崔世凌,張軍華,王 偉,譚明友,陳海云

(1.中國科學院 廣州地球化學研究所,廣州 510640;2.中國石化勝利油田物探研究院,東營 257022;3.中國石油大學 資源信息學院,東營 257061;4.東方地球物理公司研究院,涿州 072751)

0 前言

紋理(Texture)是按一定規(guī)則進行排列所形成的重復模式,或以一定的形式變化而產生的圖案[1～4]。在自然界中,許多植物、動物、礦物,都有其獨特的紋理特征。利用它,人們可以方便地識別或區(qū)分事物。在圖像處理領域,利用紋理分析,可以在圖像分割,模式識別,形狀分析,紋理合成和圖像壓縮等方面得到廣泛應用。

地層由于受構造運動的影響,也會產生斷層、裂縫等地質現象,從而留下地質年代變遷的印記。這些痕跡,從圖形學上來說,可以認為它們就是紋理,可以借助于圖像處理的方法、手段,來凸顯其內部特征,從而有效地識別斷層或裂縫,為找油、找氣提供更好的依據[5～7]。

在過去的勘探歷程中,地球物理工作者通過不斷努力,已經用三維地震勘探技術較好地查明落差和斷距較大的斷層。而對于落差和斷距較小的斷層識別,無論在理論上還是在實踐上,都有很大困難。相干體算法也是從Bahorich和Far mer[8]的第一代的互相關算法,發(fā)展到Marfurt[9、10]的第二代多道相似算法和第三代特征值相干算法。近幾年來,以Gao Dengliang[11～13]為首的研究小組,利用紋理屬性進行斷層識別研究,并取得了一系列成果。作者在本文中,借鑒其紋理分析的相關方法原理,研究了三維紋理體的提取算法,獲得了紋理能量、熵、對比度,以及相關性等紋理屬性體,討論了紋理基元大小選擇,灰度級確定,RGB數據融合等應用要素,并在JJD實際工區(qū)中取得了較好的應用效果。

1 基于灰度共生矩陣的紋理分析方法

灰度共生矩陣是一種用來分析圖像紋理特征的重要方法,它最早由Haralick于1973提出。通過計算圖像中一定距離和一定方向的二個像素之間的灰度相關性,可對圖像的所有像素進行統(tǒng)計,從而反映出圖像在方向、相鄰間隔、變化幅度及快慢上的綜合信息[14、15]。對于一個已經用灰度來描述的圖像G來說,沿著某一方向統(tǒng)計其距離為δ的任意二個像素點,滿足一定條件出現的概率p(i,j):

式中 i、j=0、1、2、…、L-1、L為圖像的灰度級數;x、y是圖像中的像素坐標;g(x,y)是(x,y)處的灰度值;圖像的行列數。

在p值經歸一化處理后,可寫成灰度共生矩陣,形式見式(2)。

容易推知,R是一對稱陣,位置偏移δ由x方向和y方向的二個量組成。一般來說,δ較小則反應圖像的整體紋理分布,而較大的δ則反應小區(qū)域的細微變化。

用灰度共生矩陣可提取多種特征值,最常用的是以下四個特征:

(1)角二階矩或能量。它是紋理灰度變化均一的度量,反映了灰度分布均勻程度和紋理粗細度。

(2)熵。它可以度量紋理的隨機性。當共生矩陣中所有值均相等時,它取得最大值;相反,如果共生矩陣中的值非常不均勻時,其值較小。

(3)對比度。它是灰度共生矩陣主對角線附近的慣性矩,它度量矩陣值的分布和局部變化,可反映清晰度和紋理的溝紋深淺。

(4)相關性。它度量空間灰度共生矩陣元素在行或列方向上的相似程度。因此,相關值大小反映了局部灰度相關性。

2 三維地震紋理體的提取原理

2.1 紋理基元的引入

地震數據體的振幅用灰度來表示,并按一定的窗去截取數據,可構建地震紋理基元(Texture element)[8]。圖1分別展示了以體、剖面和道表示的紋理基元(紋理元)。

