CN109917460B - 一种复合地表的模型静校正方法及装置 - Google Patents
一种复合地表的模型静校正方法及装置 Download PDFInfo
- Publication number
- CN109917460B CN109917460B CN201910132547.XA CN201910132547A CN109917460B CN 109917460 B CN109917460 B CN 109917460B CN 201910132547 A CN201910132547 A CN 201910132547A CN 109917460 B CN109917460 B CN 109917460B
- Authority
- CN
- China
- Prior art keywords
- static correction
- model
- section
- superposition
- static
- 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.)
- Active
Links
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种复合地表的模型静校正方法及装置,该方法包括:获取所选区域地表在同一基准面下、同一替换速度下的多个表层静校正模型;生成各表层静校正模型对应的静校正叠加剖面图;对各所述静校正叠加剖面图进行区段划分,获得具有相同区段划分的静校正叠加剖面图;分别提取不同区段中信噪比最高且成像效果最清晰的静校正叠加剖面图,得到多个静校正叠加剖面图区段;对与所选择的静校正叠加剖面图区段对应的表层静校正模型区段进行联合层析反演,重构所选区域的静校正模型。利用本发明提供的静校正方法,综合了复杂地表条件下多套静校正的优点,得到较为清晰、完整的静校正模型,解决了复合地表条件下繁复的静校正问题。
Description
技术领域
本发明涉及地震资料处理技术领域,尤其涉及一种复合地表的模型静校正方法及装置。
背景技术
西部复杂地区地表和近地表呈现多样性、复杂性,通常称之为复合地表,正是这种复杂性和多样性导致了静校正问题的复杂,单一地采用高程、折射或层析静校正,成像效果各有优缺点,如何综合各套静校正的优点是西部各探区静校正解决方案的一个难题。
发明内容
为解决上述技术问题,本发明实施例提供了一种复合地表的模型静校正方法及装置。
一方面,本发明实施例提供一种复合地表的模型静校正方法,所述方法包括:
步骤S1、获取所选区域地表在同一基准面下、同一替换速度下的多个表层静校正模型;
步骤S2、生成各表层静校正模型对应的静校正叠加剖面图;
步骤S3、对各所述静校正叠加剖面图进行区段划分,获得具有相同区段划分的静校正叠加剖面图;
步骤S4、分别提取不同区段中信噪比最高且成像效果最清晰的静校正叠加剖面图,得到多个静校正叠加剖面图区段;
步骤S5、对与所选择的静校正叠加剖面图区段对应的表层静校正模型区段进行联合层析反演,重构所选区域的静校正模型。
在一实施例中,所述多个表层静校正模型包括:所选区域地表的折射静校正模型、层析静校正模型及野外静校正模型中的至少一种。
在一实施例中,所述步骤S5包括:
将所选择的静校正叠加剖面图区段对应的表层静校正模型区段作为重构初始模型,利用层析反演方法重构所选区域的静校正模型。
另一方面,本发明实施例还提供了一种复合地表的模型静校正装置,所述装置包括:
表层模型获取单元,用于获取所选区域地表在同一基准面下、同一替换速度下的多个表层静校正模型;
剖面图生成单元,用于生成各表层静校正模型对应的静校正叠加剖面图;
区段划分单元,用于对各所述静校正叠加剖面图进行区段划分,获得具有相同区段划分的静校正叠加剖面图;
区段提取单元,用于分别提取不同区段中信噪比最高且成像效果最清晰的静校正叠加剖面图,得到多个静校正叠加剖面图区段;
层析反演单元,用于对与所选择的静校正叠加剖面图区段对应的表层静校正模型区段进行联合层析反演,重构所选区域的静校正模型。
在一实施例中,所述多个表层静校正模型包括:所选区域地表的折射静校正模型、层析静校正模型及野外静校正模型中的至少一种。
在一实施例中,所述层析反演单元将所选择的静校正叠加剖面图区段对应的表层静校正模型区段作为重构初始模型,利用层析反演方法重构所选区域的静校正模型。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的复合地表的模型静校正方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执求所述的复合地表的模型静校正方法的计算机程序。
