NO20130431A1

NO20130431A1 - Farvemodelltransformasjon for sesmisk egenskap

Info

Publication number: NO20130431A1
Application number: NO20130431A
Authority: NO
Inventors: Andreas W Laake
Original assignee: Logined Bv
Priority date: 2012-03-28
Filing date: 2013-03-26
Publication date: 2013-09-30
Also published as: CA2810540A1; NO345502B1; GB2502681A; GB201305720D0; GB2502681B; CA2810540C; US20130262061A1; US9964654B2

Abstract

En metode kan inkludere å skaffe data fra minst to datasett i en kontinuerlig fargemodell som inkluderer minst to fargeakser; å omforme data fra den kontinuerlige fargemodellen til en nyanse-, metning- og verdi-fargemodell for å generere minst metningsdata; bruke en kantdeteksjonsalgoritme på metningsdata for å generere forbedret data; og fremstille minst en del av de forbedrede data på et display. Forskjellige andre apparater, systemer, metoder, osv. blir også offentliggjort.

Description

OMFORMING AV SEISMISK ATTRIBUTTFARGEMODELL

RELATERTE SØKNADER

[0001] Denne søknaden krever fordelen av midlertidig amerikansk patentsøknad med serienummer 61/699,986, innlevert den 12. september 2012, med tittel "Extended Multi-Attribute RGB Processing" som er innlemmet her ved henvisning, og amerikansk midlertidig patentsøknad med serienummer 61/616,497, innlevert den 28. mars 2012, med tittel "Extraction of Information from Seismic Data Using Multiple Attributes" som blir innlemmet herved henvisning.

BAKGRUNN

[0002] Refleksjonsseismologi finner bruk i geofysikk til f.eks. å beregne egenskaper av formasjoner under overflaten. Som et eksempel, kan refleksjonsseismologi skaffe seismiske data som representerer bølger av elastisk energi (f.eks. som overført av P-bølger og S-bølger, i et frekvensområde på omtrent 1 Hz til omtrent 100 Hz). Seismisk data kan f.eks. bli behandlet og tolket for å bedre forstå sammensetning, væskeinnhold, omfang og geometri av berg under overflaten. Forskjellige teknikker beskrevet her gjelder behandling av data slik som f.eks. seismiske data.

SAMMENDRAG

[0003] En metode kan inkludere å skaffe data fra minst to datasett i en kontinuerlig fargemodell som inkluderer minst to fargeakser; å omforme data fra den kontinuerlige fargemodellen til en nyanse-, metning- og verdi-fargemodell for å generere minst metningsdata; bruke en kantdeteksjonsalgoritme på metningsdata for å generere forbedret data; og fremstille minst en del av de forbedrede data på et display. En metode kan inkludere fletting av forbedret data med inndata for å strukturelt skjerpe inndata før videre behandling. Et system kan inkludere én eller flere prosessorer for å behandle informasjon; minne driftsmessig koblet til den ene eller flere prosessorer; og moduler som inkluderer instruksjoner lagret i minnet og utførbart med minst én av den ene eller flere prosessorer, hvor modulene kan inkludere en kontinuerlig fargemodul for å skaffe data fra minst to datasett i en kontinuerlig fargemodell; en omformingsmodul for omforming av data fra den kontinuerlige fargemodellen til en nyanse-, metnings- og verdi-fargemodell for å generere minst metningsdata; og en applikasjonsmodul for å bruke en kantdeteksjonsalgoritme på metningsdata for å generere forbedret data. Ett eller flere lagringsmedier lesbare med datamaskin kan inkludere datamaskinutførbare instruksjoner til å instruere et datamaskinsystem om å få tilgang til data; behandle data for å avlede lineært funksjonsdata; behandle data for å avlede bøyd funksjonsdata; og kombinere minst en del av de lineære funksjonsdata og minst en del av det bøyde funksjonsdata.

[0004] Dette sammendraget er gitt for å introdusere et utvalg av konsepter som blir beskrevet videre nedenfor i den detaljerte beskrivelsen. Dette sammendraget er ikke beregnet til å identifisere nøkkel- eller viktige funksjoner av det krevde emnet, ei heller er det beregnet til å bli brukt som et hjelpemiddel til å begrense omfanget av det krevde emnet.

KORT BESKRIVELSE AV TEGNINGENE

[0005] Funksjoner og fordeler av de beskrevne implementeringene kan bli lettere forstått ved henvisning til den følgende beskrivelsen sett i sammenheng med de medfølgende tegningene.

[0006] Fig. 1 illustrerer et eksempel på et system som inkluderer forskjellige komponenter for modellering av et geologisk miljø;

[0007] Fig. 2 illustrerer et eksempel på en metode for å konvertere data i en RGB-fargemodell til minst metningsbånddata av en HSV-fargemodell og et eksempel på et system;

[0008] Fig. 3 illustrerer et eksempel på en metode for å omforme data til ett eller flere bånd av en HSV-fargemodell;

[0009] Fig. 4 illustrerer et eksempel på en metode for å omforme data og for å bruke én eller flere kantedeteksjonsalgoritmer;

[0010] Fig. 5 illustrerer et eksempel på en metode for forbedret data av sammenrullet kant og annet data;

[0011] Fig. 6 illustrerer et eksempel på en metode for å behandle seismisk data og eventuelt validere omformet data;

[0012] Fig. 7 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt;

[0013] Fig. 8 illustrerer eksempler på arbeidsflyter;

[0014] Fig. 9 illustrerer et eksempel på en arbeidsflyt eller metode;

[0015] Fig. 10 illustrerer et eksempel på stratigrafisk informasjon og eksempler på bilder av data;

[0016] Fig. 11 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt;

[0017] Fig. 12 illustrerer et eksempel på en metode og eksempler på bilder av data forbundet med en arbeidsflyt;

[0018] Fig. 13 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt;

[0019] Fig. 14 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt som inkluderer maursporing;

[0020] Fig. 15 illustrerer et eksempel på en arbeidsflyt eller metode for marmorering og eksempler på bilder av data forbundet med en slik arbeidsflyt;

[0021] Fig. 16 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt for skjerping;

[0022] Fig. 17 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt for SRGB-basert kartlegging;

[0023] Fig. 18 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt for funksjonsekstrahering;

[0024] Fig. 19 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt for funksjonsekstrahering;

[0025] Fig. 20 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt for funksjonskartlegging;

[0026] Fig. 21 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt for kartlegging;

[0027] Fig. 22 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt for funksjonsdiskriminering;

[0028] Fig. 23 illustrerer et eksempel på en metode eller arbeidsflyt funksjonskartlegging og eksempler på bilder av data forbundet med en slik metode;

[0029] Fig. 24 illustrerer eksempler på bilder av data forbundet med en arbeidsflyt for funksjonskartlegging;

[0030] Fig. 25 illustrerer eksempler på metoder, moduler, osv. og

[0031] Fig. 26 illustrerer eksempler på komponenter av et system og et nettverkssystem.

DETALJERT BESKRIVELSE

[0032] Den følgende beskrivelsen inkluderer den beste modus som for tiden overveies for bruk av de beskrevne implementeringene. Denne beskrivelsen skal ikke oppfattes som begrensende, men er heller gitt kun for formålet å beskrive de generelle prinsipper for implementeringene. Omfanget av de beskrevne implementeringer skal bli fastsatt med henvisning til de utstedte kravene.

[0033] Fig. 1 viser et eksempel på et system 100 som inkluderer forskjellige styringskomponenter 110 for å styre forskjellige aspekter av et geologisk miljø 150 (f.eks. et miljø som inkluderer en sedimentær fordypning, et reservoar 151, én eller flere brudd 153, osv.). Styringskomponentene 110 kan f.eks. tillate direkte eller indirekte styring av føling, boring, ekstrahering, osv., med hensyn til et geologisk miljø 150. Videre informasjon om det geologiske miljøet 150 kan deretter bli tilgjengelig som tilbakemelding 160 (f.eks. eventuelt som inndata til én eller flere av styringskomponentene 110).

[0034] I eksemplet på fig. 1 inkluderer styringskomponentene 110 en seismisk datakomponent 112, en ekstra informasjonskomponent 114 (f.eks. brønn-/loggingsdata), en behandlingskomponent 116, en simuleringskomponent 120, en attributtkomponent 130, en analyse-/visualiseringskomponent 142 og en arbeidsflytkomponent 144. I drift kan seismisk data og annen informasjon skaffet av komponent 112 og 114 bli matet inn til simulasjonskomponenten 120.

[0035] I et eksempel på en utforming kan simulasjonskomponenten 120 lite på entiteter 122. Entiteter 122 kan inkludere jordentiteter eller geologiske objekter slik som brønner, reservoarer, osv. I systemet 100 kan entitetene 122 inkludere virtuelle representasjoner av virkelige fysiske entiteter som er rekonstruert for simuleringsformål. Entitetene 122 kan inkludere entiteter basert på data innsamlet via føling, observasjon, osv. (f.eks. de seismiske data 112 og annen informasjon 114). En entitet kan blikarakterisertav én eller flere egenskaper (f.eks. en geometrisk pillarnettentitet av en jordmodell kan værekarakterisertav en porøsitetsegenskap). Slike egenskaper kan representere én eller flere målinger (f.eks. innsamlet data), beregninger, osv.

[0036] I et eksempel på en utforming kan simulasjonskomponenten 120 lite på et programvarerammeverk slik som et objekt-basert rammeverk. I et slikt rammeverk kan entiteter inkludere entiteter basert på forhåndsbestemte klasser for å lette

modellering og simulasjon. Et kommersielt tilgjengelig eksempel på et objekt-basert rammeverk er MICROSOFT®.NET™-rammeverket (Redmond, Washington), som gir et sett av utvidbare objektsklasser. I .NET™-rammeverket innkapsler en objektklasse en modul med gjenbrukbar kode og assosierte datastrukturer. Objektklasser kan brukes til å instantiere objekttilfeller til bruk i/av et program, manuskript, osv. Borehullklasser kan f.eks. definere objekter til å representere borehull basert på brønndata.

[0037] I eksemplet i fig. 1 kan simulasjonskomponenten 120 ha informasjon til å tilpasse seg til ett eller flere attributter spesifisert av attributtkomponenten 130 som kan inkludere et bibliotek av attributter. Slik behandling kan forekomme før innmating i simulasjonskomponenten 120 (overveie f.eks. behandlingskomponenten 116). Som et eksempel, kan simulasjonskomponenten 120 utføre operasjoner på innmatingsinformasjon basert på ett eller flere attributter spesifisert av attributtkomponenten 130. I et eksempel på en utforming kan simulasjonskomponenten 120 konstruere én eller flere modeller av det geologiske miljøet 150 som kan stoles på for å simulere oppførselen til det geologiske miljøet 150 (f.eks. responsivtil én eller flere handlinger, enten naturlig eller kunstig). I eksemplet på fig. 1 kan analyse-/visualiseringskomponenten 142 tillate samhandling med en modell eller modellbaserte resultater. Som et eksempel, kan utdata fra simuleringskomponenten 120 bli innmatet i én eller flere arbeidsflyter, som indikert av en arbeidsflytkomponent 144.

[0038] Som et eksempel kan simulasjonskomponenten 120 inkludere én eller flere funksjoner av en simulator slik som ECLIPSE™-reservoarsimulatoren (Schlumberger Limited, Houston, Texas), INTERSECT™-reservoarsimulatoren (Schlumberger Limited, Houston, Texas), osv. Som et eksempel, kan et reservoar eller reservoarer bli simulert med hensyn til én eller flere forbedrede teknikker (vurdere f.eks. en varmeprosess slik som SAGD, osv.).

[0039] I et eksempel på en utforming kan styringskomponentene 110 inkludere funksjoner av et kommersielt tilgjengelig simulasjonsrammeverk slik som PETREL®-seismikk til simulasjonsprogramvare-rammeverket (Schlumberger Limited, Houston, Texas). PETREL®-rammeverket gir komponenter som tillater optimalisering av lete- og utviklingsoperasjoner. PETREL®-rammeverket inkluderer seismikk til simulasjonsprogramvarekomponenter som kan mate ut informasjon til bruk for å øke reservoarytelse, f.eks. ved å forbedre produktiviteten til driftsmiddelteamet. Ved bruk av et slikt rammeverk kan forskjellige fagfolk (f.eks. geofysikere, geologer og reservoaringeniører) utvikle samarbeidende arbeidsflyter og integrere operasjoner for å strømlinjeforme prosesser. Et slikt rammeverk kan bli betraktet som en applikasjon og kan bli betraktet som en datadrevet applikasjon (f.eks. hvor data bli innmatet med det formål å simulere et geologisk miljø).

[0040] I et eksempel på en utforming kan forskjellige aspekter av styringskomponentene 110 inkludere tilleggsutstyr eller periferiutstyr som virker ifølge spesifikasjonene til et rammeverksmiljø. Et kommersielt tilgjengelig rammeverksmiljø markedsført som OCEAN®-rammeverksmiljø (Schlumberger Limited, Houston, Texas) tillater f.eks. integrasjon av tilleggsutstyr (eller periferiutstyr) inn i en PETREL®-rammeverksarbeidsflyt. OCEAN®-rammeverksmiljøet benytter seg av .NET®-verktøyene (Microsoft Corporation, Redmond, Washington) og tilbyr stabile, brukervennlige grensesnitt for effektiv utvikling. I et eksempel på en utforming kan forskjellige komponenter bli implementert som tilleggsutstyr (eller periferiutstyr) som er i overensstemmelse med og driver ifølge, spesifikasjoner for et rammeverksmiljø (f.eks. ifølge applikasjonsprogrammeringsgrensesnitt (API) spesifikasjoner, osv.).

[0041] Fig. 1 viser også et eksempel på et rammeverk 170 som inkluderer et modellsimulasjonslag 180 sammen med et rammeverktjenestelag 190, et rammeverkkjernelag 195 og et modullag 175. Rammeverket 170 kan inkludere det kommersielt tilgjengelige OCEAN®-rammeverket hvor modellsimuleringslaget 180 er den kommersielt tilgjengelige PETREL®-modellsentriske programvarepakken som er vert for OCEAN®-rammeverksapplikasjoner. I et eksempel på en utforming kan PETREL®-programvaren bli betraktet som en datadrevet applikasjon. PETREL®-programvaren kan inkludere et rammeverk for modellbygging og visualisering. En slik modell kan inkludere ett eller flere nett.

[0042] Modellsimulasjonslaget 180 kan gi domeneobjekter 182, opptre som en datakilde 184, gi en fremstilling 186 og gi forskjellige brukergrensesnitt 188. Fremstilling 186 kan gi et grafisk miljø hvor applikasjoner kan vise sine data mens brukergrensesnitt 188 kan gi et felles utseende og følelse for applikasjonens brukergrensesnittkomponenter.

