CN110579804B - 基于绝对平方梯度的结构张量迹约束下的扩散滤波方法 - Google Patents

基于绝对平方梯度的结构张量迹约束下的扩散滤波方法 Download PDF

Info

Publication number
CN110579804B
CN110579804B CN201910966027.9A CN201910966027A CN110579804B CN 110579804 B CN110579804 B CN 110579804B CN 201910966027 A CN201910966027 A CN 201910966027A CN 110579804 B CN110579804 B CN 110579804B
Authority
CN
China
Prior art keywords
gradient
structure tensor
seismic data
absolute
stratum
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
Application number
CN201910966027.9A
Other languages
English (en)
Other versions
CN110579804A (zh
Inventor
周海廷
刘显太
杜玉山
王建
武刚
赵开连
黄超
房环环
谭琴辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Exploration and Development Research Institute of Sinopec Shengli Oilfield Co
Original Assignee
China Petroleum and Chemical Corp
Exploration and Development Research Institute of Sinopec Shengli Oilfield Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Exploration and Development Research Institute of Sinopec Shengli Oilfield Co filed Critical China Petroleum and Chemical Corp
Priority to CN201910966027.9A priority Critical patent/CN110579804B/zh
Publication of CN110579804A publication Critical patent/CN110579804A/zh
Application granted granted Critical
Publication of CN110579804B publication Critical patent/CN110579804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/364—Seismic filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/30—Noise handling
    • G01V2210/32—Noise reduction
    • G01V2210/324—Filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，包括：将叠后地震数据转换为MATLAB可识别的数据格式；对地震数据进行高斯滤波，计算其水平、垂直和对角梯度；对平方梯度向量公式进行优化改进，构建绝对平方梯度向量公式；基于改进的梯度方位角公式，进行地震数据的地层倾角属性的计算，用于判断该是否为倾斜地层；依据地层情况的不同，利用绝对平方梯度构建结构张量；利用初始结构张量及滤波后结构张量，计算得到基于绝对平方梯度的结构张量迹；在基于绝对平方梯度的结构张量迹的约束下，对叠后地震数据进行各向异性扩散滤波。该方法提高结构张量迹识别断层的精度，结合各向异性扩散滤波，实现低序级断层的保边去噪。