利用本发明提供的静校正方法,综合了复杂地表条件下多套静校正的优点,得到较为清晰、完整的静校正模型,解决了复合地表条件下繁复的静校正问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的复合地表的模型静校正方法的流程示意图;
图2为本发明一实施例提供的某一复杂地表区域三维模型优化前后近地表模型对比图;
图3(a)、图3(b)、图3(c)为上述复杂地表区域的三维应用模型优化静校正前后的叠加剖面;
图4(a)、图4(b)、图4(c)为柴达木盆地咸水泉三维应用模型优化静校正前后的叠加剖面;
图5(a)、图5(b)、图5(c)为柴达木盆地扎哈泉区域三维应用模型优化静校正前后的叠加剖面;
图6(a)、图6(b)、图6(c)为塔里木吐北四区域三维应用模型优化静校正前后的叠加剖面;
图7为本发明实施例提供的复合地表的模型静校正装置结构示意图;
图8为本发明另一实施例提供的用于复合地表的模型静校正的计算机设备结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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做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。
针对单一静校正方法的成像效果各有优劣、难以取舍的问题,本发明实施例提出了一种基于模型重构及算法优化的综合静校正方法。首先反演出各套静校正的浅、表层模型,根据各套静校正对成像有利的区段,分析、借鉴各自模型的合理性及准确性,进行模型的综合重构,达到优化成像效果的目的。
图1为本发明实施例提供的复合地表的模型静校正方法的流程示意图。如图1所示,该方法主要包括以下步骤:
步骤S1、获取所选区域地表在同一基准面下、同一替换速度下的多个表层静校正模型。
具体实施时,对所选区域地表进行静校正时,获取在同一基准面下、同一替换速度下使用不同方法、或同一方法但不同参数下的多个表层静校正模型。
步骤S2、生成各表层静校正模型对应的静校正叠加剖面图。
步骤S3、对各所述静校正叠加剖面图进行区段划分,获得具有相同区段划分的静校正叠加剖面图。
在进行区段划分时,可以是对剖面图沿水平方向进行等分,也可以根据所得静校正叠加剖面图的成像效果来进行分段。在利用剖面图成像效果进行分段时,可根据叠加成像效果选择有代表性的一套或几套静校正叠加剖面图,标记好各套静校正剖面图成像的优缺点,将成像效果清晰的部分与不清晰的部分分别划入两个区段。所有静校正叠加剖面图划分区段的数量和大小通常一致。
步骤S4、分别提取不同区段中信噪比最高且成像效果最清晰的静校正叠加剖面图,得到多个静校正叠加剖面图区段。
步骤S5、对与所选择的静校正叠加剖面图区段对应的表层静校正模型区段进行联合层析反演,重构所选区域的静校正模型。
利用本发明提供的静校正方法,综合了复杂地表条件下多套静校正的优点,得到较为清晰、完整的静校正模型,解决了复合地表条件下繁复的静校正问题。
在一实施例中,步骤S1中的多个表层静校正模型包括所选区域地表的折射静校正模型、层析静校正模型及野外静校正模型中的至少一种。例如,可以选择同一基准面下、同一替换速度下但不同低降速带下的多个层析静校正模型,也可以选择同一基准面下、同一替换速度下,所选区域地表的层析静校正模型、折射静校正模型和野外静校正模型。
在一实施例中,在重构所选区域的静校正模型时,可以将步骤S4中所选择的静校正叠加剖面图区段对应的表层静校正模型区段作为重构初始模型,利用层析反演方法重构所选区域的静校正模型。应用模型优化综合静校正后,成像效果会兼具各套静校正的叠加成像优势,并且各套静校正之间的边界没有衔接痕迹,在有潜水面标志层的地方,标志层成像会变好。
图2为本发明一实施例提供的某一复杂地表区域三维模型优化前后近地表模型对比图。其中,图2中最上方的图为上述复杂地表区域的层析静校正表层模型,图2中间的图为该复杂地表区域的折射静校正模型,图2中最下方的图为该复杂区域优化后静校正的地表模型。图3(a)、图3(b)、图3(c)为上述复杂地表区域的三维应用模型优化静校正前后的叠加效果。图3(a)为该区域层析静校正叠加剖面图,图3(b)为该区域折射静校正叠加剖面图,图3(c)为该区域利用本发明方法进行模型优化后得到的重构模型对应的叠加剖面。从图3(a)可以看出,层析静校正中北段(箭头所指部分)成像好;而从图3(b)中可看出,折射静校正模型中南段(箭头所指部分)的成像效果好;而从图3(c)中箭头所指处可看出,利用本发明进行优化后得到的模型静校正成像效果兼顾了两种静校正方法的成像优点,而且没有重构痕迹。
