滑可以给予重要趋势视觉强调。
图2图示根据本发明确定体素连通性的示例性实施例。具体地,控制在步骤S200开始,并且继续到步骤S210。在步骤S210,输入如地震数据体的数据体。接下来,在步骤S220,绘制连通的非空体素。然后,在步骤S230,根据构成体素的数目确定连通性分数。然后控制继续到步骤S240。
在可选步骤S240,基于选择的连通性分数,可以过滤特征。类似地,在步骤S250,如果特征在连通性范围内,则可以过滤它们。控制然后继续到步骤S260。
在步骤S260,输出和保存视觉混乱减少的地震数据体。控制然后继续到步骤S270,在此控制序列结束。
图3图示根据本发明的减少反射的示例性方法。具体地,控制在步骤S300开始,并且继续到步骤S310。在步骤S310,输入地震数据体。例如,输入的数据体可以是在图2所示的处理中保存的数据体。接下来,在步骤S320,所有反射瓣的振幅可以可选地规则化,控制继续到步骤S330。
在步骤S330,对于每个算子位置,执行步骤S332-S338。具体地,在步骤S332,进行确定算子的中心体素是否具有算子内的所有体素的最高绝对振幅。接下来,在步骤S334,如果最高振幅体素不在算子的中心,则处理移动到下一体素。
在步骤S336,如果最高绝对振幅体素处于算子的中心,则将体素值写到其原始位置中的输出体。接下来,在步骤S337,从中心体素执行向上和向下搜索,以确定主反射瓣的范围。然后,在步骤S338,将主反射瓣的整个范围保存到输出。控制然后继续到步骤S340,在此控制序列结束。
图4图示体素抑制的示例性方法,在输入体(如图3中保存的体)的情况下控制在步骤S400开始,并且继续到步骤S410。在步骤S410,对于每个算子位置,通过绝对值分类所有体素。接下来,在步骤S420,用户指定值之上的体素保持在它们的原始位置。然后,在步骤S430,根据RF=整个体标准偏差/算子标准偏差可选地执行用于规则化的重定比例。控制然后继续到步骤S440。
在步骤S440,算子中心的体素被重定比例,使得它们被强调。接下来,在步骤S450,输出和保存视觉改进的体。
图5图示示例性体素密度确定方法。在输入体(如图4中保存的体)的情况下控制在步骤S500开始,并且继续到步骤S510。在步骤S510,对于运行窗口的每个位置,计数给定阈值范围内的体素数目。接下来,在步骤S520,输出窗口的中心体素的密度分数。这通过子例程S522和S524完成。具体地,在步骤S522,确定对于每个算子位置的密度分数。然后,在步骤S524,如果中心体素落入指定阈值范围,则计算密度分数,更高的密度分数与高置信度的体素相关,并且更低密度分数与更低置信度的体素相关。
在步骤S530,例如,输出和保存密度分数体作为体积置信度估计。控制然后继续到步骤S540,在此控制序列结束。
图26-30图示应用到地震数据的在此公开的各种示例性技术。然而,应该认识到,在此公开的技术还可以用于其它类型的数据,如医学成像数据、表示物品、身体、(各)对象的2D或3D数据等。
图26图示应用到连贯性的体素密度。面板(a)包含海底峡谷的连贯性图像。面板(b)示出应用二进制体素密度滤波到面板(a)中数据的结果。分配给最小密度阈值测试失败的体素空值。面板(c)示出体素密度受控平滑的结果。体素密度分数用于改变面板(d)中的数据对比。体素密度受控平滑和对比增强保持数据的原始环境,而不是简单移除密度阈值测试失败的体素。
图27图示体素抑制的示例。面板(a)包含原始振幅部分。水平平坦盐体的顶部和底部由面板(a)中的箭头指示。面板(b)示出应用体素抑制到面板(a)中数据的结果。已经保持更高振幅事件(包括与盐体相关联的那些),同时已经移除围绕低振幅的多数。一些分散的反射片段保留(如由面板(b)中的箭头指示的)。
