CN106226817A - 基于连续平行坐标的多属性地震数据可视化方法 - Google Patents

Abstract

本发明公开一种基于连续平行坐标的多属性地震数据可视化方法，通过采用八叉树分级的方法，对均匀区域进行加速处理，减少这些均匀区域的绘制次数，提高算法效率；并通过绘制平行坐标域的密度图，展现多属性之间的关联关系；然后设计二三维联动的可视分析交互平台，省去繁琐的人工设置传输函数操作，通过对连续平行坐标上感兴趣的区域，进行框选等操作，自动设置每个属性数据的传输函数，从而在融合体绘制的结果图像中突出展示所框选的感兴趣的数据区域。

Description

基于连续平行坐标的多属性地震数据可视化方法

技术领域

本发明涉及地震数据处理领域，特别涉及一种多属性地震数据可视化技术。

背景技术

地震属性是地震数据感兴趣区域定量划分的一种属性，自从上世纪70年代初提出以来，已经成为了地震解释项目的一个重要组成部分，现如今，从地震数据中计算出有超过100个不同的地震属性，这些属性被广泛应用于地质结构、地层学和演示/孔隙流体性的解释当中。地震属性的发展是与计算机技术的进步密切相关。

现如今，石油勘探点技术越来越成熟，物探人员能考勘测的地形复杂度越来越高，但还是有很多隐蔽油气仅仅依靠常规的技术手段还是无法被勘测出来，换句话来说也就是勘测技术还需要很大的进步空间。因此，通过其寻找油气藏的分布，这对于可视化技术来说是一个前所未有的挑战。多地震属性分析丰富了地震解释的信息和途径，是常规单属性体绘制方法的一个有力的补充，因而在以后的发展中，多属性地震数据可视化将成为可视化研究的一个突破性领域。

在地震数据的领域，必须面对几百多种地震属性数据，而由于地震数据具有信噪比低、差异度小的特点，传统的单纯针对数据的分析方法，例如数据挖掘等，不能很好地帮助找寻需要地质目标。如何有效地分析和利用这些数据和准确是试图解决的关键问题。因此，将可视分析方法应用于多种属性的地震数据分析将对石油勘测有着重要的意义。

多属性地震数据可视分析方法可以减少地质目标的多解性，提高地质构造的刻画精度。常规的多属性数据可视化方法是平行坐标和散点图。平行坐标思想是将多属性值投影到每一个属性对应的平行的坐标轴上，然后连接成线，以表现多种属性之间的关联关系。但是，由于属性数据通常数据量比较大，这些坐标轴之间的折线会非常密集，从而造成线的重复绘制，影响绘制效果，从而影响属性关系的表达效果。

连续平行坐标算法

平行坐标作为一种多维数据可视化方法是由Inselberg所提出的。在这种方法中，坐标轴为互相平行的直线，每个表示一个一种属性。一个N维(即N种属性构成的数据)由N-1条折线表示，这N-1条折线与坐标轴相交的点分别代表了N种属性。

这条N维数据所构成的折线可以由N-1个线性无关的方程表示，如公式(1)所示：

$\frac{x_1-a_1}{u_1}=\frac{x_2-a_2}{u_2}=...=\frac{x_n-a_n}{u_n}---\left(1\right)$

由上边的公式可以看出：

x_i+1＝m_ix_i+b_i,i＝1,2,...,n-1 (2)

其中m_i＝u_i+i/u_i表示的是斜率，b_i+1＝a_i+1-m_i+1a_i+1表示是在x_ix_i+1平面上x_i+1坐标轴上的截距。

对于大规模的数据，由于属性数据通常数据量比较大，这些坐标轴之间的折线会非常密集，从而造成线的重复绘制效果，影响绘制效果，从而影响属性关系的表达效果。可以利用连续平行坐标方法绘制平行坐标域内的密度图，形成连续的平行坐标图，来可视化多个属性的关联关系。通常地，在不同的坐标系统上投影属性值，如图1所示，对于两个属性的属性数据，ξ₁和ξ₂代表在数据域(data domain)的投影点，同时，η₁和η₂代表数据在平行坐标域(parallel-coordinates)的投影点。依据平行坐标的思想，任何一个具有两个属性值的点ξ:(ξ₁,ξ₂)被投影到了数据域的点会映射到平行坐标域上ξ₁和ξ₂坐标轴之间的的一条直线，这条直线表达为：