[0043] I eksemplet i fig. 1 kan domeneobjektene 182 inkludere entitetsobjekter, dataelementobjekter og eventuelt andre objekter. Entitetsobjekter kan brukes til å geometrisk representere brønner, overflater, reservoarer, osv., mens dataelementobjekter kan brukes til å gi dataelementverdier samt dataversjoner og displayparametre. Et entitetsobjekt kan f.eks. representere en brønn hvor et dataelementobjekt gir logginformasjon samt versjonsinformasjon og displayinformasjon (f.eks. for å vise brønnen som en del av en modell).

[0044] I eksemplet i fig. 1 kan data blir lagret i én eller flere datakilder (eller datalagre, vanligvis fysisk datalagringsutstyr), som kan være på det samme eller forskjellige fysiske steder og tilgjengelig via ett eller flere nettverk. Modellsimulasjonslaget 180 kan bli konfigurert til modellprosjekter. Som slik, kan et spesielt prosjekt bli lagret hvor lagret prosjektinformasjon kan inkludere inndata, modeller, resultater og tilfeller. Således kan en bruker ved fullføring av en modelleringssesjon lagre et prosjekt. På et senere tidspunkt kan man få tilgang til prosjektet og gjenopprette det ved bruk av modellsimulasjonslaget 180 som kan gjenskape tilfeller av de relevante domeneobjektene.

[0045] I eksemplet i fig. 1 kan den geologiske omgivelsen 150 bli utstyrt med en hvilken som helst av en rekke forskjellige sensorer, detektorer, aktuatorer, osv. Utstyr 152 kan f.eks. inkludere kommunikasjonskretsutstyr til å motta og til å sende informasjon med hensyn til ett eller flere nettverk 157. Slik informasjon kan inkludere informasjon i forbindelse med brønnhullsutstyr 154, som kan være utstyr til å samle informasjon, hjelpe til med ressursgjenvinning, osv.. Annet utstyr 156 kan bli lokalisert fjernt fra et brønnsted og inkludere føling, detektering, utstråling eller et annet kretssystem. Slikt utstyr kan inkludere lagring og kommunikasjonskretssystem til å lagre og å kommunisere data, instruksjoner, osv. Som et eksempel, kan én eller flere satellitter bli skaffet for kommunikasjonsformål, datainnsamling, osv. Fig. 1 viser f.eks. en satellitt 155 som kan bli konfigurert for kommunikasjoner, og bemerke at satellitten 155 i tillegg eller alternativt kan inkludere kretssystem for avbildning (f.eks. rom, spektral, temporal, radiometrisk, osv.).

[0046] Som nevnt, kan systemet 100 brukes til å utføre én eller flere arbeidsflyter. En arbeidsflyt kan være en prosess som inkluderer et antall arbeidstrinn. Et arbeidstrinn kan drive på data, f.eks. for å skape nye data, for å oppdatere eksisterende data, osv. Som et eksempel, kan et drive på ett eller flere inndata og skape ett eller flere resultater, f.eks. basert på én eller flere algoritmer. Som et eksempel, kan et system inkludere en arbeidsflytredaktør for opprettelse, redigering, utøvelse, osv. av en arbeidsflyt. I et slikt eksempel kan arbeidsflytredaktøren gi valg av ett eller flere forhåndsdefinerte arbeidstrinn, ett eller flere spesialtilpassede arbeidstrinn, osv. Som et eksempel, kan en arbeidsflyt som kan implementeres i PETREL ©-programvaren, f.eks. som kan drive på seismiske data, seismiske attributt(er), osv. Som et eksempel kan en arbeidsflyt være en prosess som er implementerbar i OCEAN®-rammeverket.

[0047] Som et eksempel, kan en arbeidsflyt inkludere ett eller flere arbeidstrinn som har tilgang til en modul slik som et periferiutstyr (f.eks. ekstern utførbar kode, osv.) Som et eksempel, vurder et arbeidstrinn som inkluderer instruksjoner til å få tilgang til en algoritme til en pakke, et databehandlingsmiljø, osv., slik som f.eks. MATLAB®-databehandlingsmiljøet (markedsført av MathWorks, Inc., Natick, MA). MATLAB®-databehandlingsmiljøet inkluderer en verktøykasse for bildebehandling med f.eks. algoritmer for fargeplass- (f.eks. fargemodell) - konverteringer, omforminger, osv. Som et eksempel, inkluderer MATLAB®-databehandlingsmiljøet funksjoner "rgb2hsv" og "hsv2rgb" for å konvertere bilder mellom RGB- og HSV-fargerom (se f.eks. http://www.mathworks.com/help/images/converting-color-data-between-color-spaces.html).

[0048] Som et eksempel på fargemodeller, definerer RGB-fargemodellen en farge som prosenter av røde, grønne og blå nyanser (f.eks. som blandet sammen) mens HSV-fargemodellen definerer farge med hensyn til nyanse (H), metning (S) og verdi (V). For HSV-fargemodellen, siden nyanser varierer fra 0 til 1,0, varierer korresponderende farger fra rød gjennom gul, grønn, cyan, blå, purpur og tilbake til rød (f.eks. røde verdier eksisterer ved både 0 og 1,0); som metning varierer fra 0 til 1,0, varierer korresponderende farger (nyanser) fra umettet (f.eks. nyanser av grått) til fullstendig mettede (f.eks. ingen hvit komponent); og som verdi, eller klarhet, varierer fra 0 til 1,0, blir korresponderende farger stadig klarere.

[0049] Metning kan bli beskrevet som, f.eks. å representere renhet av en farge hvor farger med den høyeste metning kan gi de høyeste verdier (f.eks. representert som hvit når det gjelder metning) og hvor blandinger av farger er representert av nyanser av grått (f. eks. cyanfarger, grønnfarger og gule nyanser er blandinger av sanne farger). Som et eksempel, kan metning bli beskrevet som å representere "fargerikheten" som en stimulus i forhold til sin egen klarhet; hvor "fargerikhet" er et attributt av en visuell følelse, ifølge dette ser den oppfattede fargen til et område ut til å være mer eller mindre kromatisk og hvor "klarhet" er en attributt for en visuell følelse som et område ser ut til å utstråle mer eller mindre lys.

[0050] Som et eksempel, kan informasjon bli ekstrahert fra seismisk data ved å bruke én eller flere attributter, f.eks. hvor hvert attributt representerer en spesifikk egenskap eller egenskaper av data. Som et eksempel, kan seismisk data bli gitt i form av en "kube" (f. eks. et polyeder) eller organisert på annen måte med hensyn til tre dimensjoner, f.eks. tverrlinje- og innlinje-dimensjoner (f.eks. x og y) samt en tids-eller dybdedimensjon (f.eks. t eller z, hvor tid er en erstatning for dybde via gangtid for bølge). Hvor en "kube" blir nevnt her, som et eksempel, kan det henvise til et tredimensjonalt datasett.

[0051] Eksempler på attributter kan inkludere dominerende frekvens, RMS-amplitude og mellomvarians. For å beskrive en geologisk funksjon eller geologiske funksjoner kan en metode inkludere en informasjonsanalyse fra flere attributter. Som et eksempel, kan en metode gi samtidig attributtanalyse ved å representere attributtdupletter eller -tripletter i en kontinuerlig fargerepresentasjon. For eksempel, for dubletter kan en fargemetode som bruker RG, GB eller RB bli implementert, mens for tripletter, kan en fargemetode som bruker RGB bli implementert. Enten det er dubletter eller tripletter kan en fullstendig eller avkortet RGB-fargemodell bli omformet eller konvertert til en annen type fargemodell som inkluderer metning. En fargemodell kan f.eks. bli konvertert eller omformet til en HSV-fargemodell.

[0052] Som et eksempel, kan en metode inkludere skjerping av en kontinuerlig fargerepresentasjon av flere attributter for å f.eks. gi som et resultat strukturelle lineamenter for geologisk tolkning. Vurder f.eks. å ekstrahere tre attributter (attributt-triplett) fra en seismisk datakube (f.eks. forhåndsbehandlet separat). I et slikt eksempel kan metoden inkludere å velge og allokere de tre attributtene til røde, grønne og blå bånd i en kontinuerlig fargerepresentasjon (f.eks. kontinuerlig for en RGB-fargemodell). En slik fremgangsmåte kan gi et RGB-bilde med tre attributter med en forlenget dynamisk rekkevidde hvor en metode kan inkludere bildebehandling for å forbedre RGB-bildet med tre attributter. Som et eksempel, kan en metode inkludere å konvertere RGB-bildet med tre attributter fra RGB-fargemodellen til HSV-fargemodellen for å forbedre strukturell informasjon som f.eks. kan befinne seg i fargegrensene i RGB-bildet med tre attributter. I en slik metode kan metningen i HSV-fargemodell representere strukturell informasjon som befinner seg i RGB-bildet med tre attributter. Som et eksempel, kan en metode inkludere å bruke én eller flere kantdeteksjonsalgoritmer til informasjonen i metningsbåndet for f.eks. å gi strukturell informasjon som et resultat. Gitt et slikt resultat kan en metode f.eks. inkludere å rulle sammen den strukturelle informasjonen og RGB-bildet med tre attributter. I et slikt eksempel kan resultatet av sammenrullingen bli betraktet som er skjerpet RGB-bilde (f.eks. et strukturelt skjerpet RGB-bilde).

[0053] Som et eksempel, kan en metode inkludere å skaffe en kube som inneholder strukturelle lineamenter og en struktur med skjerpet RGB-bilde. Mens dubletter og tripletter er blitt nevn, kan en slik metode eventuelt brukes på kombinasjoner av mer enn tre attributter. Videre kan som et eksempel, attributter stamme fra forskjellige datakilder. Seismisk data kan f.eks. bli behandlet for å gi to attributter, mens satellittavbildningsdata kan bli behandlet for å gi et annet attributt. I et slikt eksempel kan RGB-bildet med tre attributter bli dannet og konvertert til en HSV-fargemodell hvor én eller flere algoritmer blir brukt på metningsbånddata. Deretter, som et eksempel, kan de resulterende behandlede metningsbånddata bli rullet sammen i RGB-bildet med tre attributter (eller en avkuttet form av disse) for tolkingsformål, videre behandling, osv. Som et eksempel, kan den tidligere nevnte PETREL®-programvaren bli implementert sammen med én eller flere moduler som skaffer fargemodellomforming, behandling av metningsbånddata, osv.

[0054] Fig. 2 viser et eksempel på en metode 200 som inkluderer en domenedel 210 med en enkel attributtintensitet og en domenedel 230 med flerattributt kontinuerlig farge. Metoden 200 kan bli implementert for å skjerpe den kontinuerlige fargerepresentasjonen av flere attributter, f.eks. for å gi strukturelle lineamenter for geologisk tolkning.

[0055] Som et eksempel, kan seismiske data bli gitt i en terningskonfigurasjon (f.eks. med hensyn til tverrlinje-, innlinje- og tids- eller dybdedimensjoner). I domenedelen 210 med enkel attributtintensitet kan individuelle attributter f.eks. bli vist individuelt som intensiteter som korresponderer til sine respektive attributtverdier. Med andre ord, en seismisk kube kan bli behandlet via en attributtblokk 220 for å generere en attributtkube hvor verdiene for en skive gjennom attributtkuben kan bli vist som gråtoneintensiteter som korresponderer til disse verdiene. Når det gjelder domenedelen 230 med flerattributt kontinuerlig farge, kan den vise flere attributter avledet fra den samme seismiske kuben eller forskjellige seismiske kuber, f.eks. ved å behandle de flere attributtene ved å bruke et kontinuerlig fargedomene. I domene 230 med flere attributt kontinuerlig fargedomene 230 som et eksempel, kan to datasett bli behandlet ved å bruke et kontinuerlig fargedomene for å komme frem til et skjerpet flerfargebilde. I et slikt eksempel kan et første datasett korrespondere med et første attributt og et andre datasett kan korrespondere med et andre attributt hvor f.eks. de første og andre attributtene er avledet fra den samme seismiske datakuben. Som et eksempel kan de første og andre attributtene bli avledet ved å bruke den samme attributtalgoritmen som driver på andre data innen den samme seismiske datakuben (f.eks. skiver ved forskjellige dybder) eller de kan f.eks. bli avledet ved å bruke forskjellige attributtalgoritmer som driver på det samme data innen den samme seismiske kuben (f.eks. den samme skiven).

[0056] I eksemplet i fig. 2 kan attributtblokken 220 gi ekstrahering av flere attributter (f.eks. 1, 2, .. N) fra en seismisk kube eller seismiske kuber (f.eks. ved å bruke kommersielt tilgjengelig programvare, spesialtilpasset programvare, osv.) Ett eller flere av slike attributter kan f.eks. inkludere signalegenskaper slik som en amplitude og frekvens, strukturelle egenskaper slik som kurvatur og gradient eller statiske egenskaper slik som varians. Som et eksempel, kan én eller flere forbedringsteknikker bli brukt på ett eller flere av attributtene (f.eks. for å optimere videre behandling, analyse, tolkning, osv.).

[0057] I eksemplet i fig. 2 blir attributtblokken 220 vist som å gi tre attributter: A1, A2 og A3 (f.eks. tre datasett). Som et eksempel, kan det bli gitt to attributter istedenfor tre. Som indiker av en blandet blokk 240 av domenedelen 230 med flerattributt kontinuerlig farge, kan de tre attributtene A1, A2 og A3 bli valgt og allokert til de røde, grønne og blå båndene i en kontinuerlig farge RGB-representasjon (f.eks. et RGB-bilde). En slik fremgangsmåte kan forlenge den dynamiske rekkevidden av data til den tredje potens av resolusjonen av hvert attributt. Hvor det blir skaffet to attributter (f.eks. to datasett), kan en annen kontinuerlig fargerepresentasjon bli brukt, f.eks. RG, RB eller GB (f.eks. merk at den differensial av to farger kan bli brukt).

[0058] Som et eksempel, kan en metode slik som metoden 200 bli brukt på N-dimensjonalt data, f.eks. når N er minst to, kanskje tre og kanskje mer enn tre (f.eks. vurder et rom definert av seks akser). Spesielt, mens RGB blir nevnt, og varianter av det, kan RGB representere en første tre koordinatakser mens én eller flere andre koordinatakser blir introdusert for å definere et rom. Når et rom har dimensjonalitet N

(f.eks. RG, RB, GB, RGB, ABCD, osv.), kan de forskjellige blokkene i metoden 200 være passende tilpasset til å romme økt dimensjonalitet som kan inkludere skaffe N-datasett (f.eks. fra en enkel kube, en enkel kilde, flere terninger, flere kilder, osv.) og å behandle datasettene med N-dimensjonalitet.

[0059] I en bildebehandlingsblokk 250 kan bildebehandling bli påført til den kontinuerlige farge RGB-representasjonen til flerattributt data (f.eks. RGB-bildet); merk at den økte dynamiske rekkevidden kan være fordelaktig for formålene til slike bildebehandlinger.