圖1 地震紋理元示意圖Fig.1 The sketch diagram of seismic texture element

2.2 地震資料灰度共生矩陣的構建

地震資料灰度共生矩陣可在地震紋理元基礎上構建,它反映了地震紋理體在方向、間隔、變化幅度方面的綜合信息。對于圖1所示的紋理基元體,其灰度共生矩陣的矩陣元素值可通過下式來計算,即:

式中 g(x,y,z)為紋理基元體中(x,y,z)點的灰度值;(x1,y1,z1)和(x2,y2,z2)表示距離為δ的二個像素點;∑表示紋理體中沿著某一方向距離為δ的任意二個像素點滿足以上條件的概率統(tǒng)計;α、β表示方向(見圖2)。特殊地,α=90°,β=0°對應X軸方向;α=0°,β=0°對應Y軸方向;β=90°對應Z軸方向;L表示灰度級數。

圖2 紋理基元體的不同方向Fig.2 The different directions of seismic texture element volume

3 實際資料應用及分析

選取勝利油田JJD工區(qū)作為應用實例,該區(qū)域斷裂比較發(fā)育,斷層和裂縫對油氣儲集和疏導起主要的作用,因此有效地識別斷層和裂縫具有重要的研究價值。在計算時,采用滑動紋理窗,提取的屬性包括紋理能量、對比、熵和紋理相關性等四種屬性。此外,還討論了不同的計算方向,時窗大小和灰度級別等應用要素問題。

3.1 不同紋理屬性的對比分析

圖3(a)為某工區(qū)一沿層振幅切片,為了檢測斷層,用紋理屬性來進行分析。通過試驗,采用16級灰度級別和9×9×9的三維滑動窗提取紋理體屬性,然后抽取沿層切片進行對比分析。這里提取了紋理能量屬性(見圖3(b)),紋理對比度屬性(見圖3(c)),紋理熵屬性(見圖3(d))和紋理相關性屬性(見圖3(e))。對比圖3中四種紋理屬性我們發(fā)現,以上四種屬性基本上都能較好地識別南部大的斷層,中部多條斷層層次感也比原始切片要好,紋理對比度和相關屬性還較好地指示了北部的向斜構造。

3.2 計算方向對屬性結果的影響

下面我們討論紋理的方向性。圖4(見下頁)給出了在三個不同方向上提取的紋理對比度屬性,最后用RGB融合技術對三個方向屬性進行融合。從圖4中可以發(fā)現,不同方向的屬性反應的斷層是不一樣的,其中x方向(橫測線方向)較好地反映了東西向的斷層;在y方向(主測線方向)上,從圖4中還很好地展示出一古河道來,這對油氣儲集的認識有重要意義;在z方向主要反映深度方向信息,較其它二個方向,此方向提取的屬性,斷層信息相對要清楚一點。我們還可用數據融合RGB技術,綜合三個方向的屬性,得到富有層次感、清晰的斷層信息。

圖3 紋理屬性及對比Fig.3 Texture attributes and comparison

3.3 窗口大小對屬性結果的影響

紋理計算肯定要涉及到窗口問題,這里以紋理相關性z方向屬性為例進行說明。對比圖5紋理相關性屬性,我們可以發(fā)現:圖5(a)雖然整體信息比較豐富,但背景噪音相當嚴重,圖像模糊;圖5(b)相對好一些,但局部噪音也比較嚴重;而圖5(c)最好,背景噪音少,斷層清晰。由此可見,窗口大小對紋理屬性影響還是很大的,小窗口背景噪音比較嚴重,大的窗口則圖像清晰,當然太大窗,也會帶來信息被平滑掉的問題。通過對比,我們認為9×9×9體窗口比較理想。

