CN110766613A - 一种利用锐化滤波提高地震图像分辨率的方法 - Google Patents

Abstract

本发明涉及一种利用K近邻均值滤波和拉普拉斯锐化滤波相结合提高地震图像分辨率的方法，包括步骤1，将地震记录转换成灰度图像；步骤2，以待处理点为中心，进行K近邻均值滤波；步骤3，对滤波结果做拉普拉斯算子锐化滤波；步骤4，输出结果。本发明的利用锐化滤波提高地震图像分辨率的方法计算简单，效果明显，可以显著提高地震图像的分辨率。

Description

一种利用锐化滤波提高地震图像分辨率的方法

技术领域

本发明涉及地震资料高分辨率处理研究领域，尤其涉及一种利用锐化滤波提高地震图像分辨率的方法。

背景技术

野外采集到的数据，由于大地的吸收滤波作用，已经不是地下反射界面的真实反映，许多薄层被掩盖，为此必须做高分辨率处理，达到揭示地下薄层信息的目的，高分辨率处理是地震资料处理流程中比较重要的环节。当前，地震资料高分辨率处理采用的主要技术是反褶积，其在资料处理中占有重要的地位。反褶积的目的是抵消大地滤波作用，将地震子波压缩为震源脉冲的形状，形成理想的地震记录，从而，提高地震资料的垂向分辨率。该方法的应用前提是必须知道地震子波，而实际上地震子波是未知的。因此，必须首先估计地震子波，或者采用理论子波，这些都会影响反褶积的效果。另外，该方法对资料的噪音比较敏感。

最近几年，为了提高图像的分辨率，研究人员发展了一些地震图像增强处理的方法，如：结构张量方法、偏微分方程的非线性各向异性扩散技术等，但是这些方法存在着控制参数较多，计算相对复杂的缺陷。

如刘天时等(“基于Gabor滤波器族的地震图像增强算法”，刘天时等，《计算机工程与设计》，第36卷第11期：第3041-3045页，2015年11月)提出了一种基于Gabor滤波器族的地震图像增强算法，该方法先对地震剖面图像进行小波分解，提取高频分量图与低频分量图，根据地震剖面图像的纹理特征构造Gabor滤波器族，然后将高频分量的系数设置为零并使用Gabor滤波器族对低频分量图进行滤波去噪，获取去噪后的低频分量图，将小波系数置零后的高频分量图和去噪后的低频分量图进行重构，最后重构图像得到增强后的地震剖面图。Gabor滤波器族用于图像增强见到了较好的效果。但是用于地震图像增强时，其参数的确定及优化仍有待进一步改进。

为了解决上述问题，本发明旨在提出一种新的地震资料处理方法，以提高地震图像分辨率简化处理方法。

发明内容

为了解决上述技术问题，本发明提供了一种利用锐化滤波提高地震图像分辨率的方法。

本发明的利用锐化滤波提高地震图像分辨率的方法，包括以下步骤：

步骤1，将地震记录转换成灰度图像；

步骤2，以待处理点为中心，进行K近邻均值滤波；

步骤3，对K近邻均值滤波结果做拉普拉斯算子锐化滤波；

步骤4，输出结果。

进一步的，所述步骤1中，将地震记录转换成灰度图像，通过下式计算：

u(x,y)＝255(s(n,t)-min)/(max-min)，

其中，u(x,y)为转换的地震灰度图，x、y为图像的行和列；s(n,t)为地震记录，n为记录道号，t为采样点；min和max分别为地震记录最小值和最大值。

进一步的，所述步骤2中，K近邻均值滤波方法的原理为，

假设待处理的像素点位置为α(x,y)，在以α(x,y)为中心的n×n区域内，选择K个与待处理像素点的灰度差为最小的像素点，假设其灰度值为v(i)(i＝1,2,3,...K)，待处理点α(x,y)的均值滤波结果为f(x,y)，则

进一步的，所述步骤3中，设经过K近邻滤波后的图像为f(x,y)，则其拉普拉斯算子定义如下式所示，

进一步的，做拉普拉斯算子锐化滤波时，采用拉普拉斯算子的8阶差分格式计算，8阶拉普拉斯算子差分格式为：

进一步的，所述步骤2中，以α(x,y)为中心选取的区域大小是3×3或5×5或7×7。

进一步的，在所述步骤2的K近邻均值滤波中，取K＝5。

优选的，K的取值可以根据实际情况选择，不仅仅限于5。

与现有技术相比，本发明的利用锐化滤波提高地震图像分辨率的方法，首先对地震图像进行K近邻均值滤波，提高信噪比，消除噪音对锐化滤波的影响，然后，采用拉普拉斯算子，对图像进行锐化滤波，提高了图像的分辨率。本方法计算简单，效率高，在提高分辨率的同时，又能够保持较高的信噪比，使得叠后地震资料的高分辨率处理结果更清楚。

上述技术特征可以各种适合的方式组合或由等效的技术特征来替代，只要能达到本发明的目的。

附图说明

在下文中将基于仅为非限定性的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是本发明的利用锐化滤波提高地震图像分辨率的方法的流程示意图；