$L_{\mathrm{\η}}^{\mathrm{\ξ}}:{\mathrm{\η}}_2=({\mathrm{\ξ}}_2-{\mathrm{\ξ}}_1){\mathrm{\η}}_1+{\mathrm{\ξ}}_1;{\mathrm{\η}}_1\∈\[0,1\]---\left(3\right)$

相应的，对于任意在平行坐标域内具有两个属性值的点η:(η₁,η₂)对应于数据域中的一条线那么这个点η:(η₁,η₂)在平行坐标域中的密度可以表示为：

发明内容

本发明为解决上述技术问题，提出一种基于连续平行坐标的多属性地震数据可视化方法，针对多属性地震数据，利用连续平行坐标思想，根据多属性数据，绘制平行坐标之间的密度图，取代以往绘制的折线图，从而解决重复绘制的问题，基于此，通过多维数据的关联分析和人机交互的方式获得目标特征参数，并将其指导多属性融合体绘制的融合参数设定，形成一套完整的可视分析流程。

本发明采用的技术方案是：基于连续平行坐标的多属性地震数据可视化方法，包括：

S1、绘制数据域密度图，具体包括以下分步骤：

S11、对于每个空间域的小六面体V，计算投影到数据域的Φ；

S12、判断Φ是否小于门限值，是则转至步骤S14；否则转至步骤S13；

S13、将该小六面体V细分为八个新的六面体，采用三线性插值得到新顶点的属性；并转至步骤S11；

S14、根据密度σ绘制Φ所代表的小矩形框，采用饱和相加法进行叠加，得到数据域密度图；

S2、根据步骤S1得到的数据域密度图，得到平行坐标域的密度图；具体为：对于平行坐标域上的每个点，找出它所对应的数据域上的线段，并按照按步长进行均匀采样的方式在这条线段上进行密度的采样，得到平行坐标域的密度图；

S3、融合体绘制，具体包括以下分步骤：

S31、为体素的每一种属性数据设置初始的传输函数；

S32、根据步骤S2得到的平行坐标域上连续的密度图，框选连续平行坐标域上每个坐标轴上感兴趣的区域；

S33、根据步骤S32的感兴趣的区域更新传递函数，为这个数据区域设置高的A值；

S34、根据步骤S33得到的传递函数将体素的各属性映射为RGBA；

S35、将体素中每个属性对应的RGBA按照每个属性值对应的A值进行加权平均，得到该体素的RGBA值。

进一步地，步骤S11通过下式将每个空间域的小六面体V，投影到数据域的Φ；

Φ＝τ(V)；

其中，τ(V)表示从空间域的小六面体到数据域多边形的映射关系。

进一步地，步骤S14中所述的密度σ计算式为：

$\mathrm{\σ}=\frac{V}{\mathrm{\Φ}}.$

更进一步地，步骤S14所述根据密度σ绘制Φ所代表的小矩形框，具体步骤为：根据σ所代表的密度大小，设置绘制Φ时候的RGBA值，采用σ来控制R值，G和B值设置为0，A值设置为1。

进一步地，所述步骤S2还包括：采用线性的色表为平行坐标域的密度图赋予颜色，从密度大到密度小，颜色依次表示为黄色，红色，蓝色，黑色。

进一步地，所述步骤S32还包括：对于缺省的属性，将该缺省的属性的色标的不透明度设置为0.5。

进一步地，所述步骤S32还包括：对于选定的属性，将其被选中的数据范围的不透明度设置为1，将其数据范围外的部分的不透明度设置为0。

本发明的有益效果：本发明通过采用八叉树分级的方法，对均匀区域进行加速处理，减少这些均匀区域的绘制次数，提高算法效率；并通过绘制平行坐标域的密度图，展现多属性之间的关联关系；然后设计二三维联动的可视分析交互平台，省去繁琐的人工设置传输函数操作，通过对连续平行坐标上感兴趣的区域，进行框选等操作，自动设置每个属性数据的传输函数，从而在融合体绘制的结果图像中突出展示所框选的感兴趣的数据区域。