[0060] I eksemplet i fig. 2 kan RGB-bildet kode slike fysiske egenskaper som, f.eks. frekvens, amplitude eller hastighet som fargenyanser; merk at strukturell informasjon kan bli inkludert i grensene mellom områder med forskjellig farge og amplitude. Som vist i eksemplet i fig. 2, gir en konverteringsblokk 260 konvertering av RGB-bildet fra sin RGB-fargemodell til en HSV-fargemodell, f.eks. for å skille ren fargeinformasjon i nyansebåndet fra informasjon om uavhengig fargeintensitet i metningsbåndet.

[0061] Som indikert i eksemplet i fig. 2, kan en HSV-bildeblokk 262 inkludere et H-bånd (nyanse), et V-bånd (verdi) og et S-bånd (metning), hvor, f.eks. en frekvens- og/eller hastighetsblokk 264 kan drive på H-bånddata, en signalstyrkeblokk 266 kan drive på V-bånddata, og en strukturell lineamentblokk 270 kan operere på S-bånddata. Blokkene 264, 266 og 270 kan f.eks. gi en fremstilling av hvert bånd til et display. I et slikt eksempel kan én eller flere grafiske brukergrensesnittkontroller la en bruker justere én eller flere parametre, osv., f.eks. for det formål å tolke informasjon inkludert i hvert av båndene.

[0062] I eksemplet i fig. 2 inkluderer metoden 200 en kantdeteksjonsbokk 280 for å brukes én eller flere algoritmer på S-bånddata av HSV-bildet 262. Som et eksempel, kan en filterprosess, slik som f.eks. Sobel-metoden bli brukt på S-bånddata for å detektere én eller flere kanter. Sobel-metoden kan bruke et filter for én dimensjon og et filter for en annen dimensjon hvor resultatene av filtreringen blir kombinert. Sobel-metoden kan inkludere å bruke en diskret differensieringsoperatør for å beregne en tilnærming av gradienten til en bildeintensitetsfunksjon. I et slikt eksempel kan resultatet av operatøren, ved hvert punkt i et inndatabilde være enten den korresponderende gradient vektoren eller normen av denne vektoren. Som et eksempel, for et 2D-bilde, kan en Sobel-metode bruke to veide matriser (f.eks. n x m kjerner), én for hver dimensjon av 2D-bildet (ett for en n-dimensjon og ett for en m- dimensjon), hvor intensitetsverdiene av 2D-bildet brukes innen matrisene, rundt hvert bildepunkt, for å tilnærme en korresponderende bildegradient for det bildepunktet (f.eks. via en gradientverdi for hver dimensjon, en gradientstørrelse, en gradientretning, osv.).

[0063] Med hensyn til kantdeteksjon kan en hvilken som helst variant av algoritmer brukes, f.eks., avhengig av datakilden, attributter, osv. Som et eksempel, inkluderer MATLAB®-beregningsmiljøet forskjellige algoritmer for å finne kanter av gråskalabilder (f.eks. Sobel, Prewitt, Roberts, Laplancian av gauss, nullgjennomgang og Canny.) som eventuelt kan brukes på S-bånddata.

[0064] Som vist i eksemplet i fig. 2, inkluderer metoden 200 en strukturskjerpet RGB-bildeblokk 290 som f.eks. kan være basert på det behandlede RGB-bildet, det blandede RGB-bildet, kantdeteksjonsforbedret S-bånddata eller annet S-bånddata. Blokken 290 kan f.eks. inkludere å rulle sammen det bildebehandlede RGB-bildet av bildebehandlingsblokken 250 og kantdeteksjonsforbedret S-bånddata av kantdeteksjonsblokken 280.

[0065] Som et eksempel kan et strukturskjerpet RGB-bilde av blokken 290 representere geologisk egenskap av et undersøkelsesområde mer realistisk enn en beskrivelse gitt av en enkel attributt alene ville ha gjort. Som vist i eksemplet i fig. 2, kan en omvendt blokk 292 gi en omvendt RGB-prosess, for å f.eks. generere én eller flere skjerpete attributter pr. en skjerpet attributtblokk 294. Som et eksempel, kan en metode inkludere en omvendt transformasjon (f.eks. pr. blokk 292) som spalter et bilde slik som f.eks. et skjerpet RGB-bilde som i blokk 290, til skjerpete attributtbilder av formen og konfigurasjonen av blokk 220 (f.eks. pr. blokk 294). Som et eksempel kan en omvendt transformasjon inkludere å omforme fra et RGB-domene tilbake til et tidsdomene (f.eks. opprinnelige tidsdomene), et dybdedomene (f.eks. det opprinnelige dybdedomene), osv.

[0066] Som et eksempel, kan et resultat, f.eks. et midlertidig resultat, et endelig resultat, osv., f.eks. bli tolket for én eller flere strukturer, på et valgt individuelt stadium, ved valgte stadier, osv. av en metode slik som metoden 200. Metoden 200 kan f.eks. inkludere én eller flere betingede blokker, avgjørelsesblokker, osv. eventuelt programmerbare i en arbeidsflyt hvor et resultat kan bli utsatt for en tolkning. Deretter kan det eksistere en opsjon for å endre én eller flere handlinger (f.eks. stadier, blokker, osv.) og eventuelt å returnere til en tidligere handling (f.eks. for å finstemme et bilde eller bilder for tolkningsformål). Som et eksempel, kan tolkning av data i løpet av utføringen av metoden 200 bli utført på ett eller flere stadier. For eksempel kan geobody-ekstrahering være nyttig i en RGB-kube av blokk 240, som en strukturell lineamentkube av blokk 270, på en SAMP-kube (se f.eks. bildet 1350 i fig. 13) på en marmorert kube (se, f.eks. bildet 1540 i fig.

15), osv.

[0067] Som et eksempel kan metoden 200 bli valgfritt implementert, fullstendig eller delvis, som en arbeidsflyt for strukturelt skjerpet flerattributtanalyse i kontinuerlig farge-RGB. Som et eksempel, kan et strukturskjerpet kontinuerlig fargebilde bli henvist til som et SRGB-bilde, f.eks. enten det er basert på RGB eller et annet kontinuerlig fargesystem. Som et eksempel kan et SRGB-attributt henvise til en metode slik som metoden 200 i fig. 2 hvor to eller flere datasett blir behandlet for å komme frem til et SRGB-bilde. Som et eksempel, kan metoden 200 i fig. 2 bli henvist til som en SRGB-attributtprosess.

[0068] Som et eksempel, kan en metode slik som metoden 200 inkludere forskjellige opsjoner med hensyn til prøvetaking av data, f.eks. for det formål å mate inn en kontinuerlige romdomeneprosesser eller prosess (f.eks. én eller flere av blokkene i det kontinuerlige fargedomenet 230 med flere attributter). Som et eksempel, kan et SRGB-periferiutstyr bli skaffet som inkluderer én eller flere "dybdefyllings"-standarder, opsjoner, osv. som f.eks. kan inkludere: (i) standard som én prøve opp, én prøve ned; (ii) variable dybdemellomrom som "M"-prøver opp, "N"-prøver ned; (iii) variable dybdemellomrom som R-, G- og B-dybde-/tidsekstraksjonsnivåer spesifisert ved overflater. Som et eksempel, kan et slikt periferiutstyr inkludere én eller flere blokker av metoden 200 koblet til én eller flere blokker av metoden 200, osv. Et grafisk brukergrensesnitt (GUI) kan f.eks. inkludere en opsjon til å få tilgang til en SRGB-periferiutstyr (f.eks. i et rammeverk slik som rammeverket 170 i fig. 1) og å bruke periferiutstyr til å utføre én eller flere dybdefyllende standarder, opsjoner, osv. for formålene til én eller flere handlinger i metoden 200. Som et eksempel, kan en arbeidsflytredaktør bli skaffet for å skape, redigere, arkivere, osv., en arbeidsflyt som kan inkludere ett eller flere arbeidstrinn som korresponderer til én eller flere av handlingene i metoden 200, én eller flere relaterte handlinger, osv.

[0069] Som et eksempel, kan data inkludere tidsskivedata, dybdeskivedata, horisontdata, data flattrykt på horisonter, osv. Som et eksempel, kan flere datasett bli generert fra tidsmellomrom eller dybdemellomrom SRGB, ovenfra og ned eller i lateral retning, ledet av horisonter eller brønnkurve, osv.

[0070] Som et eksempel, kan data inkludere data fra minst to datasett omformet og behandlet i en kontinuerlig fargemodell (f.eks. en N-dimensjonal kontinuerlig rommodell). Som et eksempel, kan dataforbedring forekomme via kantdeteksjon på metningsdata. Som et eksempel, kan data inkluderer geofysisk data, seismisk data, satellittdata, osv. Som et eksempel, kan data inkludere tidsskive- eller frekvensattributtdata. Som et eksempel, kan data bli valgt for å dempe støy. Som et eksempel, kan en metode inkludere metningsskjerping av data. Som et eksempel, kan en metode inkludere ekstrahering av lineamenter, buete funksjoner, osv.

[0071] Fig. 2 viser også et eksempel på et system 201 som inkluderer én eller flere datamaskiner 202, én eller flere lagringsenheter 205, ett eller flere nettverk 206 og én eller flere moduler 207. Når det gjelder den ene eller flere datamaskiner 202, kan hver datamaskin inkludere én eller flere prosessorer (f.eks. eller behandlingskjerner) 203 og minne 204 for lagringsinstruksjoner (f.eks. moduler), f.eks. utførbare med minst én av de én eller flere prosessorer. Som et eksempel, kan en datamaskin inkludere ett eller flere nettverksgrensesnitt (f.eks. kablet eller trådløst), ett eller flere grafiske kort, et displaygrensesnitt (f. eks. kablet eller trådløst), osv. Som et eksempel, kan data bli skaffet i lagringsenheten(e) 205 når datamaskinen(e) 202 kan ha tilgang til data via nettverk(ene) 206 og behandle data via modulen(e) 207, f.eks. som lagret i minnet 204 og utført av prosessoren(e) 203. Som et eksempel, kan én eller flere moduler 207 inkludere én eller flere moduler som korresponderer til én eller flere blokker av metoden 200 (f.eks. som en kode for å instruere en prosessor til å utføre en handling eller handlinger). Som et eksempel, kan én eller flere moduler 207 bli konfigurert som et periferiutstyr, f.eks. for å plugge inn i rammeverket 170 i systemet 100 i fig. 1.

[0072] Fig. 3 viser et eksempel på en metode 300 sammen med et eksempel på en RGB-fargemodell 302 og en HSV-fargemodell 304 (f.eks. hvor farger blir representert av sin forbokstav). I eksemplet i fig. 3, blir data 322, 324 og 326 skaffet fra én eller flere kilder. Deretter blir data 322, 324 og 326 tildelt til akse 332, 334 og 336 av RGB-fargemodell 302 for å gi en kontinuerlig RGB-fargemodellrepresentasjon av data 322, 324 og 326. Som vist, kan en omformingsblokk 350 omforme den kontinuerlige RGB-fargemodellrepresentasjonen av data 322, 324 og 326 som H-bånd 362, V-bånddata 364 og/eller S-bånddata for HSV-bånd av HSV-fargemodell 304. Som et eksempel, kan en algoritme som gir konverteringen av av RGB-date til HSV-data bli implementert, eventuelt med fylling opp av nuller osv., f.eks. hvor mindre enn tre sett av data blir skaffet (f.eks. to av data 322, 324 og 326). Som et eksempel, kan omformerblokken 350 eventuelt bli skaffet for kun S-bånddata.

[0073] Fig. 4 viser et eksempel på en metode 400 som inkluderer en forsyningsblokk 410 for å skaffe RGB-data, en omformingsblokk 420 for å omforme RGB-data for å skaffe S-bånddata og en applikasjonsblokk 430 for å bruke én eller flere kantdeteksjonsalgoritmer på S-bånddata. I eksemplet i fig. 4 blir bildene 414, 424 og 434 vist i gråskala; merk at bildet 414 kan ha et fargebilde (f.eks. RGB, RG, GB, RB, osv.) Som vist, er bildet 424 et S-bånddatabilde mens bildet 434 er et bilde av data som resulterer fra bruken av én eller flere kantdeteksjonsalgoritmer på S-bånddata. Derfor kan metoden 400 skaffe ekstrahert kantinformasjon fra RGB-data som inkluderer data for minst to datasett (f.eks. to attributter).

[0074] Også vist i fig. 4 er stiplede piler som indikerer at metoden 400 kan inkludere fremstilling av ett eller flere bilder på et display. Metoden 400 kan f.eks. fremstilling 412 for å fremstille minst en del av det skaffede RGB-data på et display, fremstilling 422 for å fremstille minst en del av S-bånddata på et display, og fremstilling 432 for å fremstille minst en del av det forbedrede data på et display.

[0075] Metoden 400 blir vist i fig. 4 i forbindelse med forskjellige datamaskinlesbare medieblokker (CRM) 411, 421 og 431. Slike blokker inkluderer vanligvis instruksjoner som er egnet til utførelse av én eller flere prosessorer (eller prosessorkjerner) for å instruere et datautstyr eller -system å utføre én eller flere handlinger. Mens forskjellige blokker blir vist, kan et enkelt medium bli konfigurert med instruksjoner for å tillate, minst delvis, utførelse av forskjellige handlinger av metoden 400. Som et eksempel, kan et datamaskinlesbart medium (CRM) være et datamaskinlesbart lagringsmedium.

[0076] Som et eksempel, kan et datautstyr eller -system inkludere displayminne, valgfritt forbundet med en GPU, for det formål å fremstille data på et display eller displayer. Som et eksempel, kan en GPU skaffe én eller flere algoritmer, f.eks. til å få tilgang til data, for å omforme data, for å forbedre data, osv. En GPU kan f.eks. inkludere en algoritme for å omforme data fra en RGB-fargemodell til en HSV-fargemodell. En slik GPU kan inkludere en algoritme for å forbedre metningsdata via f.eks. bruk av én eller flere kantdeteksjonsalgoritmer.

[0077] Fig. 5 viser et eksempel på en metode 500 som inkluderer en forsyningsblokk 510 for å skaffe kantforbedret data (se f.eks. blokken 430 av metoden 400 i fig. 4), en forsyningsblokk 520 for å skaffe RGB-data (se f.eks. blokken 410 i metoden 400 i fig. 4), og en sammenrullingsblokk 530 for å rulle sammen anskaffede kantforbedrede data og det anskaffede RGB-data. I eksemplet i fig. 5 blir bildene 514, 524 og 534 vist i gråskala; merk at bildet 524 og 534 kan ha et fargebilde (f.eks. RGB, RG, GB, RB, osv.). Som vist, er bildet 514 et bilde av data som resulterer fra bruk av én eller flere kantdeteksjonsalgoritmer (f.eks. to S-bånddata) mens bildet 534 er basert minst delvis på slik data for å forbedre informasjon i RGB-bildet 524, f.eks. for tolkings-, analyseformål, osv.

