CN109254320A - 基于图像处理方法的地震属性优化和砂体叠置区预测方法 - Google Patents
基于图像处理方法的地震属性优化和砂体叠置区预测方法 Download PDFInfo
- Publication number
- CN109254320A CN109254320A CN201811214606.XA CN201811214606A CN109254320A CN 109254320 A CN109254320 A CN 109254320A CN 201811214606 A CN201811214606 A CN 201811214606A CN 109254320 A CN109254320 A CN 109254320A
- Authority
- CN
- China
- Prior art keywords
- structural element
- seismic
- image processing
- seismic attribute
- processing method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 239000004576 sand Substances 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 238000013519 translation Methods 0.000 claims description 10
- 230000010339 dilation Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 2
- 238000003708 edge detection Methods 0.000 abstract description 8
- 230000003014 reinforcing effect Effects 0.000 abstract 1
- 238000003325 tomography Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于图像处理方法的地震属性优化和砂体叠置区预测方法，其步骤：输入地震数据，在目的层位选定待测位置，根据预先设定的时窗提取地震属性，并对地震属性进行敏感性优选；根据优选的地震属性以图像处理方法滤波进行预处理，得到预处理后的地震属性；根据预处理后的地震属性，以图像处理方法预测边缘信息，进而预测出砂体叠置区。本发明具有两种贴合地震属性特点的结构元素，且易于实现，滤波结果具有边缘保持能力；提出的图像处理方法边缘检测方法，结果连续且具有增强效果，对岩性边缘、断层以及砂体叠置区的预测和识别有非常明显的优势。
Description
技术领域
本发明涉及一种地震属性分析技术领域，特别是关于一种基于图像处理方法的地震属性优化和砂体叠置区预测方法。
背景技术
地震属性与储层展布情况之间存在着较为复杂的关系，从地震数据中提取能够反映储层展布信息的地震属性可以对储层进行准确的表征。储层地震预测，主要是以地震信息或地震属性为理论依据，并综合地质、测井及岩石物理等资料作为储层预测的约束条件，对油气储层的几何特征、地质特征及储层的岩性、形态、物性及含油气性等进行预测研究的一门专项技术。储层地震预测不仅应用于油气勘探过程中的储层参数预测及油气田开发阶段中的油气藏动态描述，而且在某种程度上还可以用于提高钻井成功率，降低勘探风险。目前，为了提高储层预测的精确度，特别是预测岩性边缘、断层和砂体叠置区等，各种数学方法被逐渐引入地震属性分析技术中，以期望识别更小尺度的边缘信息来得到更精确的储层预测结果。
然而，在实际工作中，地震数据或多或少的包含有各种线性的、非线性的噪音，单纯的线性方法难以有效的在保证一定分辨率的前提下去除这些干扰，进而对边缘拾取产生一定的影响，导致储层预测难以获得最准确的预测结果。常规的压制噪声方法包括：均值滤波、中值滤波、截断均值滤波、多步中值滤波和高斯滤波等，均存在信噪比与分辨率之间的矛盾，进而对后续的边缘检测产生重要影响，甚至可能因为噪声的干扰产生伪边缘。
目前主要的边缘检测方法包括Roberts算子、Sobel算子、Prewitt算子、LOG算子和Canny算子等，这些方法都是线性的微分方法，通过高阶导数来放大数据之间差异，进而达到预测边缘的目的。然而，这些方法无可避免的一个缺点是在放大数据之间差异的同时也放大了干扰信息，因此对噪声敏感。尤其在地震属性分析领域中，因为地震属性包含了较多的干扰信息，从而使得应用效果不好，无法达到目前所要求的储层预测精度。
近年来，图像处理方法作为一种非线性的新方法，在压制噪声的过程中，提高信噪比的同时能够最大限度的保证分辨率，具有较好的边缘保持能力；在边缘检测的过程中，能够得到更加连续、具有更多方向信息、并且具有一定增强效果的边缘预测结果。1964年，J.Serra从理论上首次介绍了图像的数学表达式，以此奠定了图像处理方法的理论基础。将图像处理方法引入地震属性分析技术中作为一种工具，可以从地震属性中提取描绘砂体展布形状的有用分量，如岩性边缘、断层和砂体叠置区等，以此达到精确预测储层的目的。
发明内容
针对上述问题，本发明的目的是提供一种基于图像处理方法的地震属性优化和砂体叠置区预测方法，其能更为直观的预测属性与储层信息之间的复杂关系，进一步提高储层的预测精度。
为实现上述目的，本发明采取以下技术方案：一种基于图像处理方法的地震属性优化和砂体叠置区预测方法，其包括以下步骤：1)输入地震数据，在目的层位选定待测位置，根据预先设定的时窗提取地震属性，并对地震属性进行敏感性优选；2)根据优选的地震属性以图像处理方法滤波进行预处理，得到预处理后的地震属性；3)根据预处理后的地震属性，以图像处理方法预测边缘信息，进而预测出砂体叠置区。