Description

基于绝对平方梯度的结构张量迹约束下的扩散滤波方法
技术领域
本发明涉及油田开发技术领域，特别是涉及到一种基于绝对平方梯度的结构张量迹约束下的扩散滤波方法。
背景技术
在地震数据采集过程中，不可避免地会受到传感器灵敏度、野外噪声干扰和数模转换量化问题等因素的影响，导致地震数据信噪比低等问题，给后续构造解释带来很大困难。针对常规叠后地震数据噪声压制的问题，国内外学者开展了大量研究，提出了中值滤波、高斯滤波、时频域滤波等方法。上述方法在噪声压制方面效果较好，但由于无法识别地震反射的局部方向信息，在噪声压制的同时，会破坏边缘信息。
为此，国内外学者将各向异性扩散滤波方法引入到地震数据滤波处理中。Perona等最先提出各向异性扩散方程(即P-M模型)，Fehmers等将该方法引入到地震资料的处理和解释中，Weickert和Lavialle等对P-M模型进行了改进，提出一致性增强扩散滤波(CED滤波)，通过使用扩散张量作为扩散系数，实现了真正意义上的非线性各向异性扩散滤波。但传统的一致性增强扩散滤波应用到地震图像上有一定缺陷，经过几次迭代后，断层会消失，针对该问题，众多学者在CED滤波的基础上进行改进，引入断层因子用于识别地震数据的横向不连续性，提出诸如双向增强扩散滤波、构造导向扩散滤波等。上述扩散滤波方法的基本思想都是通过地震剖面局部图像的方向特征，判断是否存在断层等异常地质体边界，进而确定是否进行滤波，从而达到去噪的同时保护边界的目的。
公开号为CN107367759A的中国专利：基于结构特征的地震数据保边去噪方法中提到类似的实现过程：(1)对地震数据进行平滑滤波处理，对平滑滤波处理所得结果进行矩阵分解得到地震数据结构张量；计算地震数据结构张量对应的特征值以及特征向量；根据计算所得的地震数据结构张量对应的特征值及特征向量，完成地震数据结构特征分析；(2)利用现有常规去噪方法对地震数据做滤波处理，对地震数据与常规去噪方法滤波处理所得结果求取局部相似系数；(3)根据步骤1所得地震数据的结构特征分析中的结构参数以及步骤2中所得局部相似性系数，构建得到导向滤波方程；(4)利用导向滤波方程进行多次去噪迭代，直至图像信噪比与结构相似性因子达到预设阈值。该专利可以实现断层的保边去噪，但该方法同前文提到的扩散滤波方法均未考虑到地震记录中稳定同相轴两侧零相位的梯度向量变化，会导致基于地震数据结构特征识别断层时存在较大误差。
地震记录中的同相轴类似于指纹图像中的脊骨线，因此，同一稳定同相轴两侧的零相位边界线，存在较大垂向梯度变化，且呈对称分布。此外，在倾斜地层区域，如果未考虑地层倾角的影响，该区域稳定同相轴的水平及垂直梯度同时变化较大。而前人基于局域图像的结构张量提出结构张量迹，作为各向异性扩散滤波过程中的断层保护因子，但当局部图像存在较大梯度变化时，结构张量迹均较小。因此，结构张量迹用于地震数据扩散滤波中时，虽然可以有效识别断层信息，但易受稳定同相轴零相位及地层倾角的影响，导致断层边界信息识别存在很大误差。为此我们发明了一种新的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，解决了以上技术问题。
发明内容
本发明的目的是提供一种提高了结构张量迹识别断层的准确度，实现低序级断层的去噪保边的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法。