[0078] Også vist i fig. 5 er stiplede piler som indikerer at metoden 500 kan inkludere fremstilling av ett eller flere bilder på et display. Metoden 500 kan f.eks. inkludere fremstilling 512 for å fremstille minst en del av det forbedrede data på et display, fremstilling 522 for å fremstille minst en del av RGB-data på et display, og fremstilling 532 for å fremstille minst en del av det sammenrullede data på et display.

[0079] Metoden 500 blir vist i fig. 5 i forbindelse med forskjellige datamaskinlesbare mediumblokker (CRM) 511, 521 og 531. Slike blokker inkluderer vanligvis instruksjoner som er egnet til utførelse av én eller flere prosessorer (eller prosessorkjerner) for å instruere et datautstyr eller -system å utføre én eller flere handlinger. Mens forskjellige blokker blir vist, kan et enkelt medium bli konfigurert med instruksjoner for å tillate, minst delvis, utførelse av forskjellige handlinger av metoden 500. Som et eksempel, kan et datamaskinlesbart medium (CRM) være et datamaskinlesbart lagringsmedium.

[0080] Som et eksempel, kan et datautstyr eller -system inkludere displayminne, eventuelt forbundet med en GPU, for det formål å fremstille data på et display eller displayer. Som et eksempel, kan en GPU skaffe én eller flere algoritmer, f.eks. til å få tilgang til data, for å omforme data, for å forbedre data, osv. En GPU kan f.eks.. inkludere en algoritme for å omforme data fra en RGB-fargemodell til en HSV-fargemodell. En slik GPU kan inkludere en algoritme for å forbedre metningsdata via f.eks. bruk av én eller flere kantdeteksjonsalgoritmer. En slik GPU kan inkludere en algoritme for sammenrullet data for f.eks. å generere sammenrullet data som er egnet til fremstilling på et display.

[0081] Fig. 6 viser et eksempel på en metode 600 med hensyn til en data-"kube" 601 definert med hensyn til tverrlinje, innlinje og tids- eller dybdedimensjoner. I eksemplet i fig. 6 blir data fra en tidsskive "At" (eller dybdeskive) av kuben behandlet for å gi høyfrekvensdata 622, midtfrekvens data 624 og lavfrekvensdata 626. Data 622, 624 og 626 blir deretter tildelt til akser 632, 634 og 636 av en kontinuerlig RGB-fargemodell. En omformingsblokk 650 bruker en omforming på data i den kontinuerlige RGB-fargemodellen for å skaffe minst S-bånddata 660. En forbedringsblokk 670 kan bli implementert for å forbedre S-bånddata 660 og en kombinasjonsblokk 680 kan bli implementert for å kombinere det forbedrede S-bånddata (f.eks. eller S-bånddata) og andre data som f.eks. kan være høyfrekvensdata 622, midtfrekvensdata 624, lavfrekvensdata 626, ubehandlet data av tidsskiven, annet behandlet data av tidsskiven, osv.

[0082] Som et eksempel, ble en tidsskive av seismisk data fra en erosjonsstruktur valgt og båndpassfiltrering ble brukt til å generere ni bånd som hver har en omtrentlig båndvidde på 10 Hz. Av de ni båndviddene ble tre valgt: en høyfrekvens (omtrent 60 Hz), en midtfrekvens (omtrent 30 Hz) og en lavfrekvens (omtrent 10 Hz). Gråskalabildene 623, 625 og 627 representerer hvert av disse båndene som kan bli betraktet som inndata-attributter.

[0083] Som indikert i eksemplet i fig. 6 ble f.eks. høyfrekvensdata 622 tildelt til rødt/cyan, midtfrekvensdata 624 ble tildelt til grønt/gult og lavfrekvensdata 626 ble tildelt til blått/purpur for å danne et kontinuerlig RGB-fargebilde som kombinerer egenskapene til de tre inndata-attributtene i ett RGB-bilde.

[0084] Mens omform ingsblokk 650 i fig. 6 skaffer S-bånddata 660, kan det også skaffe H-bånddata, V-bånddata eller både H-bånddata og V-bånddata. Som et eksempel, kan for et kontinuerlig RGB-bilde omformet til en HSV-fargemodellspesifikasjon, H-bånddata (se f.eks. H i HSV-fargemodellen 304 i fig. 3) representere fargeinformasjon; mens S-bånddata kan representere fargeuavhengig intensitetsinformasjon. I eksemplet i fig. 6 er et gråskalabilde 662 S-bånddata og et gråskalabilde 672 er basert på S-bånddata, ved f.eks. å kjøre en kantdeteksjonsalgoritme på S-bånddata.

[0085] I fig. 6 inkluderer bildet 672 forskjellige konturer som representerer strukturelle lineamenter i enkel tidsskivedata (se f.eks. tidsskiven At i den seismiske datakuben 601). Mer spesielt korresponderer en del av konturene til en forlenget struktur som representerer en undergrunnsgrense rundt en erodert antiklinal struktur. Disse blir sett tydeligere i et kombinert bilde 682 som er et resultat av en sammenrullingsprosess påført på data av det forbedrede bildet 672 og den kontinuerlige RGB-fargebildet (f.eks. høy-, midt- og lavfrekvensdata tildelt til aksene 632, 634 og 636). Bildet 682 som resulterer fra kombinasjonsprosessen for data er et strukturskjerpet RGB-bilde som avslører den spektrale strukturen av de seismiske data innen en tidsskive At (f.eks.. basert på de tre frekvensattributtene).

[0086] Som et eksempel, kan en valideringsprosess 690 bli brukt for å bekrefte et resultat eller resultater fra en metode som inkluderer en omforming av data (f.eks. attributter i en kontinuerlig RGB-fargemodell) til en HSV-fargemodell. I fig. 6 kan f.eks. bekreftelsesprosessen 690 bli påført ved å ekstrahere tidsskiven (At) og en korresponderende del av den seismiske kuben 601. Som vist i fig. 6, blir ekstrahert data 694 plottet ved siden av hverandre slik at den nedre delen av tidsskiven passer til den øvre delen av seksjonen. I eksemplet i fig. 6 viser bekreftelsesprosessen 690 at seksjonen inkluderer en antiklinal struktur, toppen av denne er erodert, og, på begge flanker av hellingen, faller flate kontinuerlige lag bort fra hellingen.

[0087] Data 696 blir også vist i fig. 6, som amplitude i gråskala, som kan bli sammenlignet mot data 694 vist som et RGB-bilde (f.eks. som skapt fra data for de tre frekvensene). Data 694 vist som RGB-bildet gir flere detaljer i både tidsskiven og seksjonen når de sammenlignes med data 696 vist i gråskalabildet.

[0088] Som et eksempel, kan en metode inkludere å behandle data fra en seismisk kube for å gi et romvariansattributt, f.eks. for å utheve områder av lateral endring i den seismiske kuben som kan avsløre plutselige vertikale endringer. Med henvisning til eksemplet i fig. 6, kan en slik metode inkludere å ekstrahere romvariansattributter for høy-, midt- og lavfrekvensdata, å tildele data til aksene i en kontinuerlig RGB-fargemodell og omforme data for å skaffe S-bånddata. Basert på S-bånddata kan én eller flere algoritmer bli brukt for å forbedre data (f.eks. for å skaffe forbedret data) og, eventuelt, kan S-bånddata, de forbedrede data, bli kombinert med andre data slik som data representert av et RGB-bilde for å skaffe et strukturelt skjerpet RGB-bilde av romvariansen (f.eks. av tidsskiven, dybdeskiven, seksjonen, osv.).

[0089] For romvarianseksemplet kan en bekreftelsesprosess inkludere å ekstrahere tre seismiske horisonter f ra den seismiske terningen, f.eks. én over en erosjonsdiskontinuitetshorison (f.eks. tildelt til blå), én på vedkommende horisont (f.eks. tildelt til grønn) og én under vedkommende horisont (f.eks. tildelt til rød). Som et eksempel, kan resultatene fra analysen av det strukturelle romvariansattributtet deretter bli drapert på disse horisontene.

[0090] En analyse av data fra strukturelt skjerpet attributt RGB-bilde drapert på et sett med tre horisonter rundt en erosjonshorisont og korrelering med konvensjonelle seismiske innlinje- og tverrlinjeseksjoner ble utført. Analysen inkluderte visning av RMS-amplitude i gråskala, strukturelt skjerpet spektralamplitude i RGB og variansattributt i RGB (f.eks. RGB (f.eks. fortre frekvensbånd). Analysen uthever hovedaksene til en helling (f.eks. NV-SØ og SV-NØ) under erosjonshorisonten. Videre, på den ene eller den andre flanken av den antiklinale strukturen, ble flate lag som innsnevrer seg mot toppen av hellingen uthevet.

[0091] Fig. 7 viser eksempler på bilder 710, 730 og 750. Som et eksempel, inkluderer en analyse gråskalakoding av momentan amplitude (f.eks. som en måte å kode og vise seismisk data.). I et slikt eksempel, for orientering, ble fire tverrlinjeseksjoner satt inn på linjer hvor horisonter ble kuttet for å avdekke et omriss av en helling, men uten betydelig detalj. For å forbedre detalj ble et skjerpet spektralt RGB-bilde fremstilt på et display ved bruk av data fra tre frekvensbånd (f.eks. 60, 30 og 10 Hz). Det fremstilte skjerpede, spektrale RGB-bildet avdekket en undergangsblotning rundt hellingen som resulterer fra utkilingen av lagene på flankene til hellingen (f.eks. uthevet med en kraftig svart signatur). Innen hellingen ble strukturer avdekket i lag over og på erosjonshorisonten, mens horisonten under erosjonen ikke avdekket noen merkbare strukturer. Som indikert i bildet 710 i fig. 7, viser de skjerpede spektralvarians RGB-data en romfordeling av variasjoner i 60, 30 og 10 Hz frekvensbånd som kartlegger stort sett til strukturer og lineamenter i liten målestokk.

[0092] Eksemplet på bilde 710 i fig. 7 viser hvordan resultater av en analyse av et strukturelt skjerpet RGB-attributt kan utheve forskjellige funksjoner. I eksemplet på bilde 710 ble behandlingsdata drapert over horisontene rundt erosjonshorisonten av hellingen og horisonter ble delvis kuttet vekk fra forsiden til baksiden for å avdekke de strukturelle endringene fra lag til lag. Som vist i eksemplet på bilde 710, strekker horisonten under erosjonen seg tvers over hele kuben, selve erosjonshorisonten blir kuttet vekk med omtrent 50 % og den gjenværende analyseoverflaten blir dekket av horisonten over erosjonshorisonten (en grønn pil indikerer retningen mot nord).

[0093] Forskjellige piler i bildet 710 indikerer noen eksempler på små strukturer i erosjonshorisonten og nedenfor som kan korrelere med fluvialkanaler. Sett av lineamenter subparallell til hoved antiklinale aksen blir også vist, f.eks. tvers over den SØ delen av hellingen som kan representere lokale sprangsoner. Et lag over erosjonshorisonten inkluderer strukturer i større skala (f.eks. som kartlagt av de skjerpede, spektrale RGB-bildedata).

[0094] Som er eksempel, kan en metode inkludere spektral attributtanalyse (f.eks. amplituder, romvarians, osv.) for strukturell kartlegging av geologiske strukturer. Momentan amplitude (f.eks. spektral sum av amplituder av individuelle frekvenser) alene vil f.eks. kanskje ikke avsløre flyktige strukturer p.g.a. forstyrrelse av de individuelle frekvensbåndene. Men å blande forskjellige spektrale attributter i en RGB-bildetilnærming kan skaffe kontinuerlig fargekoding av de spektrale attributtverdiene over en utvidet dynamisk rekkevidde. I en slik tilnærming kan flyktige frekevensendringer bli kartlagt ettersom farge forandrer seg og bli brukt til å kjennetegne strukturelle og sedimentære funksjoner i liten målestokk.

[0095] Eksemplene på bildene 730 og 750 i fig. 7 viser hvordan strukturelle detaljer kan bli forbedret gjennom bruk av spektrale attributter, f.eks. ved å sammenligne bildet 730 for et momentant amplitudeattributt til bildet 750 for spektrale attributter, som behandlet ved å bruke en kontinuerlig RGB-fargemodell og omforming til et S-bånd av en HSV-fargemodell for å forbedre strukturelle funksjoner. Som vist i eksemplene på bildene 730 og 750, avslører en metode som inkluderer ekstraksjon av spektrale attributter fra seismiske data og representasjon i kontinuerlige farger, strukturer som kanskje ikke viser seg via momentan amplitudebehandling. Ekstraheringen av strukturelle lineamenter fra en "HSV-attributt"-kube kan videre forbedre strukturell avgrensning ved seismiske data. Som vist, kan spektral RGB-analyse av amplitudedata avsløre større strukturer og de indre strukturer av disse kan bli kartlagt ved å bruke spektral varians RGB-analyse. Kombinasjonen av disse komplementære datasettene kan skaffe en detaljert strukturell innsikt for flere skalaer (f.eks. strukturstørrelseskalaer).

[0096] Som et eksempel, kan en metode inkludere å skaffe data fra minst to datasett i en kontinuerlig fargemodell som inkluderer minst to fargeakser; å omforme data fra den kontinuerlige fargemodellen til en nyanse-, metning- og verdi-fargemodell for å generere minst metningsdata; bruke en kantdeteksjonsalgoritme på metningsdata for å generere forbedret data; og gjengi minst en del av de forbedrede data på et display. I et slikt eksempel kan den kontinuerlige fargemodellen være RGB-fargemodellen (f.eks. RGB, RG, GB, RB, osv.). Som et eksempel, kan data inkludere geofysisk data, f.eks. vurdere seismiske data. Som et eksempel, kan data inkludere satellittbildedata. Som et eksempel, kan data inkludere data fra minst to forskjellige kilder (f.eks. seismiske data, bildedata, osv.).

[0097] Som et eksempel, kan en metode inkludere behandling av data fra minst to datasett (f.eks. vurder et satellittbilde-datasett og et seismisk datasett).

[0098] Som et eksempel, kan en metode inkludere å sammenrulle minst en del av data i en kontinuerlig fargemodell med minst en del av forbedret data, som forbedret metningsdata. Som et eksempel, kan en metode inkludere å sammenrulle minst en del av data i en kontinuerlig fargemodell med minst en del av en metningsdata (f.eks. basert på en omforming av data i den kontinuerlige fargemodellen til en HSV-fargemodell).

[0099] Som et eksempel, kan en metode inkludere å skaffe data i en kontinuerlig fargemodell for minst to datasett hvor, f.eks. ett datasett er for et første attributt og et annet datasett er for et andre attributt. I et slikt eksempel kan det første attributtet og det andre attributtet være frekvensattributter.

[00100] Som et eksempel, kan et første attributt og et andre attributt være attributter avledet fra tidsskivedata i en seismisk kube. Som et eksempel, kan et første attributt og et andre attributt bli valgt for å dempe støy (f.eks. i seismiske data).