进一步，所述步骤2)中，以图像处理方法滤波包括以下步骤：2.1)以结构元素“b1”对地震属性进行开运算，再以结构元素“b2”对得到的开运算结果进行闭运算；其中，结构元素“b1”为十字形结构元素，结构元素“b2”为矩形结构元素；2.2)以结构元素“b1”对地震属性进行闭运算，再以结构元素“b2”对得到的闭运算结果进行开运算；2.3)对步骤2.1)和方法步骤2.2)所求得的结果求取算术平均值，得到地震属性。
进一步，令输入的地震属性表示为f，则以结构元素“b”对地震属性进行开运算表示为：
以结构元素“b”对地震属性进行闭运算表示为：
其中，fΘb表示为当b的中心点位于(x,y)处时，用结构元素b在(x,y)处对待处理地震属性f的腐蚀运算；表示为当b的中心点位于(x,y)处时，用结构元素b在(x,y)处对待处理地震属性f的膨胀运算。
进一步，用结构元素b在(x,y)处对待处理地震属性f的腐蚀运算为：
式中，f()表示输入的地震属性；s表示结构元素b在x方向的平移量，t表示结构元素b在y方向上的平移量。
进一步，用结构元素b在(x,y)处对待处理地震属性f的膨胀运算为：
式中，f()表示输入的地震属性；s表示结构元素b在x方向的平移量，t表示结构元素b在y方向上的平移量。
进一步，所述步骤3)中，图像处理方法预测边缘信息的具体方法为：使用结构元素“b2”对地震属性拾取边缘：
式中，EDE表示拾取的边缘。
本发明由于采取以上技术方案，其具有以下优点：1、本发明对所提取的地震属性进行图像处理方法滤波，这种滤波方法在提高信噪比的同时能够保证分辨率，具有边缘保持能力。2、本发明采用的边缘检测方法能够以一种更为直观的方法去反映隐藏在地震属性中的储层信息。3、本发明将滤波方法与边缘检测方法有机的结合在一起，降低了产生伪边界的可能性，提高了检测结果的准确性。可与现有的地震属性分析技术结合使用，进一步提高预测精度。
附图说明
图1是本发明的整体流程示意图；
图2是本发明步骤2)中结构元素示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明提供一种基于图像处理方法的地震属性优化和砂体叠置区预测方法，其包括以下步骤：
1)输入地震数据，在目的层位选定待测位置，根据预先设定的时窗提取地震属性，并对地震属性进行敏感性优选；其中，优选方法可以采用现有方法，如SDC,RS方法等；
2)根据步骤1)中优选的地震属性以图像处理方法滤波进行预处理，得到预处理后的地震属性；
以图像处理方法滤波包括以下步骤：
2.1)以结构元素“b1”对地震属性进行开运算，再以结构元素“b2”对得到的开运算结果进行闭运算；
2.2)以结构元素“b1”对地震属性进行闭运算，再以结构元素“b2”对得到的闭运算结果进行开运算；
2.3)对步骤2.1)和方法步骤2.2)所求得的结果求取算术平均值，作为滤波结果，即为得到的地震属性。
其中，结构元素“b1”为十字形结构元素，结构元素“b2”为矩形结构元素，在一个优选的实施例中，优选结构元素为3×3大小的十字形、矩形结构元素。
如图2所示，其中，灰色点标识结构元素中心点的位置，黑色点标识参与计算数据的位置，白色点标识不参与计算的数据。令输入的地震属性表示为f，则以结构元素“b”对地震属性进行开运算表示为：
以结构元素“b”对地震属性进行闭运算表示为：
其中，fΘb表示为当b的原点(中心点)位于(x,y)处时，用结构元素b在(x,y)处对待处理地震属性f的腐蚀运算，表示为：
其中，表示为当b的原点(中心点)位于(x,y)处时，用结构元素b在(x,y)处对待处理地震属性f的膨胀运算，表示为：
式中，f()表示输入的地震属性；s表示结构元素b在x方向的平移量，t表示结构元素b在y方向上的平移量，以便结构元素b的原点能够访问f中的每一个像素。
3)根据步骤2)得到的预处理后的地震属性，以图像处理方法预测边缘信息，进而预测出砂体叠置区；
根据边缘信息预测出砂体叠置区的方法为：在一幅优选的地震属性中，往往包含岩性界线、砂体叠置界线、断层等，识别出这些界线信息，尤其是砂体叠置界线即认为预测出砂体叠置区。
图像处理方法预测边缘信息的具体方法为：使用结构元素“b2”对地震属性拾取边缘：
式中，EDE表示拾取的边缘。
综上所述，本发明对所提取的地震属性进行图像处理方法滤波，这种滤波方法在提高信噪比的同时能够保证分辨率，具有边缘保持能力；采用的边缘检测方法是一种直观表现，能够以一种更为直观的方法去反映隐藏在地震属性中的储层信息；将滤波方法与边缘检测方法有机的结合在一起，降低了产生伪边界的可能性，提高了检测结果的准确性。可与现有的地震属性分析技术结合使用，进一步提高预测精度。
上述各实施例仅用于说明本发明，各个步骤都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别步骤进行的改进和等同变换，均不应排除在本发明的保护范围之外。
Claims (6)
1.一种基于图像处理方法的地震属性优化和砂体叠置区预测方法，其特征在于，包括以下步骤：
1)输入地震数据，在目的层位选定待测位置，根据预先设定的时窗提取地震属性，并对地震属性进行敏感性优选；
2)根据优选的地震属性以图像处理方法滤波进行预处理，得到预处理后的地震属性；
3)根据预处理后的地震属性，以图像处理方法预测边缘信息，进而预测出砂体叠置区。
2.如权利要求1所述方法，其特征在于：所述步骤2)中，以图像处理方法滤波包括以下步骤：
2.1)以结构元素“b1”对地震属性进行开运算，再以结构元素“b2”对得到的开运算结果进行闭运算；其中，结构元素“b1”为十字形结构元素，结构元素“b2”为矩形结构元素；
2.2)以结构元素“b1”对地震属性进行闭运算，再以结构元素“b2”对得到的闭运算结果进行开运算；
2.3)对步骤2.1)和方法步骤2.2)所求得的结果求取算术平均值，得到地震属性。
