紋理模型回歸分析在地震圖像增強中的應(yīng)用

謝江濤，雷英成，杜浩坤 （成都理工大學地球物理學院，四川成都610059）

高質(zhì)量的地震圖像在地震資料的解釋過程中有其舉足輕重的作用。因此，Luo提出EPS算法提高地震圖像信噪比[1]；Hocker等提出構(gòu)造濾波去噪方法[2-3]；Nasher M.AlBinHassan[4]等把Luo的二維EPS算法推廣到三維；楊寧[5]等提出基于傾向擴散因子的SOF方法增強地震圖像；楊培杰[6]等提出方向性邊界保持增強技術(shù)算法等等。下面，筆者借鑒Gao[7-12]提出的紋理模型回歸方法來處理實際地震資料。研究表明，應(yīng)用該方法可以提高地震圖像的質(zhì)量，并保持地震圖像的紋理結(jié)構(gòu)。

1 紋理模型回歸分析方法算法原理

紋理模型回歸分析方法，其基本思想是先自定義一個模型，然后把模型與實際地震道作線性回歸分析，根據(jù)最小二乘法原理，計算出模型與實際地震數(shù)據(jù)之間的回歸梯度，相當于作一次統(tǒng)計濾波過程。其主要算法步驟如下[7-12]：

1）構(gòu)造一個地震模型子剖面M（t，x）（t＝1，2，…，n；x＝1，2，…，m），表示含有m道，n個采樣點。

2）在待分析的地震剖面上，選取一個點（圖1中的黑色點），構(gòu)建一個以該點為中心，與地震模型子剖面等大的地震子剖面D（t，x）（t＝1，2，…，n；x＝1，2，…，m）。

3）把地震模型子剖面與地震子剖面作線性回歸，求取梯度g（t，x），其計算表達式如下：

回歸梯度g的物理意義是，實際地震子剖面與模型的相似程度。再選取下一個點 （圖1中灰色點），重復步驟2）、3），其實現(xiàn)過程如圖1所示。

2 應(yīng)用實例

圖1 紋理模型回歸分析示意圖

根據(jù)以上算法原理，采用Matlab語言開發(fā)出應(yīng)用程序，只需輸入地震圖像數(shù)據(jù)，即可得到處理后的圖像。選取2塊有代表性的實際地震數(shù)據(jù)處理分析。圖2和圖3分別為應(yīng)用紋理模型回歸分析方法去改善地震圖像的質(zhì)量的效果圖。其中 （a）為原始圖，（b）為處理后的效果圖，其分析窗口為15×9，時間方向為15個采樣點。比較分析可知，處理后與處理前地震圖像的質(zhì)量得到了較大的改善，圖像更加清晰，而地震圖像結(jié)構(gòu)沒有被改變，同相軸沒有加粗。

圖2 某地區(qū)地震數(shù)據(jù)驗算1

圖3 某地區(qū)地震數(shù)據(jù)驗算2

3 結(jié) 語

通過實際地震數(shù)據(jù)的應(yīng)用研究，認為紋理模型回歸分析方法明顯提高了地震圖像的質(zhì)量，并保持地震圖像的紋理結(jié)構(gòu)，且計算時間少。

[1]LuoY，Marhoon S M.Al-Dossary.Edge-preserving smoothing and applications [J].The Leading Edge，2002，21：136-158.

[2]Hocker C，F(xiàn)ehmers G.Fast structural interpretation with structure-oriented filtering [J].The Leading Edge，2002，21：238-243.

[3]Fehmers G C，Hocker C.Fast structural interpretation with structure-orientd filtering [J].Geophysics，2003，68：1286-1293.

[4]AlBinHassan N M，Luo Y.3Dedge-preserving smoothing and applications [J].Geophysics，2006，71 （4）：5-11.

[5]楊寧.基于傾向擴散因子的SOF地震圖像增強方法 [J].石油地球物理勘探，2010，45（6）：833-835.

[6]楊培杰.方向性邊界保持斷層增強技術(shù) [J].地球物理學報，2010，53（12）：2992-2997.

[7]Gao D.Texture model regression for effective feature discrimination：Application to seismic facies visualization and interpretation [J].Geophsics，2004，69 （4）：958-967.

[8]Gao D.Theory and methodology for seismic texture analysis：implication for seismic facies visualization and interpretation [J].Gulf Coast Association of Geological Societies Transactions，2006，56 （1）：217-226.

[9]Gao D.Structure-oriented texture model regression for seismic structure visualization and interpretation [J].Gulf Coast Association of Geological Societies Transactions，2006，56：207-216.

[10]Gao D.Application of seismic texture model regression to seismic facies characterization and interpretation [J].THE LEADING EDGE，2008：394-397.

[11]Gao D.Method for imaging seismic structures [P].United States Patent 6912466：2005-6-28.

[12]Gao D.Latest developments in seismic texture analysis for subsurface structure，facies，and reservoir characterization：A review [J].Geophysics，2011，76 （2）：1-13.