視覺結(jié)構(gòu)相似度地震圖像質(zhì)量評價(jià)模型研究

楊 寧 楊 威 張岱宇

（①西南科技大學(xué)環(huán)境與資源學(xué)院，四川綿陽621010；②中國石化西北油田分公司勘探開發(fā)研究院，新疆烏魯木齊830011）

視覺結(jié)構(gòu)相似度地震圖像質(zhì)量評價(jià)模型研究

楊 寧*①楊 威②張岱宇①

（①西南科技大學(xué)環(huán)境與資源學(xué)院，四川綿陽621010；②中國石化西北油田分公司勘探開發(fā)研究院，新疆烏魯木齊830011）

地震圖像質(zhì)量的評價(jià)通常采用定性與定量評價(jià)標(biāo)準(zhǔn)來衡量。文中提出了一種新的地震數(shù)據(jù)處理量化評價(jià)模型——基于全參考型視覺結(jié)構(gòu)相似度（Seismic Data Structural Similarity，SDSS）的地震圖像質(zhì)量模型，通過計(jì)算資料處理前、后圖像之間的能量強(qiáng)度測度、對比度測度與反射結(jié)構(gòu)相似度測度，對圖像的質(zhì)量進(jìn)行綜合評價(jià)，用量化指標(biāo)體現(xiàn)處理前、后圖像的變化趨勢。算法的數(shù)值模擬和實(shí)際資料結(jié)果表明，該方法與傳統(tǒng)的評價(jià)方法相比，易于理解且計(jì)算簡單，能凸顯地震資料變化的差異，極大地提高了地震圖像客觀評價(jià)結(jié)果與人為主觀感知的一致性。

結(jié)構(gòu)相似測度模型 信噪比 地震圖像質(zhì)量評價(jià) 地震資料處理

1 引言

李慶忠［1］提出了視覺分辨率與視覺信噪比兩個(gè)重要概念，也給出了相應(yīng)的物理意義。其“視覺”一詞顧名思義即解釋人員在地震剖面上可分辨的各類有效信息。為了提高視覺分辨率引入了地震圖像增強(qiáng)（Seismic Image Enhance）理論，其宗旨是在不增加數(shù)據(jù)內(nèi)在信息含量的基礎(chǔ)上，增加所選擇特征的動態(tài)范圍，以使其容易被檢測到。信息特征范圍的增大，能極大地提高后續(xù)地震資料的判讀、分析、識別、計(jì)量結(jié)果的準(zhǔn)確性，減少地球物理與地質(zhì)解釋中的多解性。現(xiàn)階段衡量地震圖像處理質(zhì)量通常采用定性與定量評價(jià)標(biāo)準(zhǔn)。定性化指標(biāo)通常有地震資料波形活躍度、地震反射特征、分辨率等。定量化指標(biāo)常有頻帶寬度、信噪比、峰值信噪比、處理前后地震圖像差值。其中頻帶寬度是判斷資料處理質(zhì)量優(yōu)劣的一個(gè)重要指標(biāo)，但是容易被假頻與子波旁瓣所影響；依據(jù)信噪比能夠判斷地震信號的質(zhì)量［2-5］，張軍華［6］對能量疊加法［7］、頻譜估計(jì)法［8］、互相關(guān)法［9］、功率譜法［10］等定量計(jì)算方法進(jìn)行了比較，指出了各種方法的適用范圍與存在的問題以及統(tǒng)計(jì)算法存在的諸多困難；去噪前、后地震圖像差值不能直觀地表達(dá)數(shù)據(jù)處理前、后的差異細(xì)節(jié)。