本发明的目的可通过如下技术措施来实现：基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，该基于绝对平方梯度的结构张量迹约束下的扩散滤波方法包括：步骤1，将叠后地震数据转换为MATLAB可识别的数据格式；步骤2，对地震数据进行高斯滤波，计算其水平、垂直和对角梯度；步骤3，对平方梯度向量公式进行优化改进，构建绝对平方梯度向量公式；步骤4，基于改进的梯度方位角公式，进行地震数据的地层倾角属性的计算，用于判断该是否为倾斜地层；步骤5，基于步骤3的判断结果及步骤4的优化结果，依据地层情况的不同，利用绝对平方梯度构建结构张量；步骤6，对步骤5构建的结构张量进行大尺度高斯滤波，利用初始结构张量及滤波后结构张量，计算得到基于绝对平方梯度的结构张量迹；步骤7，在基于绝对平方梯度的结构张量迹的约束下，对叠后地震数据进行各向异性扩散滤波。
本发明的目的还可通过如下技术措施来实现：
在步骤2中，对地震数据U进行高斯滤波，得到滤波后地震数据：
f＝Gδ*U
其中，Gδ为尺度为δ的高斯核函数，*为卷积运算符，U为地震数据，进而利用Sobel算子计算地震数据的水平fx、垂直fy及对角梯度fxx、fyy。
在步骤3中，绝对平方梯度的表达式为：
Figure BDA0002227913770000031
其中，fx为地震数据的水平梯度，fy为地震数据的垂直梯度，fs,x为地震数据的绝对水平梯度，fs,y为地震数据的绝对垂直梯度；
此时，在断层处时，fs,x总是大于0，fs,y总是小于0，两者符号相反，其结构张量迹偏小，在同相轴零相位处，fs,x和fs,y均小于0，两者符号相同，其结构张量偏大。
在步骤4中，基于结构特征的倾角属性公式：
Figure BDA0002227913770000032
式中：dip为反映地层倾角的属性值，fx为地震数据的水平梯度，fy为地震数据的垂直梯度；由该公式计算得到属性结果不仅可以反映地层是否为倾斜地层，同时也可以反映地层的倾斜方向，其中倾角属性大于某一阈值时指示为上倾地层，小于某一阈值时指示为下倾地层。
在步骤5中，利用基于结构特征的地层倾角属性公式计算的倾角属性剖面，对地层情况进行判断，当属性值介于-30～30之间时，认为是水平地层，此时利用原始水平梯度及垂直梯度计算绝对平方梯度，进而构建结构张量；当属性值介于-90～-30之间是，认为是下倾地层，此时将对角梯度fxx作为水平梯度，对角梯度fyy作为垂直梯度，计算绝对平方梯度，进而构建结构张量；当属性值介于30～90之间时，认为是上倾地层，此时将对角梯度fyy作为水平梯度，对角梯度fxx作为垂直梯度，计算绝对平方梯度，进而构建结构张量；其结构张量构建形式均由如下公式表示：
Figure BDA0002227913770000041
其中，Sσ为地震数据的初始结构张量，fs,x为地震数据的绝对水平梯度，fs,y为地震数据的绝对垂直梯度。
在步骤6中，对步骤5构建的结构张量进行大尺度高斯滤波：
Sρ＝Gρ*Sσ
其中，Gρ为尺度为ρ的高斯核函数，*为卷积运算符，Sσ为初始结构张量，并利用初始结构张量Sσ及滤波后结构张量Sρ，计算得到基于绝对平方梯度的结构张量迹：
Figure BDA0002227913770000042
式中：Tr表示矩阵的迹，其值为矩阵特征值的和。
在步骤7中，对步骤6中构建的结构张量Sρ进行特征值分解，得到特征值μ1≥μ2及特征向量v1，v2，此时扩散张量的特征向量取结构张量的特征向量，扩散张量的特征值由下式计算得到：
Figure BDA0002227913770000043
式中：α用来控制沿图像梯度变化较大方向的扩散强度，为了保护图像的结构信息，α设为接近0的正数，C为阈值，取值为1，m取值为1；
在完成扩散张量特征值及特征向量构建基础上，引入基于绝对平方梯度的结构张量迹，构建断层保护的扩散张量D：
Figure BDA0002227913770000044