本发明实施例提供的基于模型重构优化的静校正方法通过在柴达木、塔里木多个项目的试验攻关,在取得了明显的处理效果,解决了复合地表的静校正问题。
图4(a)、图4(b)、图4(c)为柴达木盆地咸水泉三维应用模型优化静校正前后的叠加效果对比图。其中,图4(a)为该区域的层析静校正1叠加剖面图,图4(b)为柴达木盆地咸水泉区域的层析静校正2叠加剖面图,图4(c)为柴达木盆地咸水泉区域的采用本发明提供方法进行三维应用模型优化静校正后的叠加剖面图。从图4(a)可以看到,该区域南部层析静校正1的成像效果清晰,该区域北部层析静校正2成像效果清晰,而应用本发明提供的模型静校正方法进行处理后,所得到的叠加剖面图则兼顾了两种成像的长处。
图5(a)、图5(b)、图5(c)为柴达木盆地扎哈泉区域三维应用模型优化静校正前后的叠加剖面。图5(a)为该区域的层析静校正叠加剖面图,图5(b)该区域的折射静校正叠加剖面图,图5(c)为该区域采用本发明提供方法进行三维应用模型优化静校正后的叠加剖面图。箭头所指处为各叠加剖面信噪比较高、成像效果较好之处。
图6(a)、图6(b)、图6(c)为塔里木吐北四区域三维应用模型优化静校正前后的叠加剖面。图6(a)为该区域的层析静校正叠加剖面图,图6(b)为该区域的野外模型静校正叠加剖面图,图6(c)为该区域的采用本发明提供方法进行三维应用模型优化静校正后的叠加剖面图。箭头所指处为各叠加剖面信噪比较高、成像效果较好之处。
由柴达木盆地扎哈泉三维、塔里木盆地吐北四区域三维应用模型优化静校正前后的叠加成像效果对比,可以看到模型优化静校正都取得了较好的静校正综合效果。
基于与图1所示的复合地表的模型静校正方法相同的发明构思,本发明实施例还提供了一种装置,如下面实施例所述。由于该装置解决问题的原理与图1中复合地表的模型静校正方法相似,因此该装置的实施可以参见图1的复合地表的模型静校正方法的实施,重复之处不再赘述。
在另一实施例中,本发明还提供了一种复合地表的模型静校正装置,其结构如图7所示,该装置包括:表层模型获取单元10、剖面图生成单元20、区段划分单元30、区段提取单元40及层析反演单元50。
其中,表层模型获取单元10用于获取所选区域地表在同一基准面下、同一替换速度下的多个表层静校正模型。剖面图生成单元20用于生成各表层静校正模型对应的静校正叠加剖面图。区段划分单元30用于对各所述静校正叠加剖面图进行区段划分,获得具有相同区段划分的静校正叠加剖面图。区段提取单元40用于分别提取不同区段中信噪比最高且成像效果最清晰的静校正叠加剖面图,得到多个静校正叠加剖面图区段。层析反演单元50用于对与所选择的静校正叠加剖面图区段对应的表层静校正模型区段进行联合层析反演,重构所选区域的静校正模型。
在一实施例中,所述多个表层静校正模型包括:所选区域地表的折射静校正模型、层析静校正模型及野外静校正模型中的至少一种。
在一实施例中,上述的层析反演单元50将所选择的静校正叠加剖面图区段对应的表层静校正模型区段作为重构初始模型,利用层析反演方法重构所选区域的静校正模型。
图8为本发明另一实施例提供的用于复合地表的模型静校正的计算机设备结构示意图。如图8所示,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。所述计算机程序在被所述处理器运行时执行图1所示的步骤。
另外,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行图1所示步骤的计算机程序。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种复合地表的模型静校正方法,其特征在于,所述方法包括:
步骤S1、获取所选区域地表在同一基准面下、同一替换速度下的多个表层静校正模型;
步骤S2、生成各表层静校正模型对应的静校正叠加剖面图;
步骤S3、对各所述静校正叠加剖面图进行区段划分,获得具有相同区段划分的静校正叠加剖面图;
步骤S4、分别提取不同区段中信噪比最高且成像效果最清晰的静校正叠加剖面图,得到多个静校正叠加剖面图区段;
步骤S5、对与所选择的静校正叠加剖面图区段对应的表层静校正模型区段进行联合层析反演,重构所选区域的静校正模型。
2.根据权利要求1所述的复合地表的模型静校正方法,其特征在于,所述多个表层静校正模型包括:所选区域地表的折射静校正模型、层析静校正模型及野外静校正模型中的至少一种。
3.根据权利要求1所述的复合地表的模型静校正方法,其特征在于,所述步骤S5包括:
将所选择的静校正叠加剖面图区段对应的表层静校正模型区段作为重构初始模型,利用层析反演方法重构所选区域的静校正模型。
4.一种复合地表的模型静校正装置,其特征在于,所述装置包括:
表层模型获取单元,用于获取所选区域地表在同一基准面下、同一替换速度下的多个表层静校正模型;