[00101] Som et eksempel, kan et system inkludere én eller flere prosessorer til å behandle informasjon, minne driftsmessig koblet til én eller flere prosessorer og moduler som inkluderer instruksjoner lagret i minnet og utførbare ved minst én av én eller flere prosessorer, hvor modulene inkluderer: en kontinuerlig fargemodell for å skaffe data fra minst to datasett i en kontinuerlig fargemodell som inkluderer minst to fargeakser, en omformingsmodul for å omforme data fra den kontinuerlige fargemodellen til en nyanse-, metning- og verdi-fargemodell for å generere minst metningsdata, og en applikasjonsmodul for å bruke en kantdeteksjonsalgoritme på metningsdata for å generere forbedret data. Som et eksempel, kan et system inkludere en sammenrullingsmodul for å sammenrulle minst en del av data i den kontinuerlige fargemodellen med minst en del av de forbedrede data. Som et eksempel, kan et system inkludere å sammenrulle minst en del av data i en kontinuerlig fargemodell med minst en del av et metningsdata (f.eks. basert på en omforming av data i den kontinuerlige fargemodellen).

[00102] Som et eksempel, kan et system inkludere en attributtvelgingsmodul for å velge et attributt for å skaffe ett eller flere datasett. Som et eksempel, kan attributtvalgmodulen gi valget av ett eller flere attributter. En valgmodul kan f.eks. gi valg av data og et attributt hvor en algoritme behandler data for å skaffe attributtet (f.eks. som attributtdata).

[00103] Fig. 8 viser eksempler på arbeidsflyter 800 som kan inkludere å omforme data til et S-bånd, f.eks. av en HSV-fargemodell. Som vist, inkluderer arbeidsflytene 800 skjerpede RGB-baserte arbeidsflyter 810, datakondisjonerings-og/eller behandlingsarbeidsflyt 830 og litologi- og/eller strukturelle arbeidsflyter 850.

[00104] Forskjellige arbeidsflyter kan inkludere behandlingsfunksjoner, f.eks. som tilgjengelig gjennom PETREL®-programvaren. PETREL®-programvaren inkluderer f.eks. et strukturelt attributtbibliotek som inkluderer en samling av algoritmer som kan brukes på data til f.eks. å isolere, forbedre, osv. strukturelle variasjoner i seismiske refleksjonsmønstre. Algoritmer kan f.eks. inkludere hellingsavviksalgoritmer, lokale strukturelle asimutalgoritmer, strukturelle utjevningsalgoritmer, variansalgoritmer, maursporingsalgoritmer og gradientstørrelsesalgoritmer.

[00105] Som et eksempel, kan en teknikk for kontinuerlig

fargebehandlingsdomene generere utdata, f.eks. hvor et utdata blir henvist til som en strukturell kube eller "STRUCT-attributt og et annet utdata blir henvist til som en kube av STRUCT-skjerpede RBG-voksler eller SRGB-attributter (se f.eks. den strukturelt skjerpede RGB-bildeblokken 290 i fig. 2 som, som nevnt, kan være et SRGB-attributt). Som et eksempel, kan forskjellige arbeidsflyter inkludere bruken av STRUCT- og SRGB-attributter, f.eks. for dataanalyse, forbedret ekstrahering av strukturell informasjon fra seismiske data kuber, osv. Fig. 8 viser noen eksempler på arbeidsflyter 800 som kan inkludere å skaffe eller generere et STRUCT-attributt, skaffe et SRGB-attributt, osv.

[00106] I eksemplet i fig. 8 inkluderer de skjerpede RGB-baserte arbeidsflyter 810 ledet ekstraksjon av struktur- og/eller oppbygningsarbeidsflyter 812, diskriminering gjennom arbeidsflyter 814 og integrasjon av strukturelle dataarbeidsflyter 816. Som et eksempel, kan arbeidsflytene 812 inkludere geologi-og stratigrafiledet ekstrahering av strukturer og oppbygning ved å bruke stratigrafisk informasjon og arvet brønndata for å karakterisere den geologiske innstilling av et område under undersøkelse. Som et eksempel, kan arbeidsflyteneflytene 814 inkludere diskriminering av berg gjennom strukturelle egenskaper (f.eks. fastsettelse av bergreaksjon på stress). Som et eksempel, kan arbeidsflytene 816 inkludere sømløs integrasjon av strukturelle datavolumer fått fra STRUCT-basert strukturell analyse av datakuber fra målinger av forskjellige geofysiske egenskaper.

[00107] I eksemplet i fig. 8 inkluderer datakondisjonering og/eller -behandling flyterarbeidsflyter 830 skjerpede arbeidsflyter 832, sporing av arbeidsflyter 834 og marmorering av arbeidsflyter 836. Som et eksempel, kan de skjerpede arbeidsflytene 832 inkludere en strukturell skjerping av seismiske attributt-kuber med STRUCT for forbedret horisontsortering og geobody som kan henvises til som en "SAMP"-teknikk (f.eks. strukturforbedret amplitude). Som et eksempel, kan sporingsarbeidsflyter 834 inkludere maursporingen av STRUCT-attributtet, henvist til som en "MAUR(STRUCT)"-teknikkfor ekstrahering av strukturell informasjon. Som et eksempel, kan marmoreringsarbeidsflyter 836 inkludere strukturell skjerping av seismiske attributt-kuber ved å blande kuber fra MAUR(STRUCT) og AMP (f.eks. amplitudedata eller SAMP, osv.) inn i en kube som skaffer begge horisonter fra seismiske refleksjoner samt som struktur fra SRGB-strukturell ekstrahering. Som et eksempel, kan en slik teknikk bli henvist til som en "MARMORERINGS"-teknikk.

[00108] I eksemplet i fig. 8 kan litologi- og eller strukturelle arbeidsflyter 850 inkludere å skjerpe saltarbeidsflyter 852, SRGB-basert kart av saltoppbygging-og/eller stressarbeidsflyter 854, ekstrahering av intra-saltarbeidsflyter 856, bruddekstraheringsarbeidsflyter 858, oppløsningsfunksjonsarbeidsflyter 862, arbeidsflyt 864 for utskilling av skjørt berg og arbeidsflyt 866 for kartlegging av folder og/eller sprang. Som et eksempel, kan de skjerpende saltarbeidsflyter 852 inkludere skjerping av saltgrenser for forbedret avgrensning av saltavleiringer. Som et eksempel, kan de SRGB-baserte kartarbeidsflyter 854 inkludere SRGB-basert kartlegging av topp saltstrukturer og stressmønstre. Som et eksempel, kan ekstraksjonen av intra-salt arbeidsflyter 856 inkludere ekstraksjon av intra-salt strukturer ("skittent salt"). Som et eksempel, kan frakturekstraksjonsarbeidsflyter 858 inkludere ekstrahering av frakturnettverker i skjør, frakturer! kalkstein ved å bruke STRUCT-attributtet. Som et eksempel, kan oppløsningsfunksjonsarbeidsflyter 862 inkludere avgrensning av oppløsningsfunksjoner i karbonater og fordampninger (f.eks. karsting), f.eks. ved å bruke dybdemellomrom eller spektral SRGB. Som et eksempel, kan arbeidsflyten 864 for diskrimineringen av skjørt(skjøre) berg inkludere diskrimineringen av skjøre berg, f.eks. som reagerer kompetent på stress ved å sprekke (f.eks. fra inkompetente berg som slipper ut stress gjennom føyelig deformasjon). Som et eksempel, kan arbeidsflytene 866 for kartlegging av folder og/eller sprang inkludere strukturell kartlegging i nærvær av foldede og forkastningsstrukturer (f.eks. hvor strukturer i stor skala slik som hellinger, folder og forkastninger kan bli fjernet ved flattrykking før bruk av en SRGB-teknikk).

[00109] Som et eksempel, kan en arbeidsflyt inkludere å få tilgang til seismiske data, å få tilgang til ikke-seismiske data og å få tilgang til både seismiske data og ikke-seismiske data. Som nevnt, kan ikke-seismiske data inkludere data slik som satellittbildedata.

[00110] Som et eksempel, kan en arbeidsflyt inkludere å kondisjonere data og behandling som eventuelt kan bli tilpasset til en geologisk innstilling av området (f.eks. til strukturell, litografisk og sedimentasjonsmiljø av et område og intervall under utforskning). Som et eksempel, kan maursporing av et attributt skaffe utheving av buete funksjoner - karsthuller i kalkstein - og kaustiske virkninger som kan resultere i en tangentiell tilnærming av karsthull med maursporing. En slik virkning kunne muligens bli unngått hvis informasjon om karsting av kalksteinen hadde vært tilgjengelig før behandlingen av attributtet.

[00111] Som et eksempel, kan en SRGB-teknikk bli forlenget til inklusjon av STRUCT-attributtet inn i en arbeidsflyt for strukturell skjerping av en datakube. En strukturell kube for et SRGB-attributt kan bli multiplisert med sin opprinnelige inndatakube. I et slikt eksempel kan skjerping handle for å redusere amplitude av mangfold for et saltdatasett som kan være tydelig for data med kraftig impedanskontrasthorisonter som for salt og klastisk nedfall.

[00112] Som et eksempel, for data med lavere impedanskontrasthorisonter, kan en arbeidsflyt inkludere å blande struktur og inndata for å skaffe et resultat hvor horisonter blir uthevet fra seismiske refleksjoner og tynne strukturer blir uthevet fra maursporing av et STRUCT-attributt. Et slikt eksempel kan bli henvist til som "marmorering," fordi et resulterende bilde ligner på en designteknikk som produserer en kunstig marmorstruktur.

[00113] Fig. 9 viser et eksempel på en arbeidsflyt 900 (f.eks. en metode) for å generere en marmorert kube, f.eks. som et sett av data definert med hensyn til tre-dimensjoner som kan bli fremstilt på et display for å illustrere en marmoreringsvirkning som kan forbedre tolkning, videre behandling, osv.

[00114] I eksemplet i fig. 9 inkluderer arbeidsflyten 900 en inndatablokk 910 for innmating av en datakube. Som vist, kan en videresendingsboks 912 videresende innmatingsdatakuben til videre behandling mens en behandlingsblokk 914 handler for å glatte ut data strukturelt i inndatakuben. En STRUCT-blokk 932 leverer til behandling den videresendte inndatakuben for å generere et STRUCT-attributt med formål å utheve lokale strukturer mens en annen STRUCT-blokk 934 skaffer til behandling det strukturelt utglattete data for å generere et STRUCT-attributt med formål å utheve regional struktur. Som indikert, kan de to STRUCT-attributtene til STRUCT-blokkene 932 og 934 bli sendt til en lineær strukturell systemblokk 942 som skaffer en prosess av de to STRUCT-attributtene for det formål å utheve lineære funksjoner. Videre kan STRUCT-attributtet av STRUCT-blokken 932 bli sendt til en buet strukturell systemblokk 944 som skaffer behandling av STRUCT-attributtet med det formål å utheve "buete" funksjoner.

[00115] I eksemplet i fig. 9 kan arbeidsflyten 900 inkludere å skaffe stratigrafiinformasjon via en forsyningsblokk 920. Forsyningsblokken 920 kan f.eks. skaffe litologiinformasjon 922, sedimentasjonsmiljøinformasjon 924 eller både litologiinformasjon 922 og sedimentasjonsmiljøinformasjon 924. Som indikert kan litologiinformasjon 922 bli matet inn til en funksjonsidentifikasjonsblokk 952 for å identifisere (f.eks. utheve) lineære funksjoner slik som sprang og innmatet til en funksjonsidentifikasjonsblokk 962 for å identifisere funksjoner slik som erosjonscanyon, kart, osv. Med hensyn til sedimentasjonsmiljøinformasjonen 924, kan den bli innmatet til en funksjonsidentifikasjonsblokk 966 for å identifisere funksjoner slik som sedimentasjonskanaler.

[00116] Basert på forskjellige typer av stratigrafisk informasjon, kan arbeidsflyten 900 inkludere behandling for å utheve sprang- og bruddplan via en blokk 954 og behandling for å utheve én eller flere geobodyer via en blokk 970 som kan inkludere mottak av informasjon fra én eller flere identifikasjonsblokker slik som blokken 962 og blokken 966, samt en blokk 964 med det formål å identifisere migrasjonssaltdomer, gass, osv.

[00117] I eksemplet i fig. 9 inkluderer arbeidsflyten 900 en marmoriseringsblokk 980 for å marmorere data, f.eks. basert på innmatinger slik som den videresendte innmatingskuben (f.eks. via blokken 912), sprang- og bruddplanene (f.eks. via blokken 954) og én eller flere geobodyer (f.eks. via blokken 970).

[00118] Som et eksempel, kan arbeidsflyten 900 være en SRGB-basert arbeidsflyt som inkluderer strukturell RGB-behandling for ekstrahering av strukturelle funksjoner, f.eks. fra tektoniske prosesser - sprang og brudd - samt sedimentasjons-og erosjonsfunksjoner - kanaler og karsthull. Som et eksempel, kan en slik arbeidsflyt bli henvist til som en stratigrafi-ledet strukturell og oppbyggingsarbeidsflyt (se f.eks. blokken 920). En slik arbeidsflyt kan f. eks., sikte på å ekstrahere geologiske strukturer som er integrert med geologisk og stratigrafisk informasjon. I et slikt eksempel kan informasjon om litologi (se f.eks. blokk 922) og sedimentasjonsmiljø (se f.eks. blokk 924) gi veiledning for attributtbehandling.

[00119] I arbeidsflyten 900 i fig. 9 kan de forskjellige blokkene bli skaffet som datamaskinlesbare medieblokker (CRM), f.eks. hvor slike blokker inkluderer instruksjoner som er egnet til utførelse av én eller flere prosessorer (eller prosessorkjerner) for å instruere et datautstyr eller -system å utføre én eller flere handlinger. Mens forskjellige blokker blir vist, kan et enkelt medium bli konfigurert med instruksjoner for å tillate, minst delvis, utførelse av forskjellige handlinger av metoden 900. Som et eksempel, kan et datamaskinlesbart medium (CRM) være et datamaskinlesbart lagringsmedium.

[00120] Som et eksempel, kan ett eller flere datamaskinlesbare lagringsmedier inkludere datautførbare instruksjoner for å instruere et databehandlingssystem om å: få tilgang til data (se f.eks. blokken 910); behandle data for å avlede lineære funksjonsdata (se f.eks. blokken 942); behandle data for å avlede kurvet funksjonsdata (se f.eks. blokken 944); og kombiner minst en del av de lineære funksjonsdata og minst en del av de kurvede funksjonsdata (se f.eks. blokken 980).

[00121] Som et eksempel, kan ett eller flere datamaskinlesbare lagringsmedier inkludere datamaskinutførbare instruksjoner for å instruere et

databehandlingssystem til å få tilgang til stratigrafisk informasjon til bruk for å levere de lineære data, de buete funksjonsdata eller de lineære funksjonsdata og de buete funksjonsdata. Arbeidsflyten 900 i fig. 9 inkluderer blokkene 920, 922 og 924 som skaffer stratigrafisk informasjon som kan brukes til å identifisere lineære funksjoner, buete funksjoner, osv.