3.如权利要求2所述方法，其特征在于：令输入的地震属性表示为f，则以结构元素“b”对地震属性进行开运算表示为：
以结构元素“b”对地震属性进行闭运算表示为：
其中，fΘb表示为当b的中心点位于(x,y)处时，用结构元素b在(x,y)处对待处理地震属性f的腐蚀运算；表示为当b的中心点位于(x,y)处时，用结构元素b在(x,y)处对待处理地震属性f的膨胀运算。
4.如权利要求3所述方法，其特征在于：用结构元素b在(x,y)处对待处理地震属性f的腐蚀运算为：
式中，f()表示输入的地震属性；s表示结构元素b在x方向的平移量，t表示结构元素b在y方向上的平移量。
5.如权利要求3所述方法，其特征在于：用结构元素b在(x,y)处对待处理地震属性f的膨胀运算为：
式中，f()表示输入的地震属性；s表示结构元素b在x方向的平移量，t表示结构元素b在y方向上的平移量。
6.如权利要求1所述方法，其特征在于：所述步骤3)中，图像处理方法预测边缘信息的具体方法为：使用结构元素“b2”对地震属性拾取边缘：
式中，EDE表示拾取的边缘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214606.XA CN109254320A (zh) | 2018-10-18 | 2018-10-18 | 基于图像处理方法的地震属性优化和砂体叠置区预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214606.XA CN109254320A (zh) | 2018-10-18 | 2018-10-18 | 基于图像处理方法的地震属性优化和砂体叠置区预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109254320A true CN109254320A (zh) | 2019-01-22 |
Family
ID=65045896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811214606.XA Pending CN109254320A (zh) | 2018-10-18 | 2018-10-18 | 基于图像处理方法的地震属性优化和砂体叠置区预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109254320A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109948291A (zh) * | 2019-04-01 | 2019-06-28 | 西南石油大学 | 一种砂体不连续界线方向自适应识别方法 |
| CN111325834A (zh) * | 2020-03-24 | 2020-06-23 | 中海石油(中国)有限公司 | 基于数字图像处理的建模方法及系统 |
| CN112083491A (zh) * | 2019-06-12 | 2020-12-15 | 中国石油天然气集团有限公司 | 基于信号属性特征的井筒波压制方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103064111A (zh) * | 2012-12-12 | 2013-04-24 | 中国石油天然气集团公司 | 一种基于形态滤波的微地震事件识别方法 |
| CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
-
2018
- 2018-10-18 CN CN201811214606.XA patent/CN109254320A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103064111A (zh) * | 2012-12-12 | 2013-04-24 | 中国石油天然气集团公司 | 一种基于形态滤波的微地震事件识别方法 |
| CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 杨小艳: ""基于小波和形态学的图像边缘检测算法研究及应用"", 《中国优秀硕士学位论文全文数据库•基础科学辑》 * |
| 陈辉 等: "数学形态学在地震信号处理中的应用研究", 《地球物理学进展》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109948291A (zh) * | 2019-04-01 | 2019-06-28 | 西南石油大学 | 一种砂体不连续界线方向自适应识别方法 |
| CN112083491A (zh) * | 2019-06-12 | 2020-12-15 | 中国石油天然气集团有限公司 | 基于信号属性特征的井筒波压制方法及装置 |
| CN112083491B (zh) * | 2019-06-12 | 2023-10-31 | 中国石油天然气集团有限公司 | 基于信号属性特征的井筒波压制方法及装置 |
| CN111325834A (zh) * | 2020-03-24 | 2020-06-23 | 中海石油(中国)有限公司 | 基于数字图像处理的建模方法及系统 |
| CN111325834B (zh) * | 2020-03-24 | 2023-12-26 | 中海石油(中国)有限公司 | 基于数字图像处理的建模方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7844402B2 (en) | System and method for fault identification | |
| Asjad et al. | A new approach for salt dome detection using a 3D multidirectional edge detector | |