式中：ε为基于绝对平方梯度的结构张量迹，λ1和λ2为扩散张量的特征值，v1和v2为扩散张量的特征向量，T为转置符号，a、b、c是扩散张量为矩阵表示形式时的参数；
最终，联合绝对平方梯度及结构张量迹的各向异性扩散滤波计算公式如下：
Figure BDA0002227913770000051
式中：div为散度计算符号，▽为梯度算子，U为地震数据，
Figure BDA0002227913770000052
Figure BDA0002227913770000053
分别为地震数据在x方向、对角方向和y方向上的二阶偏导。
该基于绝对平方梯度的结构张量迹约束下的扩散滤波方法还包括，在步骤7之后，在完成断层强化处理后，将处理后数据输出为标准SGY格式的数据。
本发明中的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，对传统结构张量迹进行改进，使改进后的结构张量迹能有效区分断层的结构张量迹特征与同相轴零相位及倾斜地层的结构张量迹特征，从而提高结构张量迹识别断层的精度。在此基础上，结合各向异性扩散滤波，实现低序级断层的保边去噪。
本发明通过对传统结构张量迹进行优化改进，提高结构张量迹识别断层信息的准确度，然后结合各向异性扩散滤波，实现复杂断块油藏地震数据保边去噪，提高其低序级断层的识别能力。
本发明的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，在前人基础上，对传统的结构张量迹进行优化改进，使优化后的结构张量迹能够有效区分断层、稳定同相轴零相位边界及倾斜地层，提高了结构张量迹识别断层的准确度。在此基础上，结合各向异性扩散滤波，实现低序级断层的去噪保边。与现有的地震数据去噪手段相比，本发明主要有三点优势：
(1)基于结构特征的倾角属性公式计算的地层倾角属性，不仅可以指示地层是否倾斜，同时还可以指示地层倾斜方向；
(2)基于绝对平方梯度计算的结构张量迹，能有效区分断层和稳定同相轴零相位，明显提高了结构张量迹识别断层的准确度；
(3)依据地层是否倾斜及倾斜方向，提出了采用不同梯度向量构建结构张量的思路，在此基础上，计算得到的结构张量迹能有效区分断层和倾斜地层，消除了地层倾斜引起的断层识别误差。
附图说明
图1为本发明的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法的一具体实施例的流程图；
图2为本发明的一具体实施例中利用Sobel梯度算子3x3模板计算图像梯度的示意图；
图3为本发明的一具体实施例中基于不同梯度向量计算的结构张量迹随水平梯度与垂直梯度比值的变化曲线图；
图4为本发明的一具体实施例中基于软件提取的地层倾角属性与基于结构特征的倾角属性公式计算的地层倾角属性对比图；
图5为本发明的一具体实施例中基于不同梯度向量计算的结构张量迹剖面图；
图6为本发明的一具体实施例中无断层保护与有断层保护的扩散滤波结果对比图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合附图所示，作详细说明如下。
如图1所示，图1为本发明的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法的流程图。
步骤101：将叠后地震数据转换为MATLAB可识别的数据格式；
步骤102：对地震数据U进行高斯滤波，得到滤波后地震数据f＝Gδ*U(Gδ为尺度为δ的高斯核函数，*为卷积运算符，U为地震数据)，进而利用Sobel算子计算地震数据的水平fx、垂直fy及对角梯度fxx、fyy；图2展示了Sobel算子计算地震数据梯度向量的示意图。