[00122] Som et eksempel, kan ett eller flere datamaskinlesbare lagringsmedia inkludere datamaskinutførbare instruksjoner for å instruere et

databehandlingssystem til å mate ut marmorert data basert på en kombinasjon av minst en del av det lineære data og minst en del av det buete funksjonsdata. Arbeidsflyten i fig. 9 kan f.eks. inkludere blokken 980 som kan mate ut marmorerte data.

[00123] Som et eksempel, kan en stratigrafi-ledet arbeidsflyt inkludere å klassifisere et analyseintervall i geologiske - stratigrafiske termer. Fig. 10 viser f.eks. informasjon 1010 organisert som et skjema som inkluderer en stratigrafisk kolonne for litologi og sedimentasjonsmiljø. Basert på slik informasjon, kan en arbeidsflyt sikte på å skille ut lineært dominerte bergfunksjoner (f.eks. skjøre brudd, sprang, osv.) fra buete bergfunksjoner (f.eks. karsthull, kanaler, saltdomer, folder, osv.). En slik fremgangsmåte kan f.eks. ha som mål å gjøre rede for en kaustisk respons til maursporing på buete strukturer (f.eks. tangential tilnærming av buer med maursporing).

[00124] Som et eksempel, basert på et mål om å utheve lineære funksjoner kan f.eks. en arbeidsflyt inkludere å generere en strukturelt utglattet kube, ved å bruke PETREL®-programvare, en annen programvare, osv. (se f.eks. blokken 914 av fig. 9). I et slikt eksempel, for å ekstrahere i stor skala (f.eks. regional strukturell regime), kan maursporing bli implementert som kurvatur på slike funksjoner for en gitt dimensjon (f.eks. omtrent 100 meter eller mer) kan bli betraktet som å være «rett» nok. Som et eksempel, viser fig. 10 to bilder 1030 og 1050 som illustrert et strukturelt nettverk fra henholdsvis en strukturelt utglattet kube (se f.eks. blokk 914) og en høyresolusjonskube (se f.eks. blokk 912).

[00125] Som et eksempel, kan en arbeidsflyt inkludere en strukturell kube i fin resolusjon, f.eks. for et lineært dominert miljø (f.eks. MAUR(STRUCT) for å levere et bruddnettverk) og for et buet dominert miljø (f.eks. MAUR(STRUCT) kan skaffe et bruddnettverk for glatte funksjoner). Som et eksempel, i en alternativ fremgangsmåte, kan H-bånddata fra en RGB til HSV omformer bli brukt til å fylle en buet struktur fra STRUCT-attributtet; f.eks. hvor resultatet kan bli sendt til en geobody-ekstraheringsprosess (se, f.eks. blokken 970 og "valgfri innmatingsnyanse

(H)").

[00126] Når det gjelder strukturell tolkning, kan en arbeidsflyt inkludere

behandling for et lineært dominert miljø (f.eks. MAUR(STRUCT) sendt til en prosess

for generering av brudd-/sprangstatistikk) og for å behandle et buet dominert miljø

(f.eks. sum av R-, G- og B-bånd fra SRGB, f.eks. for å generere forskjellige amplituder inne i den buete strukturen og utenfor hvor slikt data kan være egnet for geobody-ekstrahering).

[00127] Som et eksempel, kan en arbeidsflyt inkludere en blandingsprosess som handler for å blande sammen forskjellige datasett (se f.eks. marmorert blokk 980). I et slikt eksempel, kan en blandingsprosess prosjektere brudd og geobodyer tilbake inn i en opprinnelig kube (f.eks. valgfritt for validering, kvalitetskontroll, osv. med hensyn til det opprinnelige data.) Som et eksempel, kan en prosess indikere én eller flere regioner som kan dra fordel av forbedring eller optimalisering (f.eks. én eller flere horisonter, geobodyer kan dra fordel av optimalisering).

[00128] Som et eksempel, kan en arbeidsflyt skaffe strukturell diskriminering av berg. For eksempel, kan en arbeidsflyt sikte på diskriminering av berg gjennom strukturelle egenskaper (f.eks. fastsettelse av bergreaksjon på stress). Fig. 11 viser forskjellige eksempler av bildene 1110, 1120, 1130 og 1140. Bildet 1110 er for en dybdeskive, bildet 1120 er for en STRUCT-skjerpet amplitude (f.eks. som til tider kan bli henvist til som SAMP), bildet 1130 uthever føyelig plastsediment og bildet 1140 uthever brudd i kalkstein. I fig. 11 antyder ikke bildet 1110 en forandring i bergtype, men bildet 1120 som er konstruert fra multiplikasjonen av STRUCT-attributtet med innmatingsdata, antyder en endring i bergtype.

[00129] Som indikert, er STRUCT-attributtet sensitivt til flyktige heterogeniteter i berget, f.eks. fra bruddsoner og brudd. STRUCT-attributtkombinasjonen av bildet 1120 avslører en S-formet bruddsone som løper fra topp til bunn midt i datasettet. Til venstre for bruddsonen viser berget tettere heterogen iteter som indikerer et tettere bruddnettverk enn på høyre side. En geologisk valideringsprosess avslørte at sprekksonen er en nesten-normal forkastningssone med et forkastningssone nedover i den vestre delen av datasettet. Forkastningen forskyver bergpakken av en karbonatleirskifer som dekker en ren leirskifer slik at i dybdeskiven vises den sprø karbonat til venstre for bruddsonen og den mer bøyelige rene leirskifer vises til høyre for den (se f.eks. bildet 1130 og 1140).

[00130] Som et eksempel, kan en arbeidsflyt inkludere sømløs integrasjon gjennom et STRUCT-attributt (f.eks. en STRUCT-kube). Sømløs integrasjon av strukturelle datavolumer kan f.eks. bli oppnådd fra STRUCT-basert strukturell analyse av datakuberfra målinger av forskjellige geofysiske egenskaper. Fig. 12 viser et eksempel på en metode 1210 med hensyn til tre datakuber fra forskjellige målinger som leverer informasjon om forskjellige dybdeintervaller. I eksemplet i fig. 12 kan data bli lagret som attributt-kuber, f.eks. amplituder, i sine respektive fysiske egenskaper-domene. I metoden 1210, utsorterer en STRUCT-prosess 1220 heterogen iteter fra forskjellige kuber som deretter blir blandet med en blandingsprosess 1240 inn i en sømløs STRUCT-kube. I eksemplet i fig. 12 kan den resulterende kuben bli brukt til strukturell avgrensning, til strukturell skjerping av datasett, osv.

[00131] Som et eksempel, kan en prosess bli brukt på forskjellige datasett, valgfritt fra forskjellige kilder. Fig. 12 viser også et bilde 1260 av et STRUCT-attributt fra satellittbildedata og et bilde 1280 av et STRUCT-attributt fra omvendt overflatebølgedata.

[00132] Som et eksempel, kan en arbeidsflyt inkludere én eller flere datakondisjonerings- og behandlingsteknikker. Et STRUCT-attributt kan f.eks. brukes til kondisjonering av data før databehandling og, f.eks. også i selve databehandlingen.

[00133] Som et eksempel, kan en SAMP-teknikk bli implementert i en arbeidsstrøm. En slik teknikk kan inkludere strukturell skjerping av attributt-kuber, f.eks. oppnådd ved multiplikasjon av et STRUCT-attributt med en opprinnelig attributt-kube (f.eks. eventuelt en amplitudekube). Som et eksempel, kan en skjerpningsprosess ta sikte på å forbedre hendelser som f.eks. avgrenser én eller flere geologiske strukturer.

[00134] Som et eksempel, kan en STRUCT-prosess forbedre vertikal korrelasjon av heterogen iteter og dempe usammenhengende funksjoner i data, overveie demping av usammenhengende ambient støy. Fig. 13 viser eksempler på bilder 1310, 1330 og 1350. Bildet 1310 korresponderer til en inndatakube, bildet 1330 korresponderer til et STRUCT-attributt som uthever grenser av en saltavleiring og bildet 1350 korresponderer til multiplikasjon av STRUCT-attributtet med inndata-amplitudekuben (f.eks. for å mate ut en SAMP-kube). Som vist, kan en slik prosess forbedre grenser av salt og forbedre kvaliteten av geobody-avgrensning.

[00135] Fig. 14 illustrerer eksempler på bilder 1410 og 1430 forbundet med en arbeidsflyt som inkluderer maursporing. Bildet 1410 korresponderer til amplitude av en dybdeskive og bildet 1430 korresponderer til den samme dybdeskiven hvor maursporing er blitt brukt på et STRUCT-attributt på dybdeskiven. Som vist, uthever maursporing av STRUCT-attributtet (f.eks. attributtkube) bruddspor for sprø berg. I eksemplet på bildet 1430 i fig. 14 forbedrer strukturell skjerping (f.eks. oppnådd med vertikal korrelasjon av heterogeniteter) kvaliteten av maursporing.

[00136] Fig. 15 viser et eksempel på en arbeidsflyt 1500 for å marmorere inndata. Arbeidsflyten 1500 inkluderer en inndatablokk 1510 for innmating av en datategning (se f.eks. et bilde 1512), en SRGB-attributtblokk 1522 for å utføre en SRGB-attributtgenereringsprosess på datakuben for å skaffe et SRGB-attributt, en STRUCT-attributtblokk 1524 for å utføre en STRUCT-attributtgenereringsprosess på SRGB-attributtet for å skaffe et STRUCT-attributt, en maursporingsblokk 1526 for å utføre maursporing på STRUCT-attributtet for å skaffe maursporingsdata og en samsorteringsblokk 1530 for å samsortere data i inndatablokken og maursporingsdata for å generere en marmorert kube (f.eks. marmordata) og en utmatingsblokk 1540 for å mate ut den marmorerte kuben til et lagringsutstyr, til en skjerm, osv. (se f.eks. et bilde 1542).

[00137] I eksemplet i fig. 15 kan forskjellige blokker bli skaffet i form av én eller flere moduler. For eksempel kan blokkene 1522, 1524 og 1526 bli skaffet i form av en modul 1520. Som et eksempel, kan en blokk representere et arbeidstrinn som kan bli implementert i f.eks. en arbeidsflyt. Som et eksempel, kan en arbeidsflytredaktør tillate valg av forskjellige arbeidstrinn av en bruker som samlet kan definere en arbeidsflyt. Som et eksempel, kan en marmorert arbeidsflyt inkludere arbeidstrinn som korresponderer til blokkene i fig. 15.

[00138] I eksemplet i fig. 15, representerer bildet 1542 strukturell informasjon fra maursporingen av STRUCT som ble samsortert inn i en kube som skaffet begge horisonter fra seismiske refleksjoner, samt struktur fra SRGB strukturell utsortering. Mer spesielt, i eksemplet i fig. 15, uthever bildet 1542 effekten av marmorering på en sprukket karbonat leirskiferformasjon.

[00139] Fig. 16 viser eksempler på bilder 1610 og 1630 som forbundet med en arbeidsflyt som inkluderer å behandle data delvis på litologiinformasjon. En slik arbeidsflyt kan f.eks. bli implementert basert på én eller flere egenskaper av et geologisk område. Som et eksempel, kan en arbeidsflyt ta sikte på å forbedre en saltavgrensning gjennom strukturell skjerping ved å bruke en STRUCT-attributtprosess. I fig. 16 viser bildet 1610 saltavleiringsavgrensning på en amplitudekube som inkluderer strukturelle artefakter, mens bildet 1630 viser forbedring av saltgrenser via et STRUCT-attributt som kan resultere i mer meningsfullt avgrensing geologisk sett av saltavleiringen.

[00140] Som et eksempel, kan bildet 1630 av fig. 16 bli skaffet via en skjerpingsprosess som forbedrer saltgrenser for forbedret avgrensning av saltavleiringen I et slikt eksempel kan sterk impedanskontrast av saltgrensene bli forbedret og skjerpet med en STRUCT-attributtprosess. Saltavleiringer kan skape visse problemer slik som uklarhet som en følge av stablet fri overflate og/eller mellom lagsmangfold eller dårlig opplyste grenser under saltoverheng. Som et eksempel, kan aspekter av slike problemer bli adressert via en STRUCT-attributtprosess, f.eks. gjennom demping hvis dybdeintervallene ikke samsvarer med et analyseintervall av SRGB-prosessen. I et slikt eksempel kan nøyaktigheten av avgrensningen av saltavleiringen være mer nøyaktig (se f.eks. bildet 1630).

[00141] Som et eksempel, kan en arbeidsflyt inkludere SRGB-basert kartlegging av øvre salttekstur og stressmønster. En SRGB-teknikk kan f.eks. brukes for direkte kartlegging av stressbruddmønstre på horisonter (f.eks. i et tak av en saltdom). Som et eksempel, kan et SRGB-attributt gi heterogenitet spor (f.eks. bruddplan) og, f.eks. kan ekstrahere den øvre salthorisonten fra SRGB-attributtet utheve a brudd i den øvre salthorisonten (f.eks. brudd som et resultat av saltdiaprisme).

[00142] Fig. 17 viser eksempler på bilder 1710, 1730, 1750 og 1770 for de formål å illustrere SRGB-basert kartlegging av stressbruddmønstre i saltdomtak. Bildet 1710 korresponderer til en amplitudedybdeskive, bildet 1730 korresponderer til en SRGB-attributtdybdeskive delvis avskåret av en amplitudestrukturert horisont, bildet 1750 korresponderer med et stressbruddmønster i SRGB-strukturen av den øvre salthorisonten og bildet 1770 korresponderer med stressbruddmønster (f.eks. et fiskebeinsmønster) som uthevet ved SRGB-basert strukturering av den øvre salthorisonten.

[00143] Som et eksempel, kan en arbeidsflyt inkludere ekstrahering av intrasaltstrukturer ("skittent salt"). En STRUCT-prosess kan f.eks. bli justert til en høyere følsomhet for å senke kontrasthendelser for det formål å detektere mer flyktige funksjoner slik som leirskiferblokker innkapslet i salt, såkalt "skittent salt". Som et eksempel, kan avgrensning av slike intrasaltstrukturer via en SRGB-attributtprosess bli utført automatisk uten brukerinngrep.

[00144] Fig. 18 viser eksempler på bilder 1810, 1830 og 1850 som illustrerer en utvelgingsprosess for skittent salt i et område med tykt salt og saltdom i Mexico-gulfen, f.eks. som utført ved å bruke SRGB-attributtprosessen. Bildet 1810 korresponderer til en semi-transparent amplitudekube med indikasjoner på intrasaltfunksjoner, bildet 1830 korresponderer til uthevede midtfunksjoner og bildet 1850 korresponderer til uthevete grunne funksjoner.