剖面图生成单元,用于生成各表层静校正模型对应的静校正叠加剖面图;
区段划分单元,用于对各所述静校正叠加剖面图进行区段划分,获得具有相同区段划分的静校正叠加剖面图;
区段提取单元,用于分别提取不同区段中信噪比最高且成像效果最清晰的静校正叠加剖面图,得到多个静校正叠加剖面图区段;
层析反演单元,用于对与所选择的静校正叠加剖面图区段对应的表层静校正模型区段进行联合层析反演,重构所选区域的静校正模型。
5.根据权利要求4所述的复合地表的模型静校正装置,其特征在于,所述多个表层静校正模型包括:所选区域地表的折射静校正模型、层析静校正模型及野外静校正模型中的至少一种。
6.根据权利要求4所述的复合地表的模型静校正装置,其特征在于,所述层析反演单元将所选择的静校正叠加剖面图区段对应的表层静校正模型区段作为重构初始模型,利用层析反演方法重构所选区域的静校正模型。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3任一项权利要求所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至3任一项权利要求所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910132547.XA CN109917460B (zh) | 2019-02-22 | 2019-02-22 | 一种复合地表的模型静校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910132547.XA CN109917460B (zh) | 2019-02-22 | 2019-02-22 | 一种复合地表的模型静校正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109917460A CN109917460A (zh) | 2019-06-21 |
CN109917460B true CN109917460B (zh) | 2020-08-11 |
Family
ID=66961925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910132547.XA Active CN109917460B (zh) | 2019-02-22 | 2019-02-22 | 一种复合地表的模型静校正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109917460B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819279A (zh) * | 2010-03-26 | 2010-09-01 | 中国石油集团西北地质研究所 | 基于变差函数拟合重构的高精度三维静校正方法 |
CN106569276A (zh) * | 2015-10-10 | 2017-04-19 | 中国石油化工股份有限公司 | 地震数据的层析静校正融合方法及系统 |
CN106950601A (zh) * | 2017-03-03 | 2017-07-14 | 中国石油天然气集团公司 | 静校正方法和装置 |
CN107918154A (zh) * | 2016-10-10 | 2018-04-17 | 中国石油化工股份有限公司 | 一种地表一致性的基准面静校正量的组合方法 |
-
2019
- 2019-02-22 CN CN201910132547.XA patent/CN109917460B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819279A (zh) * | 2010-03-26 | 2010-09-01 | 中国石油集团西北地质研究所 | 基于变差函数拟合重构的高精度三维静校正方法 |
CN106569276A (zh) * | 2015-10-10 | 2017-04-19 | 中国石油化工股份有限公司 | 地震数据的层析静校正融合方法及系统 |
CN107918154A (zh) * | 2016-10-10 | 2018-04-17 | 中国石油化工股份有限公司 | 一种地表一致性的基准面静校正量的组合方法 |
CN106950601A (zh) * | 2017-03-03 | 2017-07-14 | 中国石油天然气集团公司 | 静校正方法和装置 |
Non-Patent Citations (5)
Title |
---|