步骤103：对平方梯度向量公式进行改进，构建绝对平方梯度向量公式；
梯度向量用于指示稳定同相轴两侧零相位边界的变化时，其梯度向量的幅值一致，但指示的梯度变化方向相反。为此，前人提出平方梯度向量，即将梯度向量的方位角扩大2倍，这样指向相反的向量就变成了指向相同的向量，其表达式为：
Figure BDA0002227913770000071
式中：fx为地震数据的水平梯度，fy为地震数据的垂直梯度，Gρ为梯度向量的幅值，Gφ为梯度向量的方位角，其幅值及方位角计算公式如下：
Figure BDA0002227913770000072
虽然平方梯度向量反映的同一稳定同相轴两侧的零相位边界梯度变化一致，但基于平方梯度计算的结构张量迹与基于梯度向量计算的结构张量迹一样，也无法完全区分断层及同相轴零相位。
通过观察结构张量迹随水平及垂直梯度变化规律可知，当水平梯度与垂直梯度符号相反时，结构张量迹偏小，当两者符号相同时，结构张量迹偏大。理论上，断层处的水平梯度大于垂直梯度，而同相轴零相位处垂直梯度大于水平梯度，为此，对传统平方梯度进行优化和改进，提出绝对平方梯度：
Figure BDA0002227913770000073
此时，在断层处时，fs,x总是大于0，fs,y总是小于0，两者符号相反，其结构张量迹偏小，在同相轴零相位处，fs,x和fs,y均小于0，两者符号相同，其结构张量偏大。
图3a为本发明的一具体实施例中基于梯度向量计算的结构张量迹随水平梯度与垂直梯度比值变化的曲线图；图3b为本发明的一具体实施例中基于平方梯度向量计算的结构张量迹随水平梯度与垂直梯度比值变化的曲线图；图3c为本发明的一具体实施例中基于绝对平方梯度向量计算的结构张量迹随水平梯度与垂直梯度比值变化的曲线图；由图3可以看出，相对于基于梯度向量计算的结构张量迹随水平梯度/垂直梯度的变化曲线及基于平方梯度向量计算的结构张量迹随水平梯度/垂直梯度的变化曲线，本文提出的基于绝对平方梯度的结构张量迹可以有效区分断层和稳定同相轴零相位边界，其中断层的结构张量迹偏小，而稳定同相轴零相位边界的结构张量迹偏大。
步骤104：利用地震数据的结构特征参数计算地层倾角，用于判断地层是否为倾斜地层；
梯度向量方位角作为图像重要的结构特征参数，指示梯度变化的方向，应用到地震数据中时，理论上可用于指示地层是否倾斜，但基于传统梯度向量方位角公式计算得到的梯度方位角与地层倾角的对应关系并不好。而通过将传统的梯度向量方位角公式中的水平梯度及垂直梯度参数互换，得到新的梯度向量方位角公式，这里称为基于结构特征的倾角属性公式：
Figure BDA0002227913770000081
式中：dip为反映地层倾角的属性值，fx为地震数据的水平梯度，fy为地震数据的垂直梯度。由该公式计算得到属性结果不仅可以反映地层是否为倾斜地层，同时也可以反映地层的倾斜方向，其中倾角属性大于某一阈值时指示为上倾地层，小于某一阈值时指示为下倾地层。
图4a为本发明的一具体实施例中原始地震剖面；图4b为本发明的一具体实施例中基于软件提取的地层倾角属性剖面图4c为本发明的一具体实施例中基于结构特征的倾角属性公式得到的地层倾角属性剖面；图4显示，对比原始地震剖面及软件提取的地层倾角属性公式，基于该公式计算得到的属性剖面不仅可以有效的识别地层是否倾斜，而且可以指示地层的倾斜方向。
步骤105：基于步骤103的绝对平方梯度公式与步骤4的地层判断结果，依据不同的地层情况，构建基于绝对平方梯度的地震数据结构张量；