图28图示反射衰减的结果的示例。具体地,反射衰减技术应用于稀疏地震数据。面板(a)包含体素抑制结果。数据现在是稀疏的。该稀疏改进反射衰减的性能(面板(b))。面板(c)和(d)分别在该示例性反射衰减操作中将仅考虑峰值或波谷的增加限制的情况下处理。面板(c)包含用于突出由面板(a)中的箭头指示的平坦盐体的最佳结果。
图29图示体素连通性技术的示例。面板(a)包含体素抑制结果。水平平坦盐体的顶部和底部由面板(a)中的箭头指示。面板(b)示出移除所有由少于200体素组成的连通体素体的结果。面板(c)包含滤出所有具有少于800成分体素的连通体的更好结果。
图30图示示例性属性序列。在该属性序列中,在此描述的整个工作流应用到真实数据。面板(a)包含来自北海数据体的振幅片。盐的顶部位置由面板(a)中的箭头指示。面板(b)示出应用体素抑制到面板(a)中示出的数据的结果。注意到非盐反射的多数已经被滤出(如由箭头所突出的)。应用反射衰减到体素抑制输出的结果在面板(c)中示出。面板(d)包含通过体素密度滤波的最终结果。由面板(c)中箭头突出的分散的反射片段已经被移除。
尽管已经关于特定事件的序列讨论了上述流程图,但是应该认识到,可以出现对于这些序列的改变而不本质上影响本发明的操作。此外,事件的实际序列不需要如在示例性实施例中阐述的那样出现。此外,在此说明的示例性技术不限于具体说明的实施例,而是还可以在其它示例性实施例的情况下被利用,并且每个描述的特征是可个别和分开要求保护的。
本发明的系统、方法和技术可以在专用计算机、编程的微处理器或微控制器和(各)外围集成电路元件、ASIC或其它集成电路、数字信号处理器、硬布线电子或逻辑电路(如离散元件电路)、可编程逻辑器件(如PLD、PLA、FPGA、PAL)或者任何装置等上实现。通常,能够实现反过来能够实现在此说明的方法的状态机的任何设备,可以用于实现根据本发明的各种方法和技术。
此外,所公开的方法可以容易地使用对象或面向对象的软件开发环境在处理器可执行软件中实现,所述软件开发环境提供可以在各种计算机或工作站平台上使用的便携式源代码。可替代地,所公开的系统可以部分或全部以使用标准逻辑电路或VLSI设计的硬件实现。是软件还是硬件用于实现根据本发明的系统取决于系统的速度和/或效率要求、特定功能、以及利用的特定软件或硬件系统或微处理器或微计算机系统。在此说明的系统、方法和技术可以容易地由来自在此提供的功能性描述的可应用领域、并且具有计算机和地质领域的一般基础知识的普通技术人员,以使用任何已知或之后开发的系统或结构、设备和/或软件的硬件和/或软件来实现。
此外,所公开的方法可以容易地以软件实现,所述软件可以存储在计算机可读存储介质上,在使用控制器和存储器的协作的编程的通用计算机、专用计算机、微处理器等上执行。本发明的系统和方法可以以C或C++、Fortran等实现为嵌入个人计算机的程序,如小应用程序、
或CGI脚本,作为驻留在服务器或计算机工作站上的资源,作为嵌入专用系统或系统组件的例程等。系统还可以通过物理地将系统和/或方法并入软件和/或硬件系统(如专用地震解释设备的硬件和软件系统)来实现。
因此,显而易见的是已经提供了根据本发明的、用于解释数据的系统和方法。尽管已经结合多个实施例描述了本发明,但是明显的是许多替换、修改和变化对于可应用领域的普通技术人员将是或者是显而易见的。因此,旨在包括在本发明的精神和范围内的所有这种替换、修改、等价物和变化。