3.4 灰度級別對屬性結果的影響

在紋理屬性提取時,除了要注意窗口大小的選擇,還要注意灰度級別的選擇。圖6(見下頁)以紋理相關性z方向屬性為例,給出了同一窗口大小,不同灰度級別的屬性圖對比。從圖6中可以看出,并不是灰度級別越大越好,用較大的灰度級別,其內部結構的差異性并不能拉大(見圖6(d))。此外,灰度級別越大,計算速度會越慢。對于本區(qū)數據,取灰度級為16或32,效果較好。

圖4 不同方向的紋理屬性對比Fig.4 Texture attributes comparison of different directions

圖5 窗口大小對紋理屬性的影響對比Fig.5 Texture attributes comparison with differentwindows

圖6 灰度級別對紋理屬性的影響對比Fig.6 Texture attributes comparison with different gray levels

4 結論

通過理論分析和實際應用,得到以下認識或結論:

(1)基于灰度共生矩陣提取的紋理屬性,是一種很好的凸顯斷層和裂縫信息的地震屬性。

(2)紋理屬性提取涉及到方向問題,不同的方向反映的信息不同,可以根據地質需要提取某方向的信息,也可用RGB技術來綜合各個方向的信息。

(3)由于紋理屬性是體屬性提取,與窗口大小有密切關系,要根據不同的情況選取合適的窗,否則容易模糊信息,甚至產生假象。在一般情況下,窗口大小取9×9×9為好。(4)灰度級別對紋理屬性結果也有影響,要根據具體情況具體分析,通過試驗選擇合適的灰度級別。另外,灰度級別還會影響程序的計算速度,灰度級別越大,速度就越慢。綜合考慮,對于本工區(qū)灰度級別取16或32為好。

[1] 劉曉民.紋理研究及其應用綜述[J].測控技術.2008.27(5):4.

[2] 楊淑瑩,胡軍,曹作良.基于圖像紋理分析的目標物體識別方法[J].天津理工學院學報,2001,17(4):31.

[3] 許存祿.圖像紋理分析的新方法及其應用[M].上海:復旦大學,2005.

[4] 宋端智,柴振友,張愛敏.用虛擬現實建模語言實現地震層位三維可視化[J].物探化探計算技術,2000,22(3):299.

[5] 郭科,胥澤銀,倪根生.用主曲率法研究裂縫性油氣藏[J].物探化探計算技術,1998,20(4):335.

[6] DENGL IANG GAO.Volume texture extraction for 3D seismic visualization and interpretation[J].Geophysics.2003,68(4):1294.

[7] DENGLIANG GAO.Texture model regression for effective feature discrimination:Application to seismic facies visualization and interpretation[J].Geophysics,2004,69(4):958.

[8] BAHOR I CH M,FARMER S.3-D Seismic coherency for faults and stratigraphic features[J].The Leading Edge,1995,14(10):1053.

[9] MARFURT K J,KIRL IN R L,STEVEN S L.3-D seismic attributes using a semblance-based coherency algorithm[J].Geophysics,1998,63(4):1150.

[10]GERSZTENKOMn A,MARFURT K J.Eigenstructure based coherence computations as an aid to 3D structural and stratigraphic mapping[J].Geophysics,1999,64(5):1468.

[11]DENGLIANG GAO.Structure-oriented texture model regression:Application to seismic structure visualization and interpretation[J].SEG Expanded Abstracts,2006,25:1083.

[12]DENGL IANG GAO.Application of seismic texturemodel regression to seismic facies characterization and interpretation[J].The Leading Edge,2008,27:394.

[13]DENGLIANG GAO.3D seismic volume visualization and interpretation:An integrated workflow with case studies[J].Geophysics,2009,74(1):W1.

[14]白雪冰,王克奇,王輝.基于灰度共生矩陣的木材紋理分類方法的研究[J].哈爾濱工業(yè)大學學報,2005,37(12):1667.

[15]汪黎明,陳健敏,王銳,等.織物褶皺紋理灰度共生矩陣分析[J].青島大學學報,2003,18(4):5.