利用基于结构特征的地层倾角属性公式计算的倾角属性剖面，对地层情况进行判断，当属性值介于-30～30之间时，认为是水平地层，此时利用原始水平梯度及垂直梯度计算绝对平方梯度，进而构建结构张量；当属性值介于-90～-30之间是，认为是下倾地层，此时将对角梯度fxx作为水平梯度，对角梯度fyy作为垂直梯度，计算绝对平方梯度，进而构建结构张量；当属性值介于30～90之间时，认为是上倾地层，此时将对角梯度fyy作为水平梯度，对角梯度fxx作为垂直梯度，计算绝对平方梯度，进而构建结构张量。其结构张量构建形式均由如下公式表示：
Figure BDA0002227913770000091
步骤106：对步骤105构建的结构张量进行大尺度高斯滤波Sρ＝Gρ*Sσ(Gρ为尺度为ρ的高斯核函数，*为卷积运算符，Sσ为初始结构张量)，并利用初始结构张量Sσ及滤波后结构张量Sρ，计算得到基于绝对平方梯度的结构张量迹：
Figure BDA0002227913770000092
式中：Tr表示矩阵的迹，其值为矩阵特征值的和。
图5a为本发明的一具体实施例中原始地震剖面；图5b为本发明的一具体实施例中基于梯度向量计算的结构张量迹剖面；图5c为本发明的一具体实施例中基于绝对平方梯度向量计算的结构张量迹剖面；图5展示了原始地震剖面、基于梯度的结构张量迹剖面以及基于绝对平方梯度的结构张量迹剖面的对比，结果显示基于绝对平方梯度的结构张量迹剖面可以有效识别断层信息，同时消除了同相轴零相位及地层倾斜引起的断层误差。
步骤107：在改进的结构张量迹的保护下，对叠后地震数据进行各向异性扩散滤波；
对步骤106中构建的结构张量Sρ进行特征值分解，得到特征值(μ1≥μ2)及特征向量(v1，v2)，此时扩散张量的特征向量取结构张量的特征向量，扩散张量的特征值由下式计算得到：
Figure BDA0002227913770000101
式中：α用来控制沿图像梯度变化较大方向的扩散强度，为了保护图像的结构信息，α通常设为接近0的正数，C为阈值，通常取值为1，m取值为1。
在完成扩散张量特征值及特征向量构建基础上，引入基于绝对平方梯度的结构张量迹，构建断层保护的扩散张量D：
Figure BDA0002227913770000102
式中：a、b、c是扩散张量为矩阵表示形式时的参数。
最终，联合绝对平方梯度及结构张量迹的各向异性扩散滤波计算公式如下：
Figure BDA0002227913770000103
式中：div为散度计算符号，▽为梯度算子，U为地震数据，
Figure BDA0002227913770000104
Figure BDA0002227913770000105
分别为地震数据在x方向、对角方向和y方向上的二阶偏导。
图6a为本发明的一具体实施例中无断层保护的扩散滤波结果；图6b为本发明的一具体实施例中基于绝对平方梯度的结构张量迹约束下的扩散滤波结果。图6显示了基于联合绝对平方梯度及结构张量迹的扩散滤波断层强化处理方法得到的滤波后地震剖面，多次迭代后，本次发明的断层强化方法在有效消除噪声的同时，保护了断层信息，可以有效提高复杂断块区地震数据的品质，有助于低序级断层的精细解释。
步骤108：在完成断层强化处理后，将处理后数据输出为标准SGY格式的数据。
在本发明的一实施例中，通过改进传统的梯度方位角公式，利用图像的结构特征来计算地震数据的倾角属性，进而判断地层是否倾斜。利用基于希尔伯特变换的复数道分析法也可以得到地震数据的倾角属性，实现同样的目的。
本发明的基于绝对平方梯度的结构张量迹约束下的各向异性扩散滤波方法，通过对传统平方梯度向量进行改进，提出了绝对平方梯度向量；将绝对平方梯度用于结构张量迹的计算，有效提高了结构张量迹识别断层的准确度，消除了稳定同相轴零相位边界及倾斜地层的影响；将优化的结构张量迹与各向异性扩散滤波相结合，在去噪的同时有效保护了断层边界。

