一种基于信号分类的地震图像层位追踪方法

摘要

本发明公开了一种基于信号分类的地震图像层位追踪方法，在无需人工干预情况下，使用FSSCEM算法对得到的特征参数进行优化选择并聚类，并且将倾角纹理属性结合相关查找方法应用于聚类后的后续处理，实现了二维剖面上的全层位追踪，然后将半监督分类方法、倾角指向和基于相关性的层位追踪算法结合，实现了在三维地震图像中层位曲面精确追踪。本发明的方法无需大量人工干预；在降低聚类算法的计算量的同时保证了聚类的可靠性；增强了层位识别的连续性。

主权项

一种基于信号分类的地震图像层位追踪方法，其特征在于，该方法包括二维地震波形层位追踪方法和三维地震图像层位追踪方法：所述二维地震波形层位追踪方法为：A1、寻找二维地震波形中的极值点：若二维地震波形中的某个点的值大于该点两边的点的值，且该点的值大于门限值，则该点为极大值点；若二维地震波形中的某个点的值小于该点两边的点的值，且该点的值小于门限值，则该点为极小值点；A2、以上述各极值点为中心分别提取出一段二维地震波形，将切比雪夫零点作为拟合样本点计算二维地震波形拟合特征系数；A3、使用顺序向前搜索方法删选上述二维地震波形拟合特征系数，产生二维地震波形拟合特征系数的特征子集；A4、采用模型自动选择最大期望方法对二维地震波形拟合特征系数的特征子集聚类，计算散步分离性策略值；A5、重复步骤A4，直到遍历完所有特征子集，求得散步分离性策略值最大的特征子集，得到第i个极值点属于第j个聚类的后验概率P(c_j|X⁽ⁱ⁾)，若即第i个极值点属于第l个聚类的后验概率最大，则第i个极值点属于第l个层位，从而将步骤A1中的极值点分为若干个聚类，所述若干个聚类组成一个类集合，类集合中的每一个聚类代表一个层位，实现二维地震波形的层位追踪；其中：其中，为第i个极值点的波形拟合特征系数，表示第i个极值点的第k个波形拟合特征系数，且k＝1,2,...N，N为拟合的阶数；c_j表示第j个聚类，1≤c_j≤K；μ_l为第l个层位的N×1的波形拟合特征系数的均值向量，nl为第l个层位上的极值点数目；μ_j为第j个层位的波形拟合特征系数的均值向量；Σ_j为第j个层位的N×N的协方差矩阵，∑_j＝cov((X^(j))^T,X^(j))；参数α_l表示第l个层位的分布概率，取值范围为0≤α_l≤1，参数α_j表示第j个层位的分布概率，取值范围为0≤α_j≤1；表示所有层位的混合高斯分布的概率密度函数，其中表示第j个层位的高斯分布的概率密度函数；K是二维地震波形层位数目；所述二维地震波形层位追踪方法还包括以下步骤：A6、计算二维地震波形的梯度向量g：$g=▿u(x,y)=\left[\begin{array}{c}\frac{\partial u(x,y)}{\partial x}\\ \frac{\partial u(x,y)}{\partial y}\end{array}\right]=\left[\begin{array}{c}{g}_x\\ g_y\end{array}\right],$其中，g_x、g_y、分别表示x、y方向的梯度向量，u(x,y)表示二维地震图像中坐标为(x,y)点所对应的像素值；A7、利用梯度向量g计算张量矩阵T，T＝g·g^T；A8、计算上述张量矩阵T的特征值λ_i′，求得二维地震波形的倾角dip；其中i′＝1,2；$dip=\arctan \left(\frac{v\left(y\right)}{\left|v\left(x\right)\right|}\right),$其中，v(x)、v(y)为张量矩阵T的特征向量；A9、利用所述倾角dip进行二维地震波形层位补齐，消除层位间断；A10、消除每一个聚类中不同层位上的极值点；A11、对层位进行片段融合；所述三维地震图像层位追踪方法为：B1、截取三维地震图像上的一个二维剖面，并为该二维剖面提供至少两个种子点：若提供的种子点连线是垂直于xline_time平面的，则沿着inline方向提取二维剖面；若提供的种子点连线垂直于inline_time的平面，则沿着xline方向提取二维剖面；B2、在上述种子点指定窗口大小内上下各搜索一个极值点作为拟修正位置，然后比较这两个拟修正位置与种子点的距离，选择距离近的拟修正位置，并将所述种子点移动到该拟修正位置；如果距离相等，且待修正的种子点为第一个种子点，则选取待修正的种子点指定窗口上深度值低的极值点作为拟修正位置，并将待修正的种子点移动到该拟修正位置，若待修正的种子点不是第一个种子点，则根据前一个种子点修正的方式进行种子点修正：如果前一二维剖面上修正后的种子点深度值更大，则将现有二维剖面的种子点往深度值更大的拟修正位置修正；如果前一二维剖面修正后的种子点深度值更小，则修正方向相反；若在指定窗口内不能找到极值点可以作为种子点修正后的位置，则认为层位在现有二维剖面数据上是没有点的，层位在现有二维剖面上被断开；所述指定窗口大小为种子点上下各15个点；B3、在二维剖面中所有相邻两个修正后的种子点上下各偏移15个点所围成的平行四边形组合而成的区域内寻找极值点：若二维剖面中的某个点的值大于该点所在二维剖面两边的点的值，且该点的值大于门限值，则该点为极大值点；若二维剖面中的某个点的值小于该点所在二维剖面两边的点的值，且该点的值小于门限值，则该点为极小值点；B4、以步骤B2修正后的种子点或步骤B3得到的极值点为中心提取出一段二维剖面波形，将切比雪夫零点作为拟合样本点计算二维剖面波形拟合特征系数；B5、采用模型自动选择最大期望方法对二维剖面波形拟合特征系数特征子集聚类，计算散步分离性策略值；B6、重复步骤B5，直到遍历完所有特征子集，求得散步分离性策略值最大的特征子集，得到第m个极值点或种子点属于第n个聚类的后验概率Q(c_n|Y^(m))，若即第m个极值点或种子点属于第l'个聚类的后验概率最大，则第m个极值点或种子点属于第l'个层位，从而将步骤B3中的极值点和步骤B2中修正后的种子点分为若干个聚类；其中：其中，为第m个极值点或种子点的波形拟合特征系数，M为拟合的阶数，表示第m个极值点或种子点的第k′个波形拟合特征系数，且k′＝1,2,...M，M是拟合阶数；c_n、c_l'分别表示第n个、第l'个聚类，μ_l'为第l'个层位的M×1的波形拟合特征系数的均值向量，nl'为第l'个层位上的极值点或种子点数目；μ_n为第n个层位的波形拟合特征系数的均值向量；Σ_n为第n个层位的M×M的协方差矩阵，Σ_n＝cov((Y⁽ⁿ⁾)^T,Y⁽ⁿ⁾)；参数α_l'表示第l'个层位的分布概率，取值范围为0≤α_l'≤1，参数α_n表示第n个层位的分布概率，取值范围为0≤α_n≤1；表示所有层位的混合高斯分布的概率密度函数，其中表示第n个层位的高斯分布的概率密度函数；T是三维地震图像层位数目；B7、选择修正后种子点最多的聚类作为层位，删去其余的聚类，完成了一个二维剖面上的层位追踪；B8、重复三维地震图像层位追踪方法的步骤B1～步骤B7，直到追踪完三维地震图像上所有的二维剖面。