CN111880222A - 一种基于Shearlet变换的地震映像小断层识别增强方法 - Google Patents

一种基于Shearlet变换的地震映像小断层识别增强方法 Download PDF

Info

Publication number
CN111880222A
CN111880222A CN202010978218.XA CN202010978218A CN111880222A CN 111880222 A CN111880222 A CN 111880222A CN 202010978218 A CN202010978218 A CN 202010978218A CN 111880222 A CN111880222 A CN 111880222A
Authority
CN
China
Prior art keywords
shearlet
transform
fault identification
seismic
coefficient
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
Application number
CN202010978218.XA
Other languages
English (en)
Inventor
程浩
施家盛
巩恩普
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN202010978218.XA priority Critical patent/CN111880222A/zh
Publication of CN111880222A publication Critical patent/CN111880222A/zh
Pending legal-status Critical Current

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
    • G01V1/30—Analysis
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters

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)
  • Image Processing (AREA)

Abstract

本发明属于地震识别领域，具体涉及一种基于Shearlet变换的地震映像小断层识别增强方法。本发明的技术方案如下：一种基于Shearlet变换的地震映像小断层识别增强方法，包括如下步骤：(1)读取地震映像法数据；(2)利用Shearlet变换对地震映像法数据进行分解；(3)将所述Shearlet系数进行阈值处理；(4)利用Shearlet系数剖面进行断层识别。本发明提供的基于Shearlet变换的地震映像小断层识别增强方法，通过Shearlet变换将地震数据进行剖分，在Shearlet域进行随机噪声压制，增强有效信号的表达能力，同时，借助Shearlet变换的多尺度特性，将地震数据划分成不同的频带，在不同尺度上进行小断层识别，达到增强断层识别的目的。