图2是本发明实施例中原始地震数据图像；

图3是本发明实施例中K近邻滤波示意图；

图4是本发明实施例中拉普拉斯图像锐化滤波后的图像。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

如图1所示，本发明的利用锐化滤波提高地震图像分辨率的方法，包括以下步骤：

步骤1，将地震记录转换成灰度图像；

通过公式u(x,y)＝255(s(n,t)-min)/(max-min)，将地震记录转换成灰度图像。

其中，s(n,t)为地震记录，n为记录道号，t为采样点；min和max分别为地震记录最小值和最大值；μ(x,y)为转换的地震灰度图，x、y为图像的行和列。

步骤2，以待处理点为中心，进行K近邻均值滤波；

K近邻均值滤波方法，是通过选择非边界点进行平滑，所以具有边界保持的特性。

假设待处理的像素点位置为α(x,y)，在以α(x,y)为中心的n×n区域内，选择K个与待处理像素点的灰度差为最小的像素点，假设其灰度值为v(i)(i＝1,2,3,...K)，待处理点α(x,y)的均值滤波结果为f(x,y)，则

步骤3，对滤波结果做拉普拉斯算子锐化滤波；

设经过步骤2，K近邻滤波后的图像为f(x,y)，则其拉普拉斯算子定义如下式所示，

在实际计算时，一般采用拉普拉斯算子的8阶差分格式计算，8阶拉普拉斯算子差分格式为：

步骤4，输出滤波结果。

根据本发明的利用锐化滤波提高地震图像分辨率的方法，以中国西部某工区的地震资料为例，对其进行处理，其处理过程及结果如图2、图3及图4所示。

图2为中国西部某工区中某二维测线的地震偏移剖面，从图中可以看出，该地区浅层(<3000米)能量较弱，同相轴不明显，深层5000米上方有不连续的杂乱反射，为火成岩体，但边界不是很清楚。

根据本发明的方法，首先，把地震数据转换成灰度图，进行K近邻均值滤波，如图3所示，取K＝5，以待处理点为中心，选择5×5的区域范围，选择5个与待处理像素的灰度差为最小的像素进行5点均值滤波。

然后对上述5点均值滤波结果，采用8阶拉普拉斯算子做拉普拉斯锐化滤波，图4为锐化滤波后的结果，从图4中可以看出，浅、中、深层的能量都有了增强，同相轴变细，分辨率提高，火成岩体的边界也更清楚，本发明的方法在提高图像分辨率的同时，又能够保持较高的信噪比。

本发明的利用锐化滤波提高地震图像分辨率的方法，利用K近邻均值滤波和拉普拉斯锐化滤波相结合，K近邻均值滤波器是具有边界保持的平滑滤波器，它选择非边界点进行平滑，可以有效地消除地震图像随机噪音，并能够保持边界，避免噪音对锐化滤波的影响，拉普拉斯锐化滤波可以强化图像边界，从而提高地震图像的分辨率。本发明的方法计算简单，计算简单，效率高，在提高分辨率的同时，又能够保持较高的信噪比，使得叠后地震资料的高分辨率处理结果更清楚。

至此，本领域技术人员应该认识到，虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，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。

Claims (7)

1.一种利用锐化滤波提高地震图像分辨率的方法，其特征在于，包括以下步骤：

步骤1，将地震记录转换成灰度图像；

步骤2，以待处理点为中心，进行K近邻均值滤波；

步骤3，对K近邻均值滤波结果做拉普拉斯算子锐化滤波；

步骤4，输出结果。

2.根据权利要求1所述的利用锐化滤波提高地震图像分辨率的方法，其特征在于，所述步骤1中，将地震记录转换成灰度图像的转换方法，通过下式计算：

u(x,y)＝255(s(n,t)-min)/(max-min)，

其中，u(x,y)为转换的地震灰度图，x、y为图像的行和列；s(n,t)为地震记录，n为记录道号，t为采样点；min和max分别为地震记录最小值和最大值。

3.根据权利要求1所述的利用锐化滤波提高地震图像分辨率的方法，其特征在于，所述步骤2中，K近邻均值滤波方法的原理为，

假设待处理的像素点位置为α(x,y)，在以α(x,y)为中心的n×n区域内，选择K个与待处理像素点的灰度差为最小的像素点，假设其灰度值为v(i)(i＝1,2,3,...K)，待处理点α(x,y)的均值滤波结果为f(x,y)，则

4.根据权利要求3所述的利用锐化滤波提高地震图像分辨率的方法，其特征在于，所述步骤3中，设经过K近邻滤波后的图像为f(x,y)，则其拉普拉斯算子定义如下式所示：

5.根据权利要求4所述的利用锐化滤波提高地震图像分辨率的方法，其特征在于，所述步骤3中做拉普拉斯算子锐化滤波时，采用拉普拉斯算子的8阶差分格式计算，8阶拉普拉斯算子差分格式为：

6.根据权利要求3所述的利用锐化滤波提高地震图像分辨率的方法，其特征在于，所述步骤2中，以α(x,y)为中心选取的区域大小是3×3或5×5或7×7。

7.根据权利要求4所述的利用锐化滤波提高地震图像分辨率的方法，其特征在于，所述步骤2的K近邻均值滤波方法中，取K＝5。

Images