Claims (7)

1.基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，其特征在于，该基于绝对平方梯度的结构张量迹约束下的扩散滤波方法包括：
步骤1，将叠后地震数据转换为MATLAB可识别的数据格式；
步骤2，对地震数据进行高斯滤波，计算其水平、垂直和对角梯度；
步骤3，对平方梯度向量公式进行优化改进，构建绝对平方梯度向量公式；
步骤4，基于改进的梯度方位角公式，进行地震数据的地层倾角属性的计算，用于判断该是否为倾斜地层；
步骤5，基于步骤3的判断结果及步骤4的优化结果，依据地层情况的不同，利用绝对平方梯度构建结构张量；
步骤6，对步骤5构建的结构张量进行大尺度高斯滤波，利用初始结构张量及滤波后结构张量，计算得到基于绝对平方梯度的结构张量迹；
步骤7，在基于绝对平方梯度的结构张量迹的约束下，对叠后地震数据进行各向异性扩散滤波；
在步骤3中，绝对平方梯度的表达式为：
Figure FDA0002715145580000011
其中，fx为地震数据的水平梯度，fy为地震数据的垂直梯度，fs,x为地震数据的绝对水平梯度，fs,y为地震数据的绝对垂直梯度；
此时，在断层处时，fs,x总是大于0，fs,y总是小于0，两者符号相反，其结构张量迹偏小，在同相轴零相位处，fs,x和fs,y均小于0，两者符号相同，其结构张量偏大。
2.根据权利要求1所述的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，其特征在于，在步骤2中，对地震数据U进行高斯滤波，得到滤波后地震数据：
f＝Gδ*U
其中，Gδ为尺度为δ的高斯核函数，*为卷积运算符，U为地震数据，进而利用Sobel算子计算地震数据的水平fx、垂直fy及对角梯度fxx、fyy。
3.根据权利要求1所述的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，其特征在于，在步骤4中，基于结构特征的倾角属性公式：
Figure FDA0002715145580000021
式中：dip为反映地层倾角的属性值，fx为地震数据的水平梯度，fy为地震数据的垂直梯度；由该公式计算得到属性结果不仅可以反映地层是否为倾斜地层，同时也可以反映地层的倾斜方向，其中倾角属性大于某一阈值时指示为上倾地层，小于某一阈值时指示为下倾地层。
4.根据权利要求1所述的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，其特征在于，在步骤5中，利用基于结构特征的地层倾角属性公式计算的倾角属性剖面，对地层情况进行判断，当-30≤属性值≤30时，认为是水平地层，此时利用原始水平梯度及垂直梯度计算绝对平方梯度，进而构建结构张量；当-90≤属性值＜-30时，认为是下倾地层，此时将对角梯度fxx作为水平梯度，对角梯度fyy作为垂直梯度，计算绝对平方梯度，进而构建结构张量；当30＜属性值≤90时，认为是上倾地层，此时将对角梯度fyy作为水平梯度，对角梯度fxx作为垂直梯度，计算绝对平方梯度，进而构建结构张量；其结构张量构建形式均由如下公式表示：
Figure FDA0002715145580000022
其中，Sσ为地震数据的初始结构张量，fs,x为地震数据的绝对水平梯度，fs,y为地震数据的绝对垂直梯度。
5.根据权利要求1所述的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，其特征在于，在步骤6中，对步骤5构建的结构张量进行大尺度高斯滤波：
Sρ＝Gρ*Sσ
其中，Gρ为尺度为ρ的高斯核函数，*为卷积运算符，Sσ为初始结构张量，并利用初始结构张量Sσ及滤波后结构张量Sρ，计算得到基于绝对平方梯度的结构张量迹：
Figure FDA0002715145580000023
式中ε为基于绝对平方梯度的结构张量迹，Tr表示矩阵的迹，其值为矩阵特征值的和；Sρ为滤波后结构张量，Sσ为初始结构张量。
6.根据权利要求1所述的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，其特征在于，在步骤7中，对步骤6中构建的结构张量Sρ进行特征值分解，得到特征值μ1≥μ2及特征向量v1，v2，结构张量的特征向量记为vs1、vs2，扩散张量的特征向量记为vd1、vd2，其中vd1＝vs1、vd2＝vs2，扩散张量的特征值由下式计算得到：
Figure FDA0002715145580000031
式中：α用来控制沿图像梯度变化较大方向的扩散强度，为了保护图像的结构信息，α设为接近0的正数，C为阈值，取值为1，m取值为1；
在完成扩散张量特征值及特征向量构建基础上，引入基于绝对平方梯度的结构张量迹，构建断层保护的扩散张量D：
Figure FDA0002715145580000032
式中：ε为基于绝对平方梯度的结构张量迹，λ1和λ2为扩散张量的特征值，vd1和vd2为扩散张量的特征向量，T为转置符号，a、b、c是扩散张量为矩阵表示形式时的参数；
最终，联合绝对平方梯度及结构张量迹的各向异性扩散滤波计算公式如下：
Figure FDA0002715145580000033
式中：div为散度计算符号，▽为梯度算子，U为地震数据，
Figure FDA0002715145580000034
分别为地震数据在x方向、对角方向和y方向上的二阶偏导。
7.根据权利要求1所述的基于绝对平方梯度的结构张量迹约束下的扩散滤波方法，其特征在于，该基于绝对平方梯度的结构张量迹约束下的扩散滤波方法还包括，在步骤7之后，在完成断层强化处理后，将处理后数据输出为标准SGY格式的数据。
CN201910966027.9A 2019-10-10 2019-10-10 基于绝对平方梯度的结构张量迹约束下的扩散滤波方法 Active CN110579804B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910966027.9A CN110579804B (zh) 2019-10-10 2019-10-10 基于绝对平方梯度的结构张量迹约束下的扩散滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910966027.9A CN110579804B (zh) 2019-10-10 2019-10-10 基于绝对平方梯度的结构张量迹约束下的扩散滤波方法