Description

一种基于Shearlet变换的地震映像小断层识别增强方法
技术领域
本发明属于地震识别领域，具体涉及一种基于Shearlet变换的地震映像小断层识别增强方法。
背景技术
断层是岩层或岩体顺破裂面发生位移的地质现象。在常规地震剖面上，可以通过反射波同相轴错动、分叉、合并、扭曲、形状和数目突变等表象特征识别断层。地震映像法是基于反射波法中最佳偏移距技术发展起来的一种常用浅地层勘探方法。由于每个记录道都采用了相同的偏移距，地震记录上的时间变化主要为地下地质异常体的反映。地震映像法数据采集速度较快，但抗干扰能力弱，受采集环境影响较大，由于地震映像法受采集方式、采集环境及仪器自身精度的影响，导致地震数据分辨率、信噪比较低，利用常规的断层识别方法上不易直接准确地识别小断层的存在(刘峰，牟中海，蒋裕强，仇鹏，罗芳.小断层的地震识别[J].地球物理学进展，2011,26(6):2210-2215；李振周，杨小川，龚鹏宇，张晓华，姚仙洲，李涛.地震单频体在轮南油田小断层识别中的应用.石油地质与工程，2015，29(6)：92-95.)。
Shearlet变换(Guo Kanghui,Labate D,Lim W Q,et al.Wavelets withcomposite dilations and their MRA properties.Applied and ComputationalHarmonic Analysis,2006,20(2):202-236；Guo Kanghui,Labate D.Optimally sparsemultidimensional representation using shearlets.SIAM Journal on MathematicalAnalysis,2007,39(1):298-318.)作为一种新的稀疏变换方法，具有多尺度、多方向的特性，能够最优地刻画信号的局部特征。与其它的多尺度分析方法相比，Shearlet变换具有更简单的数学结构，对尺度和方向表征更加细腻，在逼近曲线时采用更少的系数，适合处理包含纹理、轮廓和边缘信息的信号。刘俊良等人利用非下采样形态学Haar金字塔分解代替拉普拉斯金字塔分解，实现了对图像的多尺度分解，提高了变换结构细节捕捉和保持的能力(刘俊良，雷琳，周石琳.非下采样形态学Shearlet变换：提高结构细节捕捉的图像表示新方法[J].信号处理，2014，30(2):163-171.)穆晓敏等人利用Shearlet的方向敏感性和各向异性进行人脸表情识别(穆晓敏，张众，曲艳，刘占卫.一种基于剪切波变换的人脸表情识别算法.郑州大学学报(理学版)，2014,46(3):54-58.)。
通过地震映像法所采集的地震数据剖面，受采集方式、采集环境、激发震源和仪器自身精度限制，导致地震数据分辨率、信噪比较低，地震数据剖面复杂，直接进行小断层的划分较为困难。
发明内容
本发明提供一种基于Shearlet变换的地震映像小断层识别增强方法，通过Shearlet变换将地震数据进行剖分，在Shearlet域进行随机噪声压制，增强有效信号的表达能力，同时，借助Shearlet变换的多尺度特性，将地震数据划分成不同的频带，在不同尺度上进行小断层识别，达到增强断层识别的目的。
本发明的技术方案如下：
一种基于Shearlet变换的地震映像小断层识别增强方法，包括如下步骤：
(1)读取地震映像法数据：在计算机中，通过MATLAB软件读取存储在计算机中的地震映像法数据；
(2)利用Shearlet变换对地震映像法数据进行分解：在MATLAB软件中，利用Shearlet变换分解地震映像法数据，将其分解为不同尺度、不同方向的Shearlet系数；
(3)将所述Shearlet系数进行阈值处理：计算不同尺度、不同方向Shearlet域对应的阈值函数，去除随机噪声对应的Shearlet系数，以便更好地识别层界面的边界；
(4)利用Shearlet系数剖面进行断层识别：利用MATLAB软件，绘制所述步骤(3)所得的不同尺度下水平方向的Shearlet系数剖面，通过与原始地震映像法数据剖面进行对比分析，实施断层的识别和划分。
进一步地，所述的基于Shearlet变换的地震映像小断层识别增强方法，所述步骤(2)中的Shearlet变换，公式如下：
C(j,l,k)＝SH{f}＝<f,φj,l,k>
式中，C(j,l,k)为Shearlet系数；j,l,k分别表示尺度参数、方向参数和平移参数；SH{·}表示Shearlet正变换，SH-1{·}表示Shearlet反变换；<·,·>表示内积计算；f为待分解信号；φ表示Shearlet变换基函数。
进一步地，所述的基于Shearlet变换的地震映像小断层识别增强方法，所述Shearlet变换基函数φ满足
φj,l,k＝|det A|j2φ(BlAjx-k):j∈Z,l∈Z,k∈Z2
式中，det表示求取矩阵行列式，
Figure BDA0002686616690000041
为膨胀矩阵，
Figure BDA0002686616690000042
为剪切矩阵，l＝(l1,l2)∈Z，x表示自变量，Z表示整数集。
进一步地，所述的基于Shearlet变换的地震映像小断层识别增强方法，所述步骤(3)中，利用Shearlet变换的稀疏性，去除随机噪声对层界面边界识别的影响；通过计算Shearlet域不同尺度、不同方向对应的阈值函数，去除随机噪声对应的Shearlet系数，以便更好地识别层界面的边界；计算Shearlet域不同方向、不同尺度的阈值函数T，如下式：
Figure BDA0002686616690000043
式中，a为常数变量，根据不同尺度不同噪声水平选取不同的值；λ为Shearlet域系数的均方根，根据不同尺度、不同角度小的Shearlet系数而变化；σ为噪声标准差。