視覺是人類認(rèn)識自然的重要手段。人類視覺系統(tǒng)是由大量神經(jīng)元通過連接而組成的復(fù)雜信息處理系統(tǒng)，它由兩部分組成：第一部分是光學(xué)成像系統(tǒng)，即眼睛；第二部分是視覺神經(jīng)系統(tǒng)，包括視網(wǎng)膜、外側(cè)膝狀體和視皮層。圖像的視覺信息評價(jià)［11］的基本目標(biāo)是設(shè)計(jì)能準(zhǔn)確和自動感知圖像質(zhì)量的計(jì)算模型，目標(biāo)是希望用計(jì)算機(jī)來代替人類視覺系統(tǒng)去感知圖像。為了能夠模擬人眼的評價(jià)方法，可采用圖像質(zhì)量的量化值與人類主觀觀測值的一致性評判。圖像質(zhì)量評價(jià)有多種方法，基于工程學(xué)的人類視覺系統(tǒng)模型［12］在國內(nèi)外一直是研究的熱點(diǎn)。PQS（Picture Quality Scale）方法［13］在全局特性上與視覺感知是一致的，也較符合主觀實(shí)驗(yàn)值；NQM（Noise Quality Measure）和 DM（Distortion Measure）模型［14］可以分析頻率失真與加性噪聲對視覺系統(tǒng)的影響，是圖像質(zhì)量客觀評價(jià)方法；Fuzzy模型［15］利用模糊理論比較處理前、后圖像之間的相似度和一致性，通過相似測度對圖像質(zhì)量進(jìn)行評價(jià)；SVD（Singular Value Decomposition）模型［16］與主觀感受具有較好的一致性，可適用于不同失真類型的圖像，而且能度量混合失真類型的圖像質(zhì)量；VSNR（Visual Signal-to-Noise）模型［17］為基于小波域的視覺信噪比自然圖像質(zhì)量評價(jià)方法，基于物理亮度和視覺角度，具有適應(yīng)于不同視覺條件的能力；SSIM（Structural Similarity）模型［18］從圖像形成的角度出發(fā)，結(jié)合場景中的結(jié)構(gòu)信息、圖像亮度和對比度三個(gè)獨(dú)立要素對圖像質(zhì)量進(jìn)行全參考評價(jià)。

本文提出基于地震資料結(jié)構(gòu)相似測度（Seismic Data Structural Similarity，SDSS）的全參考型質(zhì)量評價(jià)方法，結(jié)合地震波振幅能量強(qiáng)度、振幅能量局部變化量、反射結(jié)構(gòu)相似性三個(gè)方面評價(jià)地震剖面信噪比的變化，以期提高客觀評價(jià)結(jié)果與人為主觀感知的一致性。

2 方法原理

首先引入Chopra等［19］為地震紋理屬性描述所采用的屬性定義。地震圖像能量數(shù)學(xué)表述為

式中：x k、y k為處理前、后時(shí)窗內(nèi)第k個(gè)樣點(diǎn)處的振幅值；n和m為時(shí)窗（可包含整個(gè)剖面）的橫、縱樣點(diǎn)數(shù)?？啥x

為處理前、后時(shí)窗內(nèi)能量均值（N為時(shí)窗內(nèi)采樣點(diǎn)總數(shù)，N=n×m），反映其振幅強(qiáng)度（亮度信息），則處理前、后時(shí)窗內(nèi)圖像的方差σx與σy為

式（3）的物理意義為地震圖像的對比度，為時(shí)窗內(nèi)局部變化量的度量。定義σxy為處理前、后對應(yīng)時(shí)窗內(nèi)的相關(guān)系數(shù)，即

反映了反射特征結(jié)構(gòu)信息的相似性。時(shí)窗內(nèi)地震信號能量信息、對比度和結(jié)構(gòu)相似測度分別定義為

式中C1、C2和C3為很小的正數(shù)，以避免分母為零或接近零導(dǎo)致的奇異性。

聯(lián)合這三種相似性準(zhǔn)則而構(gòu)成的地震圖像結(jié)構(gòu)相似測度評價(jià)模型為

式中α＞0，β＞0，γ＞0。在實(shí)際資料分析中為了減少數(shù)據(jù)的計(jì)算量，可設(shè)定α，β，γ為［1，10］內(nèi)的整數(shù)。

作為相似性測度SDSS滿足以下三點(diǎn)：

（1）對稱性：SDSS（x，y）=SDSS（y，x）；

（2）有界性：0≤SDSS（x，y）≤1；

（3）唯一極大值：當(dāng)且僅當(dāng)處理前、后剖面完全相同時(shí)，SDSS（x，y）=1。

平均地震圖像結(jié)構(gòu)相似測度（Mean Seismic Data Structural Similarity，MSDSS）作為對整體地震圖像質(zhì)量的評價(jià)測度

式中M為SDSS地震圖像樣點(diǎn)總數(shù)（即為整個(gè)剖面進(jìn)行計(jì)算時(shí)所使用的窗口總數(shù)）。

算法的技術(shù)流程如圖1所示。

圖1 地震圖像結(jié)構(gòu)相似度評價(jià)技術(shù)流程

3 理論模型分析

采用階梯狀斷層的褶積模型加上能量逐漸變強(qiáng)的隨機(jī)噪聲來驗(yàn)證SDSS與MSDSS方法對地震剖面評價(jià)的效果。選取的雷克子波為零相位，主頻為50 Hz，時(shí)間采樣點(diǎn)數(shù)為128，時(shí)間間隔為2ms，時(shí)窗大小為5道×11個(gè)樣點(diǎn)。對20組不同信噪比的地震數(shù)據(jù)與原始模擬剖面（圖2選取了4組）進(jìn)行SDSS計(jì)算分析，同時(shí)繪制出 MSDSS曲線（圖3）。信噪比的定義為，其中xorig為原始地震數(shù)據(jù)，yref為參考地震數(shù)據(jù)。