Publications (2)

Publication Number Publication Date
CN110579804A CN110579804A (zh) 2019-12-17
CN110579804B true CN110579804B (zh) 2020-12-25

Family

ID=68814504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910966027.9A Active CN110579804B (zh) 2019-10-10 2019-10-10 基于绝对平方梯度的结构张量迹约束下的扩散滤波方法

Country Status (1)

Country Link
CN (1) CN110579804B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114089418B (zh) * 2020-08-24 2023-06-23 中国石油化工股份有限公司 高地层倾角条件下低序级断层的地震识别方法
CN114428295B (zh) * 2020-09-24 2024-03-29 中国石油化工股份有限公司 一种基于断层置信度参数控制的边缘保持扩散滤波方法
CN115343763B (zh) * 2021-05-14 2023-08-01 中国石油化工股份有限公司 基于地震同相轴零相位判别的蚂蚁体属性倾角校正方法
CN114355449B (zh) * 2022-01-05 2023-04-25 电子科技大学 一种矢量中值约束的结构导向三维地震图像增强方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6670812B1 (en) * 2002-09-13 2003-12-30 Ge Medical Systems Global Technology, Llc B-value calculation and correction using a linear segment gradient waveform model
CA2747426C (en) * 2009-01-09 2017-05-23 Exxonmobil Upstream Research Company Hydrocarbon detection with passive seismic data
US9229121B2 (en) * 2012-03-13 2016-01-05 Seoul National University R&Db Foundation Seismic imaging system for acoustic-elastic coupled media using accumulated Laplace gradient direction
CN103489159B (zh) * 2013-09-02 2016-05-04 电子科技大学 基于三边结构导向滤波的三维地震数据图像降噪方法
EP3063566B1 (en) * 2013-10-29 2020-12-23 ExxonMobil Upstream Research Company Method for post-stack noise mitigation
CN103792576A (zh) * 2014-01-28 2014-05-14 中国石油天然气股份有限公司 一种基于梯度结构张量的储层非均质检测方法及设备
CN107273877B (zh) * 2017-07-24 2020-08-14 云南大学 加权的多尺度复合窗指纹方向场建立方法及分级平滑算法
CN109407149B (zh) * 2018-10-10 2019-09-27 电子科技大学 基于Hessian矩阵的地震相干数据裂缝检测方法
CN109799533B (zh) * 2018-12-28 2021-07-27 中国石油化工股份有限公司 一种基于双向循环神经网络的储层预测方法
CN109669213B (zh) * 2019-02-25 2021-07-06 中国石油化工股份有限公司 基于优化Morlet小波的分频扩散滤波断层强化方法

Also Published As

Publication number Publication date
CN110579804A (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
CN110579804B (zh) 基于绝对平方梯度的结构张量迹约束下的扩散滤波方法
Asjad et al. A new approach for salt dome detection using a 3D multidirectional edge detector
US8892388B2 (en) Box counting enhanced modeling
CN112946749B (zh) 基于数据增广训练深度神经网络压制地震多次波的方法
Min et al. D 2 UNet: Dual decoder U-Net for seismic image super-resolution reconstruction
CN111239821A (zh) 碳酸盐岩储层孔隙结构预测方法、装置、设备及存储介质
Yan et al. Fault image enhancement using a forward and backward diffusion method
CN114488326A (zh) 一种提高探测航磁数据地质体边界能力的方法及系统
CN108957554B (zh) 一种地球物理勘探中的地震反演方法
Mahadik et al. Fault detection and optimization in seismic dataset using multiscale fusion of a geometric attribute
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
Xudong et al. Pre-stack gather optimization technology based on an improved bidimensional empirical mode decomposition method
CN114089418B (zh) 高地层倾角条件下低序级断层的地震识别方法
CN113688901B (zh) 一种基于膨胀卷积神经网络的储层不连续界线识别方法
CN116068644A (zh) 一种利用生成对抗网络提升地震数据分辨率和降噪的方法
Fonte-Boa et al. Interpolation artifacts as a result of spatial aliasing: A case study of the airborne magnetic data set of southeastern Minas Gerais, Brazil
CN114355449B (zh) 一种矢量中值约束的结构导向三维地震图像增强方法
CN114428295B (zh) 一种基于断层置信度参数控制的边缘保持扩散滤波方法
Tian et al. A local binary patterns/variance operator based on guided filtering for seismic fault detection
CN109242781B (zh) 保地质边界的地震图像去噪方法及计算机可读存储介质
Lu et al. Adaptive fault enhancement in OVT domain based on anisotropy theory
Chao et al. Research on an improved anisotropic diffusion filtering method
Steklain et al. Structure-oriented filtering in unsupervised multiattribute seismic facies analysis
CN116933473A (zh) 一种基于高斯微分算子的梯度结构张量相干计算方法
Walker Sometimes innovative tools require an FAQ: Lessons learned inverting magnetic data

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