进一步地，所述的基于Shearlet变换的地震映像小断层识别增强方法，所述步骤(4)中，利用MATLAB软件绘制步骤(3)所得的不同尺度下水平方向的Shearlet系数剖面，是指根据实际需求及数据质量，设置所需的分解尺度参数；粗尺度Shearlet系数剖面，Shearlet基不具有方向性，能够反映原始数据整体的低频信息，同相轴较粗；精细尺度又划分为不同尺度，对应不同的频带，所对应的同相轴越细，分辨率越高，能够观察到更小的同相轴错动，识别小断层信息；通过不同尺度下的Shearlet系数剖面，能够更加清晰地判断同相轴错动的位置，综合分析不同尺度水平方向的Shearlet系数剖面，进而提高断层识别的精度。
本发明的有益效果为：本发明通过Shearlet变换将地震数据进行剖分，在Shearlet域进行随机噪声压制，增强有效信号的表达能力，同时，借助Shearlet变换的多尺度特性，将地震数据划分成不同的频带，在不同尺度上进行小断层识别，达到增强断层识别的目的。
附图说明
图1为Shearlet变换基函数，其中：(a)(b)(c)为第三尺度下0度、45度和135度基函数，(d)(e)(f)为45度方向下第二尺度、第三尺度和第四尺度下的基函数；
图2为Curvelet、Contourlet和Shearlet三种变换方法的稀疏度对比曲线图；
图3为某地实际地震映像法数据剖面图；
图4利用Shearlet变换对实际地震映像法数据剖面分解所得结果，其中：(a)(b)(c)分别为粗尺度、第一尺度和第二尺度剖面。
具体实施方式
一种基于Shearlet变换的地震映像小断层识别增强方法，包括如下步骤：
(1)读取地震映像法数据
将地震仪器采集的某地实际地震映像数据Segy文件，导入到计算机指定存储位置，通过MATLAB软件读取地震映像数据Segy文件中的道头信息和对应的地震数据，并进行绘图，如图3所示，剖面受采集环境及地质构造的影响，层界面信息模糊不清，直接进行断层的精确识别存在一定的困难；
(2)利用Shearlet变换对地震映像法数据进行分解
在MATLAB软件中，利用Shearlet变换分解步骤(1)获得的地震映像法数据，将其分解为不同尺度、不同方向的Shearlet系数，所需的Shearlet变换算法如下：
C(j,l,k)＝SH{f}＝<f,φj,l,k>
式中，C(j,l,k)为Shearlet系数；j,l,k分别表示尺度参数、方向参数和平移参数；SH{·}表示Shearlet正变换，相反地，SH-1{·}表示Shearlet反变换；<·,·>表示内积计算；f为待分解信号；φ表示Shearlet变换基函数，且要满足
φj,l,k＝|det A|j2φ(BlAjx-k):j∈Z,l∈Z,k∈Z2
式中，det表示求取矩阵行列式，
Figure BDA0002686616690000061
为膨胀矩阵，
Figure BDA0002686616690000062
为剪切矩阵，l＝(l1,l2)∈Z，x表示自变量，Z表示整数集。
如图1所示，Shearlet变换的部分基函数，其中(a)(b)(c)展示了第三尺度下0度、45度和135度基函数，(d)(e)(f)展示了45度方向下第二尺度、第三尺度和第四尺度下的基函数，说明了Shearlet变换的方向和尺度特性。
(3)将步骤(2)所得的Shearlet系数进行阈值处理
为了更好地识别层界面的边界，去除随机噪声的影响，利用信号在Shearlet域的稀疏性，进行随机噪声信号的压制。图2为Curvelet、Contourlet和Shearlet三种变换方法的稀疏度对比，保留的最大系数百分比从0.5％到30％，当保留4％的最大系数时，Shearlet变换的重构误差已近乎为零，而Curvelet变换和Contourlet变换保留10％的最大系数时，重构误差才近乎为零，说明Shearlet变换具有更好的稀疏特性。由于有效信号通常具有方向性，在Shearlet域表现为较大的Shearlet系数，而随机噪声通常不具有方向性，在Shearlet域表现为较小的Shearlet系数，利用阈值函数去除较小的Shearlet系数，进而达到去除随机噪声的目的，所用计算Shearlet域不同方向、不同尺度的阈值函数T计算如下式：
Figure BDA0002686616690000071
式中，a为常数变量，根据不同尺度不同噪声水平选取不同的值；λ为Shearlet域系数的均方根，根据不同尺度、不同角度小的Shearlet系数而变化；σ为噪声标准差；
(4)利用不同尺度的Shearlet系数剖面进行断层识别
利用地震映像法主要研究的是浅层的地下地质构造，所以，利用MATLAB软件，绘制步骤(3)所得的不同尺度下水平方向的Shearlet系数剖面，根据实际需求及数据质量，设置所需的分解尺度参数，如图4所示，(a)(b)(c)分别为粗尺度、第一尺度和第二尺度的Shearlet系数剖面，来判断不同尺度的断层构造。与原始地震映像法数据剖面图3对比，图4(a)为粗尺度Shearlet系数剖面，Shearlet基不具有方向性，从反映了原始数据整体的低频信息，同相轴较粗，从图中虚线红圈位置可以看到较为明显的同相轴错动；图4(b)和图4(c)为第一尺度和第二尺度水平方向的的Shearlet系数剖面，可见其对应的频率域Shearlet基函数为垂直方向，相比于粗尺度的低频带，第一和第二尺度为高频带，且第二高于第一尺度频带，所对应的同相轴越细，分辨率越高。与图4(a)相比，图4(b)和图4(c)反映的层界面更加精细，从虚线红圈位置处，可以观察到更小的同相轴错动，识别小断层信息。因此，通过不同尺度下的Shearlet系数剖面，可以更加清晰地判断同相轴错动的位置，综合分析不同尺度水平方向的Shearlet系数剖面，进而提高了断层识别的精度。