附图说明

图1为平行坐标几何模型。

图2为本申请提供的空间域投影到数据域的示意图。

图3为本申请提供的数据域密度图绘制流程图。

图4为本申请提供的数据域与平行坐标域转换对照图。

图5为本申请提供的融合体绘制流程图。

具体实施方式

为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。

本发明首先对于多属性地震数据两两组合，然后在数据域得到多对两两组合的属性的密度图；其次，为了求得每两种属性的平行坐标域内每个点的密度，对这两种属性的数据域密度图上，这个点对应的线求取积分，得到多个属性构成的连续平行坐标域内的密度图；最后，通过人机交互手段，通过在平行坐标域上的框选操作，指导融合体绘制融合参数的设定，并完成最终的融合体绘制。

人机交互具体过程为：通过多维数据之间关联关系的展示，用户可以进行分析，通过交换平行坐标坐标轴和框选平行坐标轴上各个属性坐标轴上用户感兴趣的区域等人工操作，自动设置各个属性的传递函数，完成融合体绘制。

由于原始数据中有很多均匀的区域，为了减少这些均匀区域的绘制次数，提高算法效率，本申请采用八叉树分级的思想来加速处理这些均匀区域。对于每个八叉树的节点，存放Φ在每个属性的最大值和最小值，八叉树的同一层有相同大小的V。本申请首先为原始输入数据建立八叉树，在绘制数据域密度图阶段，遍历八叉树，如果此时的节点表示的Φ小于设定的门限，则绘制这个节点投影得到的矩形，如果大于设定的门限，则需要继续向下遍历，直到小于门限，如果已经遍历到八叉树的叶子节点，则利用上文所描述的细分方法，得到八个新的子节点。

本发明的技术方案为：基于连续平行坐标的多属性地震数据可视化方法，包括：

S1、绘制数据域密度图，本发明首先要得到两两属性数据的数据域的密度图，它可以表征这两种属性之间的关联关系，也是得到连续平行坐标图的前提。如图3所示绘制数据域密度图的流程图，具体包括以下分步骤：

S11、对于每个空间域的小六面体V，计算投影到数据域的Φ；本申请把数据域分为几类，输入数据都是三维体数据(即维度n＝3)，成为空间域；第二个域为数据域，代表多属性在二维空间的投影，所以它的维度为m＝2。从第一个域映射到第二个域的映射方式表达为：

Rⁿ→R^m (5)

本申请中，采用σ来定义数据域中点密度，用V来描述在空间域的每个小六面体，这个V可以映射到数据域为Φ＝τ(V)，Φ有连续的密度，它的密度表达为：τ(V)表示从空间域的小六面体到数据域多边形的映射关系，可以很容易将这种映射关系应用到多属性地震数据中。对于两个属性数据，六面体上的每个顶点都有两个属性值，在数据域为这两个属性分别建立一个坐标轴，将这八个点分别按照属性值投影到数据域的坐标系内。投影完成后，得到Φ。在这里，Φ代表的是的小矩形框。

如图2所示，这种投影方式也适用于多属性地震数据。对于两个属性数据，六面体上的每个顶点都有两个属性值，本申请在数据域为这两个属性分别建立一个坐标轴，将这八个点分别按照属性值投影到数据域的坐标系内。投影完成后，得到Φ。在这里，本申请采用Φ的外接矩形的面积来表示Φ的大小，如图2中的虚线框。