[00145] Som et eksempel, kan en arbeidsflyt inkludere ekstrahering av bruddnettverk i sprøtt berg. En arbeidsflyt kan f.eks. inkludere maursporing av et STRUCT-attributt for ekstrahering av bruddnettverk. I et slikt eksempel kan et bruddnettverk bli analysert via seksjoner, teksturerte horisonter, semi-transparente volumer eller andre deler av data.

[00146] Fig. 19 viser eksempler på bilder 1910, 1930 og 1950 som illustrerer forskjellige funksjoner av en formasjon. Bildet 1910 korresponderer til en forhåndsstablet dybdemigrasjonsamplitudekube (f.eks. "PSDM" tredimensjonal amplitudedata) hvor vann 1912 eksisterer over sprangsedimenteringer 1914 som eksisterer over en før-rift kjeller 1916. Bildet 1930 korresponderer til bruk av en SRGB-teknikk som skaffer STRUCT-seksjoner (f.eks. vertikale seksjoner) sammen med, f.eks. en AMP-dybdeskive hvor AMP-dybdeskiven (f.eks. en horisontal seksjon) inkluderer en dyp forkastning 1938. Som vist i bildet 1930, kan data bli behandlet ved å bruke én eller flere prosesser til å skaffe utmatinger som skal bli fremstilt i en enkel visning (f.eks. eller i flere visninger). Bildet 1950 korresponderer til bruk av en annen SRGB-teknikk som skaffer en MAUR(STRUCT)-kube (f.eks., maursporing av en STRUCT-terning). Som vist, kan MAUR(STRUCT)-kuben bli "skåret i skiver" for å illustrere vertikale seksjoner samt en horisontal seksjon (f.eks. dybdeseksjon). Som vist i fig. 19, kan forskjellige SRGB-teknikker bli brukt på data, f.eks. til å utheve funksjoner slik som sprangnettverk og bruddnettverk.

[00147] Som et eksempel, kan én eller flere av prosessene implementert for å generere bildene (f.eks. eller underliggende data) i eksempler i fig. 19 bli utført som en del av en arbeidsflyt eller arbeidsflyter. En arbeidsflyt kan f.eks. inkludere å behandle data for å mate ut en STRUCT-kube fulgt av maursporing for å mate ut en MAUR(STRUCT)-kube. Deretter, kan én eller flere visualiseringsteknikker bli påført til utmatingskubene, valgfritt sammen med amplitudedata, f.eks. for å generere blandede visninger (se f.eks. den blandede visningen av bildet 1930). Som et eksempel, kan en metode fremstille ett eller flere amplitudedata, STRUCT-data og MAUR(STRUCT)-data på et display, en skriver, osv.

[00148] Som et eksempel, kan en arbeidsflyt inkludere å kartlegge oppløsningsfunksjoner i karbonater og fordampninger. Oppløsningsfunksjoner i visse karbonat- og evaporittberg kan f.eks. lage visse vansker i geofysisk kartlegging p.g.a. lav romresolusjon av målinger. Videre kan databehandling virke for å utvide refleksjonssignaler når spektrale formingsfiltre brukes for å øke åpenbar kontinuitet av reflektorer som effektivt resulterer i lav gjennomgangsfiltrering.

[00149] Som et eksempel, kan f.eks. en STRUCT-attributtprosess bli utført på ufiltrert data i et forsøk på å bevare romresolusjon for en strukturell analyse. Som et eksempel, kan en STRUCT-attributtprosess bli brukt på forskjellige typer data. En slik prosess kan f.eks. bli brukt på: a) omvendte overflatebølge-datakuber (f.eks. SWAMI); og b) dyp PSTM P-bølgedatakuber.

[00150] Fig. 20 viser eksempler på bilder 2010, 2030 og 2050 for en prosess som involverer SWAMI-data som inkluderer tegn på på karst på overflaten og i den grunne delen nær overflaten. Som et eksempel, kan en arbeidsflyt inkludere å generere fra satellittbilder en overflatehenvisning for SRGB-resultatene fra SWAMI nær overflaten. Bildene 2010, 2030 og 2050 illustrerer innkapsling av SRGB-attributtanalyse av en SWAMI dybdekube med omvendt overflatebølgehastighet inn i en geologisk overflatemodell generert fra DEM og tolket satellittavbilding. Bildet 2010 illustrerer fler-spektralt satellittbildedata behandlet for litologi, bildet 2030 illustrerer SRGB-attributt strukturert grunn horisont fra SWAMI omvendte overflatebølger satt inn i en satellittbasert overflatemodell og bildet 2050 illustrerer samfremstilling av vertikale seksjoner gjennom SWAMI-hastighetsvolumet inn i den satellittbaserte overflatemodellen.

[00151] Fig. 21 viser eksempler på bilder 2110, 2130 og 2150 for en SRGB-attributtprosess som ble utført på data fra en 2500 meter dyp palaeo-karst i en krittkalkstein. SRGB-analysen ble utført etter å flattrykke PSTM-datakuben på horisonten på toppen av kalksteinen i et forsøk på å unngå de kraftige signalene fra avskjæringen av hellende lag med analyseflatene. Etter ekstrahering av fire kuber - rød, grønn, blå og STRUCT - ble flattrykkingen i datasett reversert for å oppnå den opprinnelige geometrien til inndatakuben. Etter ekstrahering av karstkalksteinen som en geobody kan variansattributtet f.eks. bli brukt til å visualisere berg laget.

[00152] I Fig. 21 korresponderer 2110 til en overflate av kastkalkstein sam-fremvist fra et SRGB-attributt og et variansattributt, bildet 2130 uthever hull i toppen av karstkalksteinen fra SRGB-attributtet av variansattributtet, og bildet 2150 illustrerer ekstrahering av karstkalksteinen som en geobody som bruker SRGB-attributtet for forhåndsbehandling og variansattributtet for visualiseringen.

[00153] Som et eksempel, kan en arbeidsflyt inkludere behandling for diskriminering av sprø berg. En arbeidsflyt kan f.eks. inkludere bruddeteksjon og avgrensning ved å bruke en SRGB-attributtprosess gjennom et STRUCT-attributt for diskriminering av berg ved å skille berg som reagerer kompetent på stress ved sprekkdannelse, fra inkompetent berg som slipper ut stress gjennom føyelig deformasjon. I et slikt eksempel kan kompetent berg vise en høy bruddtetthet mens inkompetent føyelig berg kan vise en relativt lavere bruddtetthet.

[00154] Fig. 22 viser eksempler på bilder 2210, 2220, 2230, 2240, 2250 og 2260 for å hjelpe til med å vise hvordan SRGB-attributtbehandling av et variansattributt kan muliggjøre diskrimineringen av en kompetent og høyt frakturer! kalkstein (se f.eks. bildene 2210, 2220 og 2230) fra en inkompetent, føyelig leirskiferavleiring (se f.eks. bildene 2240, 2250 og 2260). Forskjeller i stresskompetanse kan bli kvantifisert ved bruddtettheten, f.eks. som vist i maursporing av STRUCT-attributtet (se f.eks. høyre kolonne i bilde 2260).

[00155] Derved viser fig. 22 diskriminering av kompetente og føyelige berg gjennom bruddtetthet kartlagt av et SRGB-attributt hvor bildet 2210 representerer en kompetent kalkstein via en amplitudedybdeskive, bildet 2220 representerer et SRGB-attributt fra et variansattributt, bildet 2230 representerer maursporing av STRUCT-attributtet fra variansattributtet, og hvor bildet 2240 representerer en klastisk avleiring via en amplitudedybdeskive, bildet 2250 representerer et SRGB-attributt av et variansattributt, og bildet 2260 representerer maursporing av STRUCT-attributtet fra variansattributtet.

[00156] Som et eksempel, kan en arbeidsflyt inkludere strukturell kartlegging når det finnes foldete og sprangstrukturer. En arbeidsflyt kan f.eks., inkludere å fjerne store strukturer slik som hellinger, folder og sprang ved flattrykking før bruk av en SRGB-attributtprosess.

[00157] Fig. 23 viser et eksempel på en metode 2300 og forskjellige eksempler på bilder 2312, 2314, 2316, 2332, 2334, 2336, 2352, 2354 og 2356. Metoden 2300 inkluderer en inndatablokk 2302 for innmatingen av en datakube, en horisontfalttrykkende blokk 2304 for flattrykking av horisont, en SRGB-attributtblokk 2306 for å utføre en SRGB-attributtprosess, en omvendt horisontflattrykkingsblokk 2308 for omvendt horisontflattrykking og en visualiseringsblokk 2310 for å visualisere én eller flere funksjoner. Som et eksempel, kan et rammeverk slik som PETREL®-rammeverket inkludere én eller flere algoritmer for horisontflattrykking (f.eks. for å utføre strukturell tolkning, osv.) Som et eksempel, kan en flattrykket seksjon være en seismisk seksjon som er blitt vist igjen slik at en refleksjon av interesse som ikke var horisontal i et opprinnelig display, vises horisontalt og flatt. En slik prosess kan f.eks. gi innsikt med hensyn til geologiske forhold på tidspunktet da et gitt avleiringslag ble akkumulert.

[00158] I fig. 23 illustrerer forskjellige bilder en regional effekt og fjerningen av en glatt hellingsstruktur representert ved serier av amplitudeskiver (se f.eks. bildene 2312, 2332 og 2352), en serie av SRGB-skiver (se f.eks. bildene 2314. 2334 og 2354) og en serie av STRUCT-skiver (se f.eks. 2316, 2336 og 2356). Bildene 2312, 2314 og 2316 viser rå dybdedata hvor skjæringspunktene til den sterke topp kalksteinsreflektoren dominerer skivene i en slik grad at karsthullene bare er svakt synlige i SRGB-bildet 2314. Utflating med en nøyaktig horisont fjerner denne effekten og ekstraherer flyktig struktur av den øvre kalksteinen med sprang og delikate karstfunksjoner. Når flattrykkingen blir reversert, kan de kraftige hellingshendelsene returnere i flate dybdeskiver. For å bevare strukturell informasjon på en måte uten belastning, kan den omvendt utflatede kuben bli visualisert ved å bruke strukturering av horisonter.

[00159] I fig. 23 korresponderer bildet 2312 til topografiekstraheringen av den øverste kalkstein av PSTM-amplitude, bildet 2314 korresponderer til ekstrahering av RGB direkte fra PSTM-kuben og bildet 2316 korresponderer til ekstrahering av SRGB etter utflating og omvendt utflating, bildet 2332 korresponderer til topografiekstraheringen av den øverste kalksteinen av PSTM-amplitude, bildet 2334 korresponderer til ekstrahering av RGB direkte fra PSTM-kuben og bildet 2336 korresponderer til ekstrahering av SRGB etter utflating og omvendt utflating, og bildet 2352 korresponderer til dybdekonturer av den øvre kalksteinhorisonten for en dybdeskive av PSTM-amplitude, bildet 2354 korresponderer til ekstrahering av maursporing av STRUCT-attributt, og bildet 2356 korresponderer til ekstraksjon av en marmorert kube.

[00160] Fig. 24 viser en serie av bilder 2400 som forbundet med strukturell analyse av en karstkalkstein i en hellingsstruktur. Den øverste raden av bilder korresponderer til projeksjon av strukturerte horisonter på en flat overflate og unngår derved forvrengning introdusert fra hellingsreflektorer, og den mellomste og nederste raden korresponderer til SRGB-attributtbehandling av strukturering av den øverste kalksteinhorisonten.

[00161] Fig. 25 viser forskjellige eksempler på teknologier, teknikker, osv. som kan implementere en prosess slik som en skjerpet RGB- (f.eks. SRGB-)prosess.

[00162] Som et eksempel, kan en SRGB-prosess inkludere å generere utmatinger slik som f.eks. (i) en strukturell kube (f.eks. STRUCT-attributtkube); og (ii) en kube med skjerpede RGB-vokseler (f.eks. SRGB-attributt-kube basert på STRUCT). Som nevnt, kan én eller flere arbeidsflyter inkludere et STRUCT-attributt og/eller et SRGB-attributt f.eks. for dataanalyse, forbedret ekstrahering av strukturell informasjon fra seismiske datakuber, osv. Som et eksempel, kan en SRGB-attributtprosess bli brukt på minst to kanaler (f.eks. R og G, "R - G" eller "G - R", osv.).

[00163] Som et eksempel, kan forskjellige typer data bli behandlet, f.eks. hvor data som blir behandlet kan bli valgt som å inkludere noen felles strukturelle funksjoner. Noen eksempler på datatyper inkluderer: (a) satellittdata (f.eks. synlige, mikrobølge, osv.); (b) medisinske data (f.eks. MR, CT, PET, ultralyd, osv.); og (c) ikke-satellitt IR, UV, mikrobølge, synlige data, osv.

[00164] Forskjellige teknikker kan bli implementert i sammenheng med, f.eks.: seismiske-til-simulering-rammeverk (f.eks. PETREL®, OCEAN®, osv.) 2512; satellittavbildningsanalysatorer 2514; skannere 2516, medisinske avbildningsutstyr, behandlingsplanleggere (f.eks. radiokirurgi, osv.) 2518; visjonsmonokularer, vernebriller, osv. 2520; still- eller videokameraer 2522; maskinvisjonsutstyr (f.eks. for kvalitetskontroll, lokalisering, osv.) 2524.

[00165] Som et eksempel, kan en metode inkludere å presentere flere bilder. En stereo- eller 3D-modul 2540 kan gi en presentasjon av et første bilde og et andre bilde. En slik fremgangsmåte kan bruke én eller flere teknikker slik som f.eks. displayteknikker, brilleteknikker, osv. som implementert for stereovisjon, 3D-effekt, osv. En slik fremgangsmåte kan bli implementert for å "vikle" bilder. Et første bilde kan f.eks. være et RGB-bilde og et andre bilde kan inkludere metningsdata eller forbedrede metningsdata. På en slik måte kan en bruker se et viklet bilde uten generering av viklet data (f.eks. en viklet datafil).

[00166] Som et eksempel, kan kikkerter bli skaffet med koblingsteknikk for å behandle bildedata i skjerpede bilder i nesten sanntid. Slike kikkerter kan f.eks. vise S-bånddata eller forbedret S-bånddata basert på bildedata fra et bilde som blir brukt i én eller begge monokularer. Som et eksempel, vurder en feltingeniørs visningsstrukturer i en eksponert formasjon hvor koblingsteknikker behandler et bilde av den eksponerte formasjonen og genererer informasjon i overlag for å forbedre feltingeniørens visning. Slik informasjon kan inkludere S-bånddata eller forbedret S-bånddata (f.eks. forbedret ved bruk av en kantdeteksjonsalgoritme). Som et eksempel, kan et still- eller videokamera inkludere koblingsteknikk for nesten sanntidsbehandling av bildedata for å generere forbedret bildedata (f.eks. via S-bånddata) hvor det forbedrede bildedata kan bli fremstilt på ett eller flere displayer.