圖2a為原始地震數(shù)據(jù)不含噪聲，其SNR為無窮大，對應(yīng)的MSDSS為1，即參考剖面與原始剖面是同一數(shù)據(jù)的情況。圖2b、圖2e、圖2g和圖2i為加噪地震數(shù)據(jù)，其SNR分別為34.40、16.34、0.26和-10.27dB。圖2c為圖2b參考剖面與原始剖面的差，可見其噪聲源主要為隨機(jī)干擾。從圖2d、圖2f、圖2h、圖2j（MSDSS值分別為0.90，0.43，0.21，0.11）可知，信噪比高時(shí)，由于噪聲能量相對于反射同相軸能量低，其SDSS剖面可看出反射同相軸附近受噪聲的影響小，波形結(jié)構(gòu)相似度SDSS值較高，但其他部分由于受噪聲的影響結(jié)構(gòu)相似性變化較大，表現(xiàn)為SDSS值較低。隨著信噪比降低及隨機(jī)噪聲能量的增強(qiáng)，在反射同相軸附近的結(jié)構(gòu)相似度也變低，其根本原因在于隨機(jī)噪聲導(dǎo)致反射波形發(fā)生了畸變，使得原始剖面與參考剖面之間的差異變大。圖3a為20組數(shù)據(jù)的SNR值曲線，SNR值隨著隨機(jī)噪聲能量的增大呈指數(shù)降低。圖3b為20組數(shù)據(jù)的 MSDSS值曲線，MSDSS值的變化趨勢與SNR一致，但是變化速率略高于SNR。由于MSDSS的計(jì)算量小于SNR，且兩者交會結(jié)果呈近似線性關(guān)系（圖3c），故可作為信噪比統(tǒng)計(jì)的參考。

4 實(shí)際應(yīng)用

實(shí)例一為中國西部A區(qū)時(shí)間域疊加剖面（圖4a），數(shù)據(jù)共有1296道，采樣點(diǎn)數(shù)為3500，時(shí)間采樣間隔為2ms，其SNR為2.06dB。通過噪聲分析發(fā)現(xiàn)以近地表低頻面波產(chǎn)生的相干噪聲為主，本次實(shí)驗(yàn)采用“黑盒”測試，不考慮數(shù)據(jù)處理的具體算法，只分析原始剖面與結(jié)果剖面（作參考剖面，見圖4b，SNR=25.55dB）之間的差異，研究去噪效果以及評價(jià)處理后剖面的質(zhì)量。圖4c（原始剖面與參考剖面的差）在0.4～2.0s處的近地表低頻面波導(dǎo)致的相干噪聲得到很好的壓制，在4.5～4.8s區(qū)間不整合面強(qiáng)反射同相軸能量減弱，同時(shí)垂向相干噪聲也得到了壓制，說明數(shù)據(jù)處理前、后地震剖面變化較大。圖4d為SDSS剖面（MSDSS為0.68），圖中藍(lán)色以及淡藍(lán)色區(qū)域SDSS值較大，為處理前、后波形變化較小的區(qū)域，紅色到水紅色區(qū)域SDSS值逐漸變小，為剖面變化較大區(qū)域。在0.4～2.0s區(qū)間內(nèi)強(qiáng)變化區(qū)域與面波相干噪聲形態(tài)一致；2.0～5.0s區(qū)間主要是強(qiáng)橫向反射同相軸能量的衰減，其強(qiáng)變化區(qū)域呈橫向變化；在5.0～7.0s區(qū)域?yàn)樯畈繀^(qū)域主要是受縱向相干噪聲影響，其強(qiáng)變化區(qū)域垂向分布；其他區(qū)域SDSS值較小，說明去噪前后剖面變化不大，保留了深部反射弱信號的有效信息。