S12、判断Φ是否小于门限值，是则转至步骤S14；否则转至步骤S13；如图2所示的投影方式是自适应的，通过设定门限值，可以控制近似误差，一旦Φ超过了给定的门限值，那么V需要进行细化，来确保差错在一定的误差范围内；如果Φ小于给定的门限，可以用密度V/Φ来近似V在数据域密度图中的贡献。

S13、将该小六面体V细分为八个新的六面体，采用三线性插值得到新顶点的属性；并转至步骤S11；

S14、根据密度σ绘制Φ所代表的小矩形框，采用饱和相加法(Additive-Blending)进行叠加，得到数据域密度图。所述根据密度σ绘制Φ所代表的小矩形框，具体步骤为：根据σ所代表的密度大小，设置绘制Φ时候的RGBA值，采用σ来控制R值，G和B值设置为0，A值设置为1。

绘制矩形框利用饱和相加的方法(Additive-Blending)，将每次绘制矩形框的R值进行叠加。

S2、根据步骤S1得到的数据域密度图，得到平行坐标域的密度图；从而完成连续平行坐标的绘制。如图4所示为数据域与平行坐标域转换对照图，图中的data domain表示数据域，parallel-coordinates表示平行坐标域，数据域中点A＝(a₁,a₂)在平行坐标域中可以表示为相交于平行坐标轴上点(0,a₁)和(d,a₂)的一条折线：

$\stackrel{\‾}{A}:y=\frac{a_2-a_1}{d}x+a_1,d\≠0---\left(6\right)$

其中，d为两个平行坐标轴之间的间距。对于数据域中，一条线段(l:x₂＝mx₁+b)上的一系列点，比如A、B，会表示为平行坐标之间的一系列折线，如这些折线相交于点：

$l_{12}:(\frac{d}{1-m},\frac{b}{1-m}),m\≠1---\left(7\right)$

所以，数据域上线段l即为平行坐标域上点l₁₂所对应的线段。对于平行坐标域上的每个点，找出它所对应的数据域上的线段，并按照一定的采样方式在这条线段上进行密度的采样，最终，就得到了平行坐标域上连续的密度图，这里本申请采用线性的色表来为平行坐标域的密度图赋予颜色，从密度大到密度小，颜色表示为黄色--红色--蓝色--黑色。

S3、融合体绘制，对于多属性地震数据，融合体绘制的目标是将体数据的属性值映射到光学属性，对于多属性的融合体绘制，这个过程可以用下式描述：

RGBA＝f(v₁,v₂…v_n) (8)

其中，RGBA分别代表一个体素的红(R)，绿(G)，蓝(B)和不透明度(A)。首先将每个体素的属性值映射到RGBA，然后利用每个属性在这个体素的A值，即不透明度进行RGBA的加权平均，得到这个体素最终的RGBA值。之所以利用A值进行加权平均，是因为不透明度代表用户感兴趣的程度，用户感兴趣的区域，设置为高的不透明度；感兴趣程度低的区域，设置为低的不透明度。

如图5所示，Atribute表示体素的属性，A₁表示RGBA1的不透明度，A₂表示RGBA2的不透明度，A₃表示RGBA3的不透明度，······，Transfer Function表示传递函数，RGBA1表示属性Atribute₁映射的颜色，同理，RGBA2表示属性Atribute₂映射的颜色，RGBA3表示属性Atribute₃映射的颜色，RGBA表示RGBA1、RGBA2、RGBA3根据不透明度A加权平均得到的体素的颜色值。

融合体绘制，具体包括以下分步骤：

S31、为体素的每一种属性数据设置初始的传输函数；

S32、根据步骤S2得到的平行坐标域上连续的密度图，框选连续平行坐标域上每个坐标轴上感兴趣的区域；由于在属性的拾取过程中具有随机性，即有属性可能不被选中拾取，所以这里本申请做出如下两种规则：