Application of the static correction techniques with the deep phreatic surface in the Yingxiong Mountains of the Qaidam Basin, China;Yu Baohua et al.;《CPS/SEG Beijing 2014 International Geophysical Conference》;20141231;第132-135页 * |
The surface structural characteristics of the Qinghai-Tibet Plateau tundrazone and its static correction technique;Yu Baohua et al.;《SPG/SEG Beijing 2016 International Geophysical Conference》;20161231;第239-241页 * |
多方法静校正融合技术在鄂尔多斯盆地黄土塬区中的应用;高秦等;《石油地球物理勘探》;20171231;第52卷;第39-42页 * |
柴东三湖地区复合地表静校正技术;王海立等;《中国地球科学联合学术年会 2018》;20181231;第891-893页 * |
西部复杂地表条件下静校正方法研究;王孝;《中国博士学位论文全文数据库 基础科学辑》;20120315(第03期);第67-71页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109917460A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559358B (zh) | 一种基于卷积自编码的图像样本升采样方法 | |
CN109271933A (zh) | 基于视频流进行三维人体姿态估计的方法 | |
CN111462206B (zh) | 一种基于卷积神经网络的单目结构光深度成像方法 | |
CN110443768B (zh) | 基于多重一致性约束的单帧图像超分辨率重建方法 | |
CN110490919A (zh) | 一种基于深度神经网络的单目视觉的深度估计方法 | |
CN106485721B (zh) | 从光学相干断层图像获取视网膜结构的方法及其系统 | |
CN103021017A (zh) | 基于gpu加速的三维场景重建方法 | |
CN105989584B (zh) | 图像风格化重建的方法和装置 | |
CN111223059B (zh) | 一种基于引导滤波器的鲁棒深度图结构重建和去噪方法 | |
CN108124489B (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
CN107248155A (zh) | 一种基于swi图像的脑静脉血管分割方法 | |
CN113592982B (zh) | 身份迁移模型构建方法、装置、电子设备及可读存储介质 | |
CN112070752A (zh) | 一种医学图像的心耳分割方法、装置及存储介质 | |
CN109917460B (zh) | 一种复合地表的模型静校正方法及装置 | |
CN110335217A (zh) | 一种基于3d残差编码解码的医学图像降噪方法 | |
CN112819911B (zh) | 基于N-net和CycN-net网络结构的四维锥束CT重建图像增强算法 | |
Srivastava et al. | xcloth: Extracting template-free textured 3d clothes from a monocular image | |
CN112862684A (zh) | 一种深度图超分辨率重建和去噪神经网络的数据处理方法 | |
CN112150360A (zh) | 一种基于稠密残差网络的ivus图像超分辨率重建方法 | |
CN116342385A (zh) | 文本图像超分辨率网络的训练方法、装置以及存储介质 | |
CN112801909B (zh) | 基于U-Net和金字塔模块的图像融合去噪方法及系统 | |
CN104732508A (zh) | 基于分布式压缩感知的图像融合方法 | |
CN113743193A (zh) | 一种叠前地震资料线性干扰压制方法及系统 | |
CN112634224A (zh) | 基于目标影像的病灶检测方法和装置 | |
CN113838188A (zh) | 基于单幅图像的树木建模方法、树木建模装置、设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |