CN110749924B - 一种断裂带识别方法 - Google Patents

Abstract

本发明涉及一种断裂带识别方法，包括以下步骤：步骤1：原始地震数据体准备；步骤2：进行精细预处理；步骤3：计算构造导向体；步骤4：计算边缘检测数据体；步骤5：得到断层增强数据体；步骤6：计算地震梯度结构张量特征值数据体并获取表征断裂带杂乱反射特征的特征值数据体；步骤7：获取断裂带结构数据体；步骤8：将断层增强数据体和断裂带结构数据体进行数据体融合处理，得到断裂带预测结果。本发明将断层增强属性数据与断裂带结构属性数据融合，最终得到既能反映断裂带外部轮廓又能反映断裂带内部特征的属性数据，为断裂带预测提供了技术方法和流程，具有进一步推广应用价值。

Description

一种断裂带识别方法

技术领域

本发明属于油气地球物理领域，具体涉及一种断裂识别方法，特别涉及一种走滑断裂带识别方法。

背景技术

近年来，裂缝性储层中发现的油气日益增多，储量不断扩大，裂缝性储层的勘探受到普遍重视，准确的裂缝预测结果对于钻井及随后的开发至关重要。目前，国内外已经发展了许多较为成熟的裂缝型储层地震检测方法，如叠后地震裂缝预测方法：主要包括三维相干体、突变或分形分维、倾角扫描技术、三维方差体、谱分解、多尺度边缘检测等；利用三维宽方位地震资料开展裂缝预测P波方位各向异性裂缝预测方法，包括P波振幅、速度、传播时间、AVO的方位各向异性研究等；多波裂缝预测方法，也即多波多分量裂缝检测、横波勘探等。

由于多波多分量、横波勘探等方法采集处理非常昂贵困难，资料难以获取；叠前裂缝预测方法受采集及处理等因素影响较大，因此目前比较普遍且广泛应用的是基于叠前时间偏移或者叠前深度偏移数据体开展叠后裂缝预测。叠后裂缝预测方法较多且都较为成熟，其特点是抗噪性好，快速且较好实现，但是每种方法具有自身的优势，比如地震相干的计算提供了一种测量穿过一个不连续体的波形变化的手段，视倾角的计算提供了一种测量穿过一个不连续体时的反射倾角/方位的变化的手段，振幅梯度的测量提供了一种测量穿过一个不连续体时反射系数的变化的手段。

现有叠后裂缝检测技术没有充分结合波形、振幅、倾角方位角等信息，预测结果单一且多为线性特征，单一算法无法满足断裂带识别需求。因此，需要一种在断裂带综合预测方面行之有效的方法。

发明内容

为了解决上述问题，本发明提供了一种断裂带识别方法；应用本发明能够提高断裂带轮廓及断裂带内部特征的识别精度，降低断裂、裂缝性油气藏勘探开发地震解释的风险。

本发明提供了一种断裂带识别方法，包括以下步骤：

步骤1：原始地震数据体准备，包括叠前时间偏移数据体或叠前深度偏移数据体的准备；

步骤2：对原始地震数据体进行精细预处理；

步骤3：利用预处理后的地震数据体，计算构造导向体；

步骤4：应用构造导向体，计算边缘检测数据体；

步骤5：在边缘检测数据体的基础上，开展断层增强处理，得到断层增强数据体；

步骤6：计算地震梯度结构张量特征值数据体并获取表征断裂带杂乱反射特征的特征值数据体；

步骤7：根据获取的表征断裂带杂乱反射的特征值数据体，获取断裂带结构数据体；

步骤8：将步骤5得到的断层增强数据体和步骤7得到的断裂带结构数据体进行数据体融合处理，得到断裂带预测结果。

在一个实施例中，所述步骤2中的预处理方法包括：去除采集脚印、平滑滤波处理以及对原始地震数据体进行扩散滤波处理；最终得到信噪比高、同向轴连续且断裂异常特征突出的地震数据；

其中，在不伤害有效信号的前提下，去除人为影响的采集脚印；在采集脚印去除基础上，进行平滑滤波处理。

在一个实施例中，所述步骤3中，在预处理后的地震数据体的基础上，通过自动扫描分析地震数据的波形、振幅和方位信息，建立表征地震数据方位信息的构造导向体。

在一个实施例中，所述步骤4中，采用索贝尔边缘检测计算法，并在计算过程中，应用所述步骤3中的构造导向体约束边缘检测计算，使边缘检测计算时算子的扫描方向沿着地层的展布方向。

在一个实施例中，所述步骤5中，通过断层增强技术对所述步骤4的边缘检测数据体的走向、倾向以及一定走向、倾向范围内的断层合并，增强断层成像；使断裂带在一定倾角方位角范围内进行增强，突出断裂带内部细节特征。

在一个实施例中，所述步骤6中，又具体包括以下子步骤：

子步骤6.1：构建地震数据的梯度结构张量；

子步骤6.2：计算地震数据的平均梯度结构张量；

子步骤6.3：获取表征断裂带杂乱反射的特征值数据体。

在一个实施例中，所述步骤6.1具体为：在三维地震数据高维数的情况下，每一点的梯度向量用代表方向的x、y、t三个元素组成，因此每一点的位置点表示为(x,y,t)，则描述地震同向轴的倾角和方位角的三维地震数据梯度向量可以表示为：

其中：u表示三维地震数据；

为求梯度；上标“T”表示矩阵的转置；

为降低三维地震数据中噪音的干扰，采用结构张量法平滑梯度向量，则地震数据的梯度结构张量表示为梯度向量和其转置的乘积关系：

在所述步骤6.2中，由于地震梯度结构张量受地震各类噪声影响将会使计算结果变的极不稳定，因此引入高斯函数，以减弱地震梯度结构张量计算过程中的不稳定问题，即求取地震梯度结构张量与高斯核函数的卷积，得到区域平均梯度结构张量

其中：G为高斯核函数，

为卷积运算符号，g为振幅梯度场，

分别为沿x、y、t方向的平均方向导数；σ_t为高斯函数的宽度参数，控制了函数的径向作用范围；

平均梯度结构张量

是一个3×3的半正定对称矩阵，其特征值λ≥0，平均梯度结构张量与特征值关系式：

其中，E为单位矩阵。

在一个实施例中，所述步骤6.3中：

对于平行层状纹理，求解平均梯度结构张量与特征值得到唯一非零解

且其对应的特征向量

所述特征向量

与平行层状纹理的延伸方向正交；这种情况下地震数据呈层状，且各向同性，实际资料中基本不存在；

对于非层状杂乱纹理单元，由平均梯度结构张量与特征值关系式可得一元三次方程：

aλ³+bλ²+cλ+d＝0

其中，a,b,c,d分别为常数且ab≠0；

由于矩阵S为实对称矩阵，包括三个平均结构梯度张量特征值λ₁、λ₂和λ₃，且λ₁≥λ₂≥λ₃＝0；由实对称矩阵的性质可知，三个特征值对应的特征向量

两两正交；这种情况符合断裂带非层状杂乱反射特征；

对于弯曲层状纹理单元，特征值满足λ₁≥λ₂＞λ₃＝0，且λ₁对应的两个特征向量分别与正交。

特征值λ₁、λ₂、λ₃相对大小关系可以识别或区分图像纹理单元的类型，即用特征值来构建不同的结构属性，λ₂主要反映了断裂带杂乱反射纹理特征，符合断裂带特征的识别，因此，特征值λ₂数据体能够表征断裂带杂乱反射特征。

在一个实施例中，所述步骤7中，对特征值λ₂数据体进行纵横向平滑处理，得到表征断裂带结构数据体，即断裂带横向宽度和纵向连续特征数据体，再此基础上开展断裂带轮廓的精细描述。

在一个实施例中，所述步骤8中，将步骤5中得到的精细描述断裂带内部细节的断层增强数据体，与步骤7中得到的断裂带结构数据体，开展数据体融合处理，融合处理中是对数据值域进行调整，得到既能表征断裂带外部轮廓又能表征断裂带内部细节特征的数据体，并提取研究区目的层平面属性，则获得断裂带预测结果。

本发明针对叠后断裂带预测急需技术及叠后预测结果单一且多为线性特征等问题，提出了一种断裂带识别方法，本发明首先通过叠后地震资料精细预处理，得到信噪比高、同向轴连续且断裂异常特征突出的地震数据；然后计算构造导向体，应用构造导向体约束边缘检测计算，使边缘检测计算时算子的扫描方向沿着地层的展布方向，避免了传统的相干属性算法水平方向扫描计算或者只能定义单一的地层倾角的缺陷，使地震资料不连续性成像更加清晰，在边缘检测数据基础上，开展断层增强处理，使断裂带在一定倾角方位角范围内进行增强，突出断裂带内部细节特征；通过地震张量技术，得到表征断裂带杂乱反射特征的平均梯度结构张量特征值λ₂属性数据，对λ₂进行纵横向平滑处理得到表征断裂带结构的属性数据，将断层增强属性数据与断裂带结构属性数据融合，最终得到既能反映断裂带外部轮廓又能反映断裂带内部特征的属性数据，为断裂带预测提供了技术方法和流程，并且在实际生产中也得到了实践的检验，具有进一步推广应用价值。

附图说明

在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：

图1为本发明断裂带识别方法的流程图；

图2a和图2b为本发明地震数据预处理前后的效果对比图；

图3a和图3b为某工区边缘检测断裂预测与断层增强断裂预测效果图；

图4a和图4b为某工区目的层地震剖面与平均梯度结构张量特征值λ₂剖面对比图；

图5a和图5b为某工区目的层常规方法断裂预测与本发明断裂带综合预测效果对比图；

在附图中相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。

具体实施方式

下面将结合附图对本发明作进一步说明。借此对本发明如何应用技术手段解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不存在冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

本发明提供了一种断裂带识别方法，包括以下步骤：

步骤1：原始地震数据体准备，包括叠前时间偏移数据体或叠前深度偏移数据体的准备；

步骤2：对原始地震数据体进行精细预处理；

步骤3：利用预处理后的地震数据体，计算构造导向体；

步骤4：应用构造导向体，计算边缘检测数据体；

步骤5：在边缘检测数据体的基础上，开展断层增强处理，得到断层增强数据体；

步骤6：计算地震梯度结构张量特征值数据体并获取表征断裂带杂乱反射特征的特征值数据体；

步骤7：根据获取的表征断裂带杂乱反射的特征值数据体，获取断裂带结构数据体；

步骤8：将步骤5得到的断层增强数据体和步骤7得到的断裂带结构数据体进行数据体融合处理，得到断裂带预测结果。

进一步地，在步骤2中的预处理方法包括：去除采集脚印、平滑滤波处理以及对原始地震数据体进行扩散滤波处理；最终得到信噪比高、同向轴连续且断裂异常特征突出的地震数据；

其中，在不伤害有效信号的前提下，去除人为影响的采集脚印，提高构造和地层的成像质量；在采集脚印去除基础上，进行平滑滤波处理，消除异常值、随机噪音等，提高同向轴横向连续性。

扩散滤波技术是一种能保留倾角和地层接触关系反射信息的滤波方法，去噪功能强而且不模糊地震横向分辨率。在复杂断块地区由于断层密集、地层连续性差，致使地层内部地震反射信号弱，信噪比低，尤其是断层两侧地震信号信噪比较低，使计算出的断点等非相干性点模糊，噪声干扰很大，而且能量也较弱，因此在复杂断块地区进行相干计算，首先要对原始地震数据体进行扩散滤波处理，使噪声得到有效抑制，有效信号得到很好的保护甚至增强，连续性明显增强，这样更有利于对断层成像的研究。

进一步地，所述步骤3中，在预处理后的地震数据体的基础上，通过自动扫描分析地震数据的波形、振幅和方位等信息，建立表征地震数据方位信息的构造导向体。这个构造导向体有三个分量，通过x，y，z三个方向的强度综合表示空间某一点的方位信息，其优点在于沿构造趋势最大程度保留了断层等信息。

进一步地，所述步骤4中，采用索贝尔(Sobel)边缘检测计算法，并在计算过程中，应用所述步骤3中的构造导向体约束边缘检测计算，使边缘检测计算时算子的扫描方向沿着地层的展布方向。避免了传统的相干属性算法水平方向扫描计算或者只能定义单一的地层倾角的缺陷，边缘检测效果对地震资料不连续性特征更加清晰成像。

边缘检测是图像理解、分析和识别领域中的一个基础又重要的课题，边缘检测的效果直接影响图像分割和识别的性能。边缘检测算法较多，边缘即是灰度变化最剧烈的位置，最直接的算法就是求微分。

进一步地，所述步骤5中，通过断层增强技术对所述步骤4的边缘检测数据体的走向、倾向以及一定走向、倾向范围内的断层合并，增强断层成像；使断裂带在一定倾角方位角范围内进行增强，突出断裂带内部细节特征。断层增强技术可以将一定范围内的断层信息按照一定的参数进行线性组合，通过线性加强，最终得到断裂增强结果。

通过上述步骤3、步骤4和步骤5得到了能够精细刻画断裂带位置及内部细小断裂特征的断层增强数据体，其检测结果异常主要以线状特征为主，我们还需对断裂带轮廓进行精细识别，需要刻画破碎带的横向宽度及纵向连续性。因此，

进一步地，所述步骤6中，又具体包括以下子步骤：

子步骤6.1：构建地震数据的梯度结构张量；

子步骤6.2：计算地震数据的平均梯度结构张量；

子步骤6.3：获取表征断裂带杂乱反射的特征值数据体。

梯度结构张量是引入图像纹理处理技术到地震解释领域中的一种属性分析方法，其基本原理是将地震数据构建为二维或三维图像数据属性，进而基于局部的构造张量特征值相对大小及组合参数确定地震图像数据中不同纹理单元(如波状、层状、杂乱反射等)的结构属性，非常适用于三维地震数据反射结构的解释和反射异常体的自动识别。

进一步地，所述步骤6.1具体为：在三维地震数据高维数的情况下，每一点的梯度向量用代表方向的x、y、t三个元素组成，因此每一点的位置点表示为(x,y,t)，则描述地震同向轴的倾角和方位角的三维地震数据梯度向量可以表示为：

其中：u表示三维地震数据；

为求梯度；上标“T”表示矩阵的转置；

为降低三维地震数据中噪音的干扰，采用结构张量法平滑梯度向量，则地震数据的梯度结构张量表示为梯度向量和其转置的乘积关系：

在所述步骤6.2中，由于地震梯度结构张量受地震各类噪声影响将会使计算结果变的极不稳定，因此引入高斯函数，以减弱地震梯度结构张量计算过程中的不稳定问题，即求取地震梯度结构张量与高斯核函数的卷积，得到区域平均梯度结构张量

其中：G为高斯核函数，

为卷积运算符号，g为振幅梯度场，

分别为沿x、y、t方向的平均方向导数；σ_t为高斯函数的宽度参数，控制了函数的径向作用范围；

求取平均梯度结构张量的意义在于：平均梯度结构张量可以用于表征一定区域内的纹理特征；平均梯度结构张量可压制由于噪音引起的结构张量的突变。

平均梯度结构张量

是一个3×3的半正定对称矩阵，其特征值λ≥0，平均梯度结构张量与特征值关系式：

其中，E为单位矩阵。

进一步地，所述步骤6.3中：

对于平行层状纹理，求解平均梯度结构张量与特征值得到唯一非零解

且其对应的特征向量

所述特征向量

与平行层状纹理的延伸方向正交；这种情况下地震数据呈层状，且各向同性，实际资料中基本不存在；

对于非层状杂乱纹理单元，由平均梯度结构张量与特征值关系式可得一元三次方程：

aλ³+bλ²+cλ+d＝0

其中，a,b,c,d分别为常数且ab≠0；

由于矩阵S为实对称矩阵，包括三个平均结构梯度张量特征值λ₁、λ₂和λ₃，且λ₁≥λ₂≥λ₃＝0；由实对称矩阵的性质可知，三个特征值对应的特征向量

两两正交；这种情况符合断裂带非层状杂乱反射特征；

对于弯曲层状纹理单元，特征值满足λ₁≥λ₂＞λ₃＝0，且λ₁对应的两个特征向量分别与正交。

特征值λ₁、λ₂、λ₃相对大小关系可以识别或区分图像纹理单元的类型，即用特征值来构建不同的结构属性，Randen和Bakker分别构建了“混沌”和“各向异性参”，两种参数均是反映特征值λ₂，实际应用中也发现，λ₂主要反映了断裂带杂乱反射纹理特征，符合断裂带特征的识别，因此，特征值λ₂数据体能够表征断裂带杂乱反射特征。

进一步地，所述步骤7中，对特征值λ₂数据体进行纵横向平滑处理，得到表征断裂带结构数据体，即断裂带横向宽度和纵向连续特征数据体，再此基础上开展断裂带轮廓的精细描述。

进一步地，所述步骤8中，将步骤5中得到的精细描述断裂带内部细节的断层增强数据体，与步骤7中得到的断裂带结构数据体，开展数据体融合处理，融合处理中是对数据值域进行调整，得到既能表征断裂带外部轮廓又能表征断裂带内部细节特征的数据体，并提取研究区目的层平面属性，则获得断裂带预测结果。

与现有技术相比，本发明主要针对叠后断裂预测技术没有充分结合波形、振幅、倾角方位角等信息，预测结果单一且多为线性特征，单一算法无法满足断裂带识别需求等问题，提出了断裂带识别方法和系统。通过地震数据预处理，提高地震资料信噪比，突出断裂等异常特征，在此基础上，应用构造导向体约束边缘检测计算，使边缘检测计算时算子的扫描方向沿着地层的展布方向，避免了传统的相干属性算法水平方向扫描计算或者只能定义单一的地层倾角的缺陷，使地震资料不连续性成像更加清晰，基于边缘检测数据体开展断层增强处理，通过线性加强局部细节，得到断裂带内部特征细节；通过地震张量技术，得到表征断裂带杂乱反射特征的平均梯度结构张量特征值λ₂属性数据，对λ₂进行纵横向平滑处理得到表征断裂带结构的属性数据，将断层增强属性数据与断裂带结构属性数据融合，最终得到既能反映断裂带外部轮廓又能反映断裂带内部特征的属性数据，为断裂带预测提供了技术方法和流程，具有进一步推广应用价值。

图2a和图2b为国内某盆地目的层段地震剖面预处理前后对比图，可见地震数据预处理之后，资料信噪比明显提高，同向轴连续性增强，断裂等异常特征更加突出，有利于后期断裂预测研究。

图3a和图3b为本发明提出的基于构造导向数据体约束的边缘检测断裂预测和在边缘检测数据体上开展的断裂增强预测剖面，图中可见，边缘检测预测出了断裂剖面特征，断层增强预测断裂细节及内部特征较为明显。

图4a和图4b为某工区地震剖面与平均梯度结构张量特征值λ₂数据剖面对比图；应用本发明构建地震梯度结构张量，再此基础上计算得到平均梯度结构张量特征值λ₂属性体，通过原始地震剖面与表征断裂带结构的λ₂属性剖面对比，可见平均梯度结构张量特征值λ₂属性体能够很好刻画断裂带轮廓，为断裂带边界准确识别提供依据。经过地震张量技术计算之后得到的平均梯度结构张量特征值数据体能够很好反映断裂带外部结构特征。

图5a和图5b为研究区目的层常规方法断裂带预测效果与应用本发明断裂带预测效果对比图，可见本发明断裂带边界及内部特征均有清晰识别，特征更加明显，效果明显优于常规识别方法。

本发明可推广应用到其他断裂、裂缝性油气藏勘探与开发，解决断裂带识别及描述急需的地球物理技术方法问题。

虽然已经参考如上优选实施例对本发明进行了描述，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (8)

1.一种断裂带识别方法，其特征在于，包括以下步骤：

步骤1：原始地震数据体准备，包括叠前时间偏移数据体或叠前深度偏移数据体的准备；

步骤2：对原始地震数据体进行精细预处理；

步骤3：利用预处理后的地震数据体，计算构造导向体；

步骤4：应用构造导向体，计算边缘检测数据体；

步骤5：在边缘检测数据体的基础上，开展断层增强处理，得到断层增强数据体；

步骤6：计算地震梯度结构张量特征值数据体并获取表征断裂带杂乱反射特征的特征值数据体；

步骤7：根据获取的表征断裂带杂乱反射的特征值数据体，获取断裂带结构数据体；

步骤8：将步骤5得到的断层增强数据体和步骤7得到的断裂带结构数据体进行数据体融合处理，得到断裂带预测结果；

所述步骤3中，在预处理后的地震数据体的基础上，通过自动扫描分析地震数据的波形、振幅和方位信息，建立表征地震数据方位信息的构造导向体；

所述步骤8中，将步骤5中得到的精细描述断裂带内部细节的断层增强数据体，与步骤7中得到的精细描述断裂带轮廓细节的断裂带结构数据体，开展数据体融合处理，融合处理中是对数据值域进行调整，得到既能表征断裂带外部轮廓又能表征断裂带内部细节特征的数据体，并提取研究区目的层平面属性，则获得断裂带预测结果。