實(shí)例二為川東B區(qū)高陡構(gòu)造的疊后地震剖面（圖5a），為了提高地震數(shù)據(jù)中幾何屬性分析的準(zhǔn)確性，通常會在曲率屬性計(jì)算前做地震特征增強(qiáng)。圖5b為采用SOF（Structural Orientation Filter）算法進(jìn)行地震特征增強(qiáng)的結(jié)果。在資料解釋中希望對地震特征增強(qiáng)的同時(shí)不破壞其他區(qū)域反射同相軸的特征，從而確保曲率分析結(jié)果的可靠性。圖5c為增強(qiáng)前、后的差剖面，增強(qiáng)后的整個(gè)剖面都有所改變，但是分不清各個(gè)部分改變多少，是否符合設(shè)計(jì)需求。圖5d為特征增強(qiáng)后的SDSS剖面，其MSDSS值為0.9336，表明特征增強(qiáng)前、后剖面總體變化不是很大。SDSS數(shù)值較低（即變化較大）的區(qū)域?yàn)楦叨笜?gòu)造區(qū)，是斷層與裂縫發(fā)育帶研究的重點(diǎn)部分，其反射同相軸橫向連續(xù)性增強(qiáng)，其他區(qū)域的反射特征沒有受到破壞，滿足曲率分析的要求。

實(shí)例三為C區(qū)疊前多炮地震記錄（圖6a），6炮共2000道，采樣點(diǎn)數(shù)為3500，采樣間隔為2ms，以相干噪聲、面波與多次波等噪聲為主。圖6b為去除相干噪聲的地震記錄。圖6c（原始記錄與參考記錄的差）在0.4～2.0s處的近地表低頻面波導(dǎo)致的相干噪聲得到很好的壓制，在4.5～4.8s區(qū)間不整合面強(qiáng)反射同相軸能量減弱，同時(shí)垂向的相干噪聲也得到了壓制。圖6d為噪聲壓制后的SDSS記錄，MSDSS為0.83，圖中藍(lán)色以及淡藍(lán)色區(qū)域SDSS值較大，為處理前、后波形變化較小的區(qū)域，紅色到水紅色區(qū)域SDSS值逐漸變小，為數(shù)據(jù)變化較大區(qū)域，其中強(qiáng)變化區(qū)域部分能夠很好地刻畫相干噪聲的形態(tài)特征。

圖2 不同SNR的地震剖面SDSS分析結(jié)果（計(jì)算參數(shù)α=1，β=1，γ=1）

圖3 MSDSS與SNR分析結(jié)果

圖4 中國西北A區(qū)地震數(shù)據(jù)去噪分析結(jié)果

5 結(jié)論

本文由視覺系統(tǒng)出發(fā)，提出了一種基于地震剖面結(jié)構(gòu)相似測度（SDSS）的全參考型質(zhì)量評價(jià)方法，利用資料處理前后兩剖面之間的能量強(qiáng)度測度、對比度測度與反射結(jié)構(gòu)相似度測度，建立其地震剖面結(jié)構(gòu)相似測度，并計(jì)算平均測度作為地震剖面處理質(zhì)量好壞的量化指標(biāo)。理論模型分析中，MSDSS的計(jì)算量小于SNR，且兩者交會結(jié)果呈近似線性關(guān)系，故可作為信噪比統(tǒng)計(jì)的參考，用于評價(jià)地震數(shù)據(jù)處理結(jié)果的好壞；SDSS圖像能夠用量化指標(biāo)表明處理前、后圖像的變化趨勢，能凸顯地震剖面變化的差異；驗(yàn)證了算法的可行性。本文選取具有代表性的疊前地震道集、疊后地震解釋剖面進(jìn)行濾波和特征增強(qiáng)等處理，并對其進(jìn)行SDSS與MSDSS量化分析，結(jié)果表明能提高客觀評價(jià)處理結(jié)果與人為主觀感知的一致性。該算法對高維數(shù)據(jù)同樣適用，是一種有效地評價(jià)地震處理質(zhì)量的方法。

圖5 B區(qū)地震剖面特征增強(qiáng)分析結(jié)果

圖6 C區(qū)疊前地震道集分析結(jié)果

［1］ 李慶忠.走向精確勘探的道路.北京：石油工業(yè)出版社，1994，31-44.

［2］ 林娟，羅勇，張龍等.GeoEast處理系統(tǒng)在準(zhǔn)南復(fù)雜高陡構(gòu)造地區(qū)的應(yīng)用.石油地球物理勘探，2014，49（增刊1）：60-65.Lin Juan，Luo Yong，Zhang Long et al.GeoEast seismic data processing in complex steep structure areas，Junggar Basin.OGP，2014，49（S1）：60-65.

［3］ 楊勤勇，王華忠，劉少勇等.山前帶地震成像技術(shù)需求與勘探策略分析.石油物探，2012，51（6）：570-573.Yang Qinyong，Wang Huazhong，Liu Shaoyong et al.Analysis of seismic imaging technology requirements and exploration strategy in foothill area.GPP，2012，51（6）：570-573.