Claims (5)

1.一种基于Shearlet变换的地震映像小断层识别增强方法，其特征在于，包括如下步骤：
(1)读取地震映像法数据：在计算机中，通过MATLAB软件读取存储在计算机中的地震映像法数据；
(2)利用Shearlet变换对地震映像法数据进行分解：在MATLAB软件中，利用Shearlet变换分解地震映像法数据，将其分解为不同尺度、不同方向的Shearlet系数；
(3)将所述Shearlet系数进行阈值处理：计算不同尺度、不同方向Shearlet域对应的阈值函数，去除随机噪声对应的Shearlet系数，以便更好地识别层界面的边界；
(4)利用Shearlet系数剖面进行断层识别：利用MATLAB软件，绘制所述步骤(3)所得的不同尺度下水平方向的Shearlet系数剖面，通过与原始地震映像法数据剖面进行对比分析，实施断层的识别和划分。
2.根据权利要求1所述的基于Shearlet变换的地震映像小断层识别增强方法，其特征在于，所述步骤(2)中的Shearlet变换，公式如下：
C(j,l,k)＝SH{f}＝<f,φj,l,k>
式中，C(j,l,k)为Shearlet系数；j,l,k分别表示尺度参数、方向参数和平移参数；SH{·}表示Shearlet正变换，SH-1{·}表示Shearlet反变换；<·,·>表示内积计算；f为待分解信号；φ表示Shearlet变换基函数。
3.根据权利要求2所述的基于Shearlet变换的地震映像小断层识别增强方法，其特征在于，所述Shearlet变换基函数φ满足
φj,l,k＝|det A|j/2φ(BlAjx-k):j∈Z,l∈Z,k∈Z2
式中，det表示求取矩阵行列式，
Figure FDA0002686616680000021
为膨胀矩阵，
Figure FDA0002686616680000022
为剪切矩阵，l＝(l1,l2)∈Z，x表示自变量，Z表示整数集。
4.根据权利要求1所述的基于Shearlet变换的地震映像小断层识别增强方法，其特征在于，所述步骤(3)中，利用Shearlet变换的稀疏性，去除随机噪声对层界面边界识别的影响；通过计算Shearlet域不同尺度、不同方向对应的阈值函数，去除随机噪声对应的Shearlet系数，以便更好地识别层界面的边界；计算Shearlet域不同方向、不同尺度的阈值函数T，如下式：
Figure FDA0002686616680000023
式中，a为常数变量，根据不同尺度不同噪声水平选取不同的值；λ为Shearlet域系数的均方根，根据不同尺度、不同角度小的Shearlet系数而变化；σ为噪声标准差。
5.根据权利要求1所述的基于Shearlet变换的地震映像小断层识别增强方法，其特征在于，所述步骤(4)中，利用MATLAB软件绘制步骤(3)所得的不同尺度下水平方向的Shearlet系数剖面，是指根据实际需求及数据质量，设置所需的分解尺度参数；粗尺度Shearlet系数剖面，Shearlet基不具有方向性，能够反映原始数据整体的低频信息，同相轴较粗；精细尺度又划分为不同尺度，对应不同的频带，所对应的同相轴越细，分辨率越高，能够观察到更小的同相轴错动，识别小断层信息；通过不同尺度下的Shearlet系数剖面，能够更加清晰地判断同相轴错动的位置，综合分析不同尺度水平方向的Shearlet系数剖面，进而提高断层识别的精度。
CN202010978218.XA 2020-09-17 2020-09-17 一种基于Shearlet变换的地震映像小断层识别增强方法 Pending CN111880222A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010978218.XA CN111880222A (zh) 2020-09-17 2020-09-17 一种基于Shearlet变换的地震映像小断层识别增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010978218.XA CN111880222A (zh) 2020-09-17 2020-09-17 一种基于Shearlet变换的地震映像小断层识别增强方法

Publications (1)

Publication Number Publication Date
CN111880222A true CN111880222A (zh) 2020-11-03

Family

ID=73199180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010978218.XA Pending CN111880222A (zh) 2020-09-17 2020-09-17 一种基于Shearlet变换的地震映像小断层识别增强方法

Country Status (1)