[00167] Som et eksempel, kan et maskinvisjonssystem inkludere koblingsteknikk for å behandle bildedata for å generere forbedret bildedata (f.eks. via S-bånddata). I et slikt eksempel kan en kvalitetskontroll eller en annen prosess handle på det forbedrede bildedata for f.eks. å identifisere defekter i et produkt, vurdere kvaliteten til et produkt, osv.

[00168] Som et eksempel, kan et medisinsk avbildningssystem inkludere koblingsteknikk for å behandle bildedata for å generere forbedret bildedata (f.eks. via S-bånddata). I et slikt eksempel kan en diagnoseprosess handle på de forbedrede bildedata for f.eks. å identifisere funksjoner i ben (f.eks. brudd), svulster, osv. Som et eksempel, kan data fra mer enn ett medisinsk avbildningssystem bli matet inn og behandlet for å generere bildedata (f.eks. via S-bånddata). CT- og MR-data kan f.eks. bli kombinert i en kontinuerlig fargemodell og omformet for å skaffe S-bånddata, som igjen, kan bli forbedret ved bruk av én eller flere forbedringsalgoritmer (f.eks. kantdeteksjon, osv.).

[00169] Som et eksempel, kan en modul 2560 gi forbedring av buete funksjoner, lineære funksjoner eller lineære funksjoner og kurvede funksjoner. En slik modul kan eventuelt bli implementer i prosessdata fra medisinsk avbildning, sate 11 itta vb i Id i n g, maskinvisjon, osv. Som et eksempel, kan identifiserte lineære funksjoner bli uthevet og identifiserte buete funksjoner kan bli uthevet og f.eks. bli kombinert i en enkel visning (f.eks. på et display, på displayer, osv.).

[00170] Som et eksempel, kan en prosess behandle data for attributter, frekvenser, lag, datatyper, osv. i en kontinuerlig fargebehandling (f.eks. i henhold til en RGB-fargemodell). En slik prosess kan handle for å øke dynamisk rekkevidde av data. Som et eksempel, kan slikt data bli omformet til data som samstemmer med en HSV-fargemodell.

[00171] Som et eksempel, vurder å vende en RGB-fargekube på det svarte hjørnet som løper opp til det hvite hjørnet slik at nyanse og krom kan bli definert ved å prosjektere RGB-kuben som en sekskant for å danne et "fargekoordinantplan" hvor krom er den relative størrelsen til sekskanten som går gjennom et punkt, og nyanse er hvor langt rundt sekskantens kant punktet ligger. I et slikt eksempel kan metning bli definert som enten forholdet av fargerikhet til klarheten eller av krom til lyshet. I et slikt eksempel kan metning bli definert til å strekke seg fra 0 langs aksen til 1 på det mest fargerike punktet for hvert par av andre parametre (dvs., nyanse og krom).

[00172] Som et eksempel, kan en MATLAB®-programvarealgoritme "rgb2hsv" bli implementert til å konvertere fra en RGB-fargemodell til en HSV-fargemodell hvor:

[00173] I et slikt eksempel, konverterer cmap = rgb2hsv(M) et RGB-fargekart M til et HSV-fargekart cmap hvor begge fargekart er m-ganger-3-matriser. Elementene til begge fargekartene er i verdiområdet 0 til 1. I et slikt eksempel representer kolonnene i inndatamatrisen M intensiteten av henholdsvis rødt, grønt og blått og kolonnene i utdatamatrisen cmap representerer henholdsvis nyanse, metning og verdi.

[00174] I det forrige eksemplet konverterer, hsv_image = rgb2hsv(rgb_image) et RGB-bilde til et HSV-bilde hvor RGB er et m-ganger-n-ganger-3-bilde hvis tre plan inneholder de røde, grønne og blå komponentene til bildet og HSV blir returnert som et m-ganger-n-ganger-3-bilde hvis tre plan inneholder nyanse-, metnings- og verdikomponentene til bildet.

[00175] Som et eksempel, kan en metode drive på metningsdata (f.eks. S-bånddata). En slik metode kan inkludere å kjøre kantdeteksjon på metningsverdier og eventuelt vise kantekonturer i gråskala. I et slikt eksempel, hvor tre datasett blir matet inn som henholdsvis R, G, B, og omformet til en HSV-fargemodell for å skaffe S-bånddata, kan kantene bli basert på de tre datasettene. Som et eksempel, kan en metode inkludere å rulle sammen kantedata (f.eks. forbedret S-bånddata) med et RGB-bilde for å generere et skjerpet RGB-bilde. Som bemerket, kan en metode inkludere å presentere to bilder for å produsere et kombinert (f.eks. sammenrullet) bilde for en seer (f.eks. vurder stereovisjon, innfletting, "screen-dør"-fremgangsmåter).

[00176] Som et eksempel, kan en metode inkludere ekstrahering av spektrale attributter fra seismiske data og representasjon av disse attributter i en kontinuerlig fargemodell for å avsløre strukturer som ikke nødvendigvis blir kartlagt ved øyeblikkelig amplitudebehandling. Som et slikt eksempel, kan en HSV-omforming brukes for det formål å ekstrahere strukturelle lineamenter fra en HSV-attributtkube som videre kan forbedre muligheten for strukturell avgrensning. Siden spektral RGB-analyse av amplitudedata vanligvis avslører større strukturer, den indre strukturen av disse kan bli kartlagt ved å bruke spektral varians RGB-analyse; en kombinasjon av komplementerende datasett kan skaffe detaljert strukturell innsikt for flere skalaer.

[00177] Fig. 26 viser komponenter av et eksempel på et datasystem 2600 og et eksempel på et nettverkssystem 2610. Systemet 2600 inkluderer én eller flere prosessorer 2602, minne og/eller lagringskomponenter 2604, én eller flere inndata-og/eller utdatautstyr 2606 og en buss 2608. I et eksempel på en utforming kan instruksjoner bli lagret i ett eller flere datamaskinlesbare medier (f.eks. minne og/eller lagringskomponenter 2604). Slike instruksjoner kan bli lest av én eller flere prosessorer (f.eks. prosessor(er) 2602) via en kommunikasjonsbuss (f.eks. bussen 2608) som kan være kablet eller trådløs. Den ene eller flere prosessoren kan utføre slike instruksjoner for å implementere (helt eller delvis) ett eller flere attributter (f.eks. som del av en metode). En bruker kan se utdata fra og samhandle med en prosess via et l/O-utstyr (f.eks. utstyret 2606). I et eksempel på en utforming kan et datamaskinlesbart medium være en lagringskomponent slik som et fysisk minnelagringsutstyr, f.eks. en chip, en chip på en pakke, et minnekort, osv. (f.eks. et datamaskinlesbart lagrings medium).

[00178] I et eksempel på en utforming kan komponenter bli distribuert slik som i nettverkssystemet 2610. Nettverkssystemet 2610 inkluderer komponenter 2622-1, 2622-2, 2622-3... 2622-N. Komponent 2622-1 kan f.eks. inkludere prosessoren(e) 2602, mens komponenten(e) 2622-3 kan inkludere minne tilgjengelig med prosessoren(e) 2602. Videre kan komponenten(e) 2602-2 inkludere et l/O-utstyr for display og eventuell interaksjon med en metode. Nettverket kan være eller inkludere Internett, et intranett, et mobiltelefonnettverk, et satellittnettverk, osv.

[00179] Som et eksempel kan et mobilt utstyr inkludere ett eller flere nettverksgrensesnitt for kommunikasjon av informasjon. Et mobilt utstyr kan f.eks. inkludere et trådløst nettverksgrensesnitt (f.eks. opererbart via IEEE 802.11, ETSI GSM, BLUETOOTH®, satellitt, osv.). Som et eksempel, kan et mobilt utstyr inkludere komponenter slik som en hovedprosessor, minne, et display, display grafisk krets (f.eks. eventuelt inkludert berørings- og pekekoblingsteknikk), en SIM-slisse, audio/videkrets, bevegelsesbehandlingskrets (f.eks. akselerometer, gyroskop), trådløs LAN-krets, smart-kort-krets, sender krets, GPS-krets og et batteri. Som et eksempel, kan et mobilt utstyr bli konfigurert som en mobiltelefon, et nettbrett, osv. Som et eksempel, kan en metode bli implementert (f.eks. helt eller delvis) ved å bruke et mobilt utstyr. Som et eksempel, kan et system inkludere ett eller flere mobile utstyr.

[00180] Som et eksempel, kan et system være et distribuert miljø, f.eks. et såkalt "sky"-miljø hvor forskjellige utstyr, komponenter, osv. samhandler for formål som datalagring, kommunikasjoner, beregning, osv. Som et eksempel, kan et utstyr eller et system inkludere én eller flere komponenter for kommunikasjon av informasjon via ett eller flere av Internett (f.eks. hvor kommunikasjon skjer via én eller flere Internettprotokoller), et mobiltelefonnettverk, et satellittnettverk, osv. Som et eksempel, kan en metode bli implementert i et distribuert miljø (f.eks. helt eller delvis som en sky-basert tjeneste).

[00181] Som et eksempel, kan informasjon bli innmatet fra et display (vurder f.eks. en berøringsskjerm), utmating til et display eller begge deler. Som et eksempel, kan informasjon bli matet ut til en projektor, et laserutstyr, en skriver, osv. slik at informasjonen kan bli vist. Som et eksempel, kan informasjonen bli utmatet stereografisk eller holografisk. Med hensyn til en skriver, overvei en 2D- eller en 3D-skriver. Som er eksempel, kan en 3D-skriver inkludere én eller flere substanser som kan bli utmatet for å konstruere et 3D-objekt. Data kan f.eks. bli skaffet til en 3D-skriver for å konstruere en 3D-representasjon av en underjordisk formasjon. Som et eksempel, kan lag bli konstruert i 3D (f.eks. horisonter, osv.), geobodyer konstruert i 3D, osv. Som et eksempel, kan hull, brudd, osv. bli konstruert i 3D (f.eks. som positive strukturer, som negative strukturer, osv.).

[00182] Selv om bare noen få eksempler på utforminger har bitt beskrevet i detalj ovenfor, vil de med ferdigheter i faget lett forstå at mange modifikasjoner er mulige i eksemplene på utforminger. Derfor er alle slike modifikasjoner tiltenkt å bli inkludert innen omfanget av denne offentliggjørelsen som definert i de følgende krav. I kravene er middel-pluss-funksjon tiltenkt å dekke strukturene beskrevet heri som å utføre den nevnte funksjonen og ikke bare strukturelle likeverdige, men også likeverdige strukturer. Således, selv om en spiker og en skrue kanskje ikke er strukturelt likeverdige i at en spiker bruker en sylindrisk overflate til å feste tredeler sammen, mens en skrue bruker en heliskoverflate, i miljøet av å feste tredeler, kan en spiker og en skrue ha likeverdige strukturer. Det er søkerens uttrykte hensikt å ikke å påkalle seg 35 U.S.C. § 112, avsnitt 6 for noen begrensninger av noen av kravene heri, bortsett fra de hvor kravene uttrykkelig bruker ordene "midler til" sammen med en assosiert funksjon.

Claims

1. A metode (400) omfattende å: skaffe data fra minst to datasett i en kontinuerlig fargemodell som omfatter minst to fargeakser (410); omforme data fra den kontinuerlige fargemodellen til en nyanse-, metning- og verdifargemodell for å generere minst metningsdata (420); bruke en kantdeteksjonsalgoritme på metningsdata for å generere forbedret data (430); og fremstille minst en del av det forbedrede data på et display (432).

2. Metoden i krav 1 hvor den kontinuerlige fargemodellen omfatter en RGB-fargemodell.

3. Metoden i krav 1 hvor data omfatter geofysisk data.

4. Metoden i krav 3 hvor de geofysiske data omfatter seismiske data..

5. Metoden i krav 1 hvor data omfatter satellittavbildningsdata.

6. Metoden i krav 1 hvor data omfatter data fra minst to forskjellige kilder.

7. Metoden i krav 1 hvor minst to datasett omfatter et sett med satellittavbildningsdata og et seismiskdatasett.

8. Metoden i krav 1 omfattende å sammenrulle minst en del av data i den kontinuerlige fargemodellen med minst en del av de forbedrede data.

9. Metoden i krav 1 omfattende å sammenrulle minst en del av data i den kontinuerlige fargemodellen med minst en del av metningsdata.

10. Metoden i krav 1 hvor de minst to datasettene omfatter et datasett for et første attributt og et datasett for et andre attributt.

11. Metoden for krav 10 hvor det første attributtet og det andre attributtet omfatter frekvensattributter.

12. Metoden i krav 10 hvor det første attributtet og det andre attributtet omfatter attributter avledet fra tidsskivedata av en seismisk kube.

13. Metoden i krav 10 hvor det første attributtet og det andre attributtet er valgt for å dempe støy.

14. Et system omfattende: én eller flere prosessorer for å behandle informasjon; minne driftsmessig koblet til én eller flere prosessorer; og moduler som omfatter instruksjoner lagret i minne og utførbart med minst én av de ene eller flere prosessorer, hvor modulen omfatter: en kontinuerlig fargemodellmodul for å skaffe data fra minst to datasett i en kontinuerlig fargemodell som omfatter minst to fargeakser (411); en omformingsmodul for å omforme data fra den kontinuerlige fargemodellen til en nyanse-, metning- og verdifargemodell for å generere minst metningsdata (421); og en applikasjonsmodul for å bruke en kantdeteksjonsalgoritme til metningsdata for å generere forbedret data (431).

15. Systemet i krav 14 omfattende en sammenrullingsmodul for å sammenrulle minst en del av data i den kontinuerlige fargemodellen med minst en del av de forbedrede data.

16. Systemet i krav 14 omfattende en sammenrullingsmodul for å sammenrulle minst en del av data i den kontinuerlige fargemodellen med minst en del av metningsdata.

17. Systemet i krav 14 omfattende en attributtvalgmodul for å velge et attributt for å skaffe minst ett av datasettene.

18. Ett eller flere datamaskinlesbare lagringsmedier omfattende datautførbare instruksjoner for å instruere et databehandlingssystem til å: få tilgang til data (910); behandle data for å avlede lineært funksjonsdata (942); behandle data for å avlede buet funksjonsdata (944); og kombinere minst en del av det lineære funksjonsdata og minst en del av det buete funksjonsdata (980).

19. Det ene eller flere datamaskinlesbare lagringsmedier i krav 18 videre omfattende datamaskinutførbare instruksjoner for å instruere et databehandlingssystem til å få tilgang til stratigrafisk informasjon til bruk for å levere de lineære data, de buete funksjonsdata eller det lineære funksjonsdata og det buete funksjonsdata.

20. Det ene eller flere datamaskinlesbare lagringsdata i krav 18 videre omfattende datamaskinutførbare instruksjoner for å instruere et databehandlingssystem til å mate ut marmorert data basert på en kombinasjon av minst en del av det lineære data og minst en del av det buete funksjonsdata.