［4］ 王金龍，胡治權(quán).三維錐形濾波方法研究及應(yīng)用.石油地球物理勘探，2012，47（4）：705-711.Wang Jinlong，Hu Zhiquan.Three dimensional cone filtering.OGP，2012，47（4）：705-711.

［5］ 王寶彬，李合群，趙波等.滑動掃描地震數(shù)據(jù)的諧波干擾壓制.石油地球物理勘探，2013，48（1）：37-41.Wang Baobin，Li Hequn，Zhao Bo et al.Harmonic noise removal on vibroseis slip-sweep data.OGP，2013，48（1）：37-41.

［6］ 張軍華.地震資料去噪方法——原理、算法、編程及應(yīng)用.山東東營：中國石油大學(xué)出版社，2011，11-21.

［7］ 張海瑛，袁超偉.一種實(shí)用的通信信號信噪比盲估計(jì)方法.無線電通信技術(shù)，2007，33（2）：49-51.Zhang Haiying，Yuan Chaowei.An applied method for blind SNR estimation in communication signals.Radio Communications Technology，2007，33（2）：49-51.

［8］ 王紅玲，詹毅，張朝霞.地震資料信噪比估算方法改進(jìn).物探化探計(jì)算技術(shù)，2007，29（3）：189-191.Wang Hongling，Zhan Yi，Zhang Chaoxia.An improved method of estimating signal-to-noise ratio of seismic data.Computing Techniques for Geophysical and Geochemical Exploration，2007，29（3）：189-191.

［9］ 周騰飛，胡天躍，姚逢昌.逆頻散方法壓制頻散面波.石油地球物理勘探，2012，47（6）：882-886.Zhou Tengfei，Hu Tianyue，Yao Fengchang.Dispersive surface wave suppression by inverse-dispersion.OGP，2012，47（6）：882-886.

［10］ Marr D.Vision：a Computational Investigation into the Human Representation and Processing of Visual Information.W H Freeman and Company Press，New York，1982.

［11］ Ismail A，Bulent S，Khalid S.Statistical evaluation of image quality measures.Journal of Electronic Imaging，2002，11（2）：206-213.

［12］ Makoto M，Kazunori K，Algazi R V.Objective picture quality scale for image coding.IEEE Transactions on Communications，1998，46（9）：1215-1225.

［13］ Niranjan D V，Kite T D，Geisler W S，et al.Image quality assessment based on a degradation model.IEEE Transactions on Image Processing，2000，4（4）：636-650.

［14］ Weken D V，Nachtegael M，Kerre E E.Using similarity measures and homogeneity for the comparison of image.Image＆ Vision Computing，2004，22（9）：695-702.

［15］ Aleksandr S，Gusev A，Eskicioglu A M.An SVD-based grayscale image quality measure for local and global assessment.IEEE Transactions on Image Processing，2006，15（2）：422-429.

［16］ Chandler D M，Hemami S S.A wavelet-based visual signal-to-noise ratio for natural images.IEEE Transactions on Image Processing，2007，16（9）：2284-2298.

［17］ Sheikh H R，Bovik A C.Image information and visual quality.IEEE Transactions on Image Processing，2006，15（2）：430-444.

［18］ Wang Z，Bovik A C，Sheikh H R et al.Image quality assessment：from error visibility to structural similarity.IEEE Transactions on Image Processing，2004，13（4）：600-612.

［19］ Chopra S，Vladimir A.Applications of texture attribute analysis to 3D seismic data.The Leading Edge，2006，24（8）：934-940.

P631

A

10.13810／j.cnki.issn.1000-7210.2017.01.022

楊寧，楊威，張岱宇.視覺結(jié)構(gòu)相似度地震圖像質(zhì)量評價(jià)模型研究.石油地球物理勘探，2017，52（1）：160-166.

1000-7210（2017）01-0160-07

*四川省綿陽市西南科技大學(xué)東7B110室，610010。Email：nyang＠swust.edu.cn

本文于2015年12月4日收到，最終修改稿于2016年12月2日收到。

本項(xiàng)研究受國家自然科學(xué)基金項(xiàng)目（41204068）資助。

（本文編輯：宜明理）

楊寧 博士，1981年生；2008年畢業(yè)于成都理工大學(xué)信息工程學(xué)院，獲計(jì)算機(jī)應(yīng)用專業(yè)碩士學(xué)位；2011年畢業(yè)于成都理工大學(xué)地球物理學(xué)院，獲地球探測與信息技術(shù)專業(yè)博士學(xué)位；現(xiàn)任職于西南科技大學(xué)環(huán)境與資源學(xué)院，從事高壓巖石物理測試、微地震技術(shù)等方面研究。