第一，对于缺省的属性，即在拾取交互中并未选中该属性数据区域的地震属性，将它的色表的不透明度统一设置为0.5，即半透明；

第二，对于选定的属性，将其被选中的数据范围的不透明度设置为1，即完全不透明，将数据范围外的部分设置为0，即完全透明。

有了上述两条规则，经过框选，重新更新每个属性数据的传递函数。

S33、根据步骤S32框选出的感兴趣的区域更新传递函数；

S34、根据步骤S33得到的传递函数将体素的各属性映射为RGBA；

S35、将体素中每个属性对应的RGBA按照每个属性值对应的A值进行加权平均，得到该体素的RGBA值。

将体素中每个属性对应的RGBA按照每个属性值对应的A值进行加权平均。因为根据前面的步骤，A值，即不透明度，而用不透明度作为权重也是因为，不透明度就代表了对属性中各部分的感兴趣度，感兴趣的不透明度要高些，而合成的时候也希望感兴趣的部分占的比重要大些，这与不透明度最初的设定是吻合的，因此基于不透明度加权融合体绘制有其合理性。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (7)

1.基于连续平行坐标的多属性地震数据可视化方法，其特征在于，包括：

S1、绘制数据域密度图，具体包括以下分步骤：

S11、对于每个空间域的小六面体V，计算投影到数据域的Φ；

S12、判断Φ是否小于门限值，是则转至步骤S14；否则转至步骤S13；

S13、将该小六面体V细分为八个新的六面体，采用三线性插值得到新顶点的属性；并转至步骤S11；

S14、根据密度σ绘制Φ所代表的小矩形框，采用饱和相加法进行叠加，得到数据域密度图；

S2、根据步骤S1得到的数据域密度图，得到平行坐标域的密度图；具体为：对于平行坐标域上的每个点，找出它所对应的数据域上的线段，并按照按步长进行均匀采样的方式在这条线段上进行密度的采样，得到平行坐标域的密度图；

S3、融合体绘制，具体包括以下分步骤：

S31、为体素的每一种属性数据设置初始的传输函数；

S32、根据步骤S2得到的平行坐标域上连续的密度图，框选连续平行坐标域上每个坐标轴上感兴趣的区域；

S33、根据步骤S32的感兴趣的区域更新传递函数，为这个数据区域设置高的A值；

S34、根据步骤S33得到的传递函数将体素的各属性映射为RGBA；

S35、将体素中每个属性对应的RGBA按照每个属性值对应的A值进行加权平均，得到该体素的RGBA值。

2.根据权利要求1所述的基于连续平行坐标的多属性地震数据可视化方法，其特征在于，步骤S11通过下式将每个空间域的小六面体V，投影到数据域的Φ；

Φ＝τ(V)；

其中，τ(V)表示从空间域的小六面体到数据域多边形的映射关系。

3.根据权利要求1所述的基于连续平行坐标的多属性地震数据可视化方法，其特征在于，步骤S14中所述的密度σ计算式为：

$\mathrm{\σ}=\frac{V}{\mathrm{\Φ}}.$

4.根据权利要求3所述的基于连续平行坐标的多属性地震数据可视化方法，其特征在于，步骤S14所述根据密度σ绘制Φ所代表的小矩形框，具体步骤为：根据σ所代表的密度大小，设置绘制Φ时候的RGBA值，采用σ来控制R值，G和B值设置为0，A值设置为1。

5.根据权利要求1所述的基于连续平行坐标的多属性地震数据可视化方法，其特征在于，所述步骤S2还包括：采用线性的色表为平行坐标域的密度图赋予颜色，从密度大到密度小，颜色依次表示为黄色，红色，蓝色，黑色。

6.根据权利要求1所述的基于连续平行坐标的多属性地震数据可视化方法，其特征在于，所述步骤S32还包括：对于缺省的属性，将该缺省的属性的色标的不透明度设置为0.5。

7.根据权利要求1所述的基于连续平行坐标的多属性地震数据可视化方法，其特征在于，所述步骤S32还包括：对于选定的属性，将其被选中的数据范围的不透明度设置为1，将其数据范围外的部分的不透明度设置为0。