Country Link
CN (1) CN111880222A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363218A (zh) * 2020-12-07 2021-02-12 鞍钢集团矿业有限公司 基于3D-Shearlet变换和尺度自适应的地震随机噪声压制方法
CN116385642A (zh) * 2023-03-31 2023-07-04 浙江大学 基于球面Shearlet的三维标量信息压缩重构方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5229976A (en) * 1991-11-06 1993-07-20 Conoco Inc. Method for creating a numerical model of the physical properties within the earth
CN106610506A (zh) * 2015-10-26 2017-05-03 中国石油天然气股份有限公司 地震勘探薄层识别方法
CN108121008A (zh) * 2016-11-30 2018-06-05 中国石油天然气股份有限公司 一种地震属性预测河道砂空间分布的方法
CN110646851A (zh) * 2019-10-17 2020-01-03 东北大学 一种基于Shearlet变换的自适应阈值地震随机噪声压制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5229976A (en) * 1991-11-06 1993-07-20 Conoco Inc. Method for creating a numerical model of the physical properties within the earth
CN106610506A (zh) * 2015-10-26 2017-05-03 中国石油天然气股份有限公司 地震勘探薄层识别方法
CN108121008A (zh) * 2016-11-30 2018-06-05 中国石油天然气股份有限公司 一种地震属性预测河道砂空间分布的方法
CN110646851A (zh) * 2019-10-17 2020-01-03 东北大学 一种基于Shearlet变换的自适应阈值地震随机噪声压制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
沈鸿雁: "《近地表地球物理勘探》", 30 September 2017 *
程浩，等: "尺度自适应三维Shearlet变换地震随机噪声压制", 《石油地球物理勘探》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363218A (zh) * 2020-12-07 2021-02-12 鞍钢集团矿业有限公司 基于3D-Shearlet变换和尺度自适应的地震随机噪声压制方法
CN116385642A (zh) * 2023-03-31 2023-07-04 浙江大学 基于球面Shearlet的三维标量信息压缩重构方法
CN116385642B (zh) * 2023-03-31 2023-09-12 浙江大学 基于球面Shearlet的三维标量信息压缩重构方法

Similar Documents

Publication Publication Date Title
Pinnegar et al. The S-transform with windows of arbitrary and varying shape
CN107817527B (zh) 基于块稀疏压缩感知的沙漠地震勘探随机噪声压制方法
CN102998706B (zh) 一种衰减地震数据随机噪声的方法及系统
CN111880222A (zh) 一种基于Shearlet变换的地震映像小断层识别增强方法
CN108961181B (zh) 一种基于shearlet变换的探地雷达图像去噪方法
Zheng et al. The surface wave suppression using the second generation curvelet transform
CN106199532A (zh) 基于混合傅立叶‑小波分析的探地雷达信号降噪方法
CN104849757A (zh) 消除地震信号中随机噪声系统及方法
CN116520419B (zh) 一种热流体裂缝通道识别方法
CN116153329A (zh) 一种基于cwt-lbp的声音信号时频纹理特征提取方法
CN104730576A (zh) 基于Curvelet变换的地震信号去噪方法
CN112764099B (zh) 一种基于地震几何学信息的地震资料拓频方法
Yu et al. Wavelet denoising of well logs and its geological performance
Iqbal et al. Blind curvelet-based denoising of seismic surveys in coherent and incoherent noise environments
Li et al. Marine sediment classification spectral ratio technique from a signal decomposition view based on chirp sonar data
Zhao et al. Prestack seismic noise attenuation based on 3D CWT
CN112363218A (zh) 基于3D-Shearlet变换和尺度自适应的地震随机噪声压制方法
Cai et al. Multiscale dilated denoising convolution with channel attention mechanism for micro-seismic signal denoising
CN112198553B (zh) 集成反射振幅补偿的人机交互式深海水体三维速度分析法
CN111323816B (zh) 基于海洋宽频地震数据波形的瞬时相位梯度属性提取方法
Zhong et al. DAS-VSP noise elimination based on the dilated pyramid attention network
CN112764095B (zh) 基于广义能量比的vsp数据q值计算方法及系统
CN114428283B (zh) 薄储层及地震弱反射层的地震识别方法及电子设备
CN107578064A (zh) 基于超像素利用极化相似性参数的海面溢油检测的方法
Zhang et al. The ridgelet transform with non-linear threshold for seismic noise attenuation in marine carbonates

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201103