| Fedi et al. | Multiridge analysis of potential fields: Geometric method and reduced Euler deconvolution | |
| Assous et al. | Automated detection of planar geologic features in borehole images | |
| CN109254320A (zh) | 基于图像处理方法的地震属性优化和砂体叠置区预测方法 | |
| Huang et al. | Edge detection of ore and rock on the surface of explosion pile based on improved Canny operator | |
| Mohammadpour et al. | Automatic lineament extraction method in mineral exploration using CANNY algorithm and hough transform | |
| Hussain et al. | A comparative analysis of edge detection techniques used in flame image processing | |
| Montsion et al. | Mapping structural complexity using geophysics: A new geostatistical approach applied to greenstone belts of the southern Superior Province, Canada | |
| Haider et al. | A hybrid method for edge continuity based on Pixel Neighbors Pattern Analysis (PNPA) for remote sensing satellite images | |
| Liu et al. | Intelligent recognition and identification of fracture types and parameters for borehole images based on developed convolutional neural networks and post-processing | |
| Tingjiang et al. | Research and application of downhole drilling depth based on computer vision technique | |
| CN117237667A (zh) | 一种基于位场数据的鲁棒的高分辨率地质体边界识别方法 | |
| CN109948291A (zh) | 一种砂体不连续界线方向自适应识别方法 | |
| Osinowo et al. | Analyses of high resolution aeromagnetic data for structural and porphyry mineral deposit mapping of the nigerian younger granite ring complexes, North-Central Nigeria | |
| CN107621655B (zh) | 基于DoS滤波的三维数据断层增强方法 | |
| Zhang et al. | Automatic lineament extraction from potential-field images using the Radon transform and gradient calculation | |
| Andaru et al. | Intelligent Detection of SEM Mineralogy Using Dynamic Segmentation Algorithm in Geothermal Sedimentary Reservoir: Case Study with Quantification of Quartz Overgrowth | |
| CN114139229A (zh) | 断层增强方法和断层发育解释方法、存储介质及电子设备 | |
| Gu et al. | Prediction of shell content from thin sections using hybrid image process techniques | |
| Zhang et al. | An innovative image-based workflow for quantitative pore structure characterization in reservoir rocks | |
| CN109343116B (zh) | 一种非构造成因的地层形变地震检测方法 | |
| CN109408888A (zh) | 一种二维切削表面的粗糙度计算方法、计算机可读存储介质及终端 | |
| CN113325474B (zh) | 生物礁判别方法 | |
| Wu et al. | Quantification of Connectivity in Images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190122 |
|
| RJ01 | Rejection of invention patent application after publication |