2.根据权利要求1所述的断裂带识别方法，其特征在于，所述步骤2中的预处理方法包括：去除采集脚印、平滑滤波处理以及对原始地震数据体进行扩散滤波处理；最终得到信噪比高、同向轴连续且断裂异常特征突出的地震数据；

其中，在不伤害有效信号的前提下，去除人为影响的采集脚印；在采集脚印去除基础上，进行平滑滤波处理。

3.根据权利要求1所述的断裂带识别方法，其特征在于，所述步骤4中，采用索贝尔边缘检测计算法，并在计算过程中，应用所述步骤3中的构造导向体约束边缘检测计算，使边缘检测计算时算子的扫描方向沿着地层的展布方向。

4.根据权利要求3所述的断裂带识别方法，其特征在于，所述步骤5中，通过断层增强技术对所述步骤4的边缘检测数据体的走向、倾向以及一定走向、倾向范围内的断层合并，增强断层成像；使断裂带在一定倾角方位角范围内进行增强，突出断裂带内部细节特征。

5.根据权利要求4所述的断裂带识别方法，其特征在于，所述步骤6中，又具体包括以下子步骤：

子步骤6.1：构建地震数据的梯度结构张量；

子步骤6.2：计算地震数据的平均梯度结构张量；

子步骤6.3：获取表征断裂带杂乱反射的特征值数据体。

6.根据权利要求5所述的断裂带识别方法，其特征在于，所述步骤6.1具体为：在三维地震数据高维数的情况下，每一点的梯度向量用代表方向的x、y、t三个元素组成，因此每一点的位置点表示为(x,y,t)，则描述地震同向轴的倾角和方位角的三维地震数据梯度向量可以表示为：

其中：u表示三维地震数据；

为求梯度；上标“T”表示矩阵的转置；

为降低三维地震数据中噪音的干扰，采用结构张量法平滑梯度向量，则地震数据的梯度结构张量表示为梯度向量和其转置的乘积关系：

在所述步骤6.2中，由于地震梯度结构张量受地震各类噪声影响将会使计算结果变的极不稳定，因此引入高斯函数，以减弱地震梯度结构张量计算过程中的不稳定问题，即求取地震梯度结构张量与高斯核函数的卷积，得到区域平均梯度结构张量

其中：G为高斯核函数，

为卷积运算符号，g为振幅梯度场，

分别为沿x、y、t方向的平均方向导数；σt为高斯函数的宽度参数，控制了函数的径向作用范围；

平均梯度结构张量

是一个3×3的半正定对称矩阵，其特征值λ≥0，平均梯度结构张量与特征值关系式：

其中，E为单位矩阵。

7.根据权利要求6所述的断裂带识别方法，其特征在于，所述步骤6.3中：

对于平行层状纹理，求解平均梯度结构张量与特征值得到唯一非零解

且其对应的特征向量

所述特征向量

与平行层状纹理的延伸方向正交；这种情况下地震数据呈层状，且各向同性，实际资料中基本不存在；

对于非层状杂乱纹理单元，由平均梯度结构张量与特征值关系式可得一元三次方程：

aλ³+bλ²+cλ+d＝0

其中，a,b,c,d分别为常数且ab≠0；

由于矩阵S为实对称矩阵，包括三个平均结构梯度张量特征值λ₁、λ₂和λ₃，且λ₁≥λ₂≥λ₃＝0；由实对称矩阵的性质可知，三个特征值对应的特征向量

两两正交；这种情况符合断裂带非层状杂乱反射特征；

对于弯曲层状纹理单元，特征值满足λ₁≥λ₂>λ₃＝0，且λ₁对应的两个特征向量分别与λ₂正交；

特征值λ₁、λ₂、λ₃相对大小关系可以识别或区分图像纹理单元的类型，即用特征值来构建不同的结构属性，λ₂主要反映了断裂带杂乱反射纹理特征，符合断裂带特征的识别，因此，特征值λ₂数据体能够表征断裂带杂乱反射特征。

8.根据权利要求7所述的断裂带识别方法，其特征在于，所述步骤7中，对特征值λ₂数据体进行纵横向平滑处理，得到表征断裂带结构数据体，即断裂带横向宽度和纵向连续特征数据体，再此基础上开展断裂带轮廓的精细描述。

Images