許輝群，桂志先

（1.長(zhǎng)江大學(xué)油氣資源與勘探技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，湖北 荊州434023；2.長(zhǎng)江大學(xué)地球物理與石油資源學(xué)院，湖北 荊州434023）

0 引言

儲(chǔ)層預(yù)測(cè)工作是油氣勘探、開發(fā)的一個(gè)重要環(huán)節(jié)，由于地下地質(zhì)情況復(fù)雜多變，受資料品質(zhì)、預(yù)測(cè)方法及處理人員水平等多種因素影響，使其成為一項(xiàng)難度很大的工作。地震儲(chǔ)層預(yù)測(cè)一般采用聚類分析、神經(jīng)網(wǎng)絡(luò)等方法結(jié)合地震屬性進(jìn)行，也可對(duì)地震屬性進(jìn)行優(yōu)化處理，使處理后的地震屬性更好地識(shí)別儲(chǔ)層。從前人的研究成果［1-6］可以看出，地震屬性在表征地下信息的同時(shí)，也受到多種因素的影響，導(dǎo)致地震儲(chǔ)層識(shí)別困難，尤其是在區(qū)分砂泥巖阻抗差異不明顯的地層時(shí)，常規(guī)屬性更難發(fā)揮作用。為此，本文在前人圖像處理方法研究的基礎(chǔ)上，提出了邊緣檢測(cè)屬性，利用該屬性在實(shí)際應(yīng)用中能有效地區(qū)分砂巖、泥巖。該方法的原理是利用圖像處理得到新地震屬性，即邊緣檢測(cè)屬性，利用該屬性并結(jié)合地質(zhì)背景資料進(jìn)行綜合研究。結(jié)果表明，利用新屬性對(duì)研究區(qū)砂泥巖的區(qū)分取得了較好應(yīng)用效果，與實(shí)際資料吻合較好。

1 方法原理

邊緣檢測(cè)屬性是利用圖像處理方法對(duì)地震數(shù)據(jù)體進(jìn)行處理而得到的一種新的地震屬性。利用該地震屬性識(shí)別砂巖分布，要解決的問題是提取信息的邊緣。所謂邊緣，是指其周圍像素灰度有階躍變化或屋頂變化的那些象素的集合［7-9］。針對(duì)研究區(qū)分別提取不同邊緣檢測(cè)屬性進(jìn)行分析，實(shí)現(xiàn)對(duì)砂泥巖的識(shí)別。

1.1 數(shù)學(xué)模型

地震信號(hào)攜帶大量的地球物理信息，這些信息直接或間接地反映了地下巖性信息。運(yùn)用圖像處理方法對(duì)地震數(shù)據(jù)進(jìn)行分析，提出新的地震屬性來研究地下信息。為研究邊緣檢測(cè)地震屬性，假定2 個(gè)數(shù)學(xué)模型，驗(yàn)證邊緣檢測(cè)屬性識(shí)別砂體的機(jī)理。

數(shù)學(xué)模型一：假設(shè)一個(gè)信號(hào)為x（t），而信號(hào)x（t）的微分運(yùn)算是指x（t）對(duì)t 求導(dǎo)數(shù)，即

數(shù)學(xué)模型二：信號(hào)x（t）的積分運(yùn)算是指在（-∞，t）區(qū)間內(nèi)的定積分，即

假設(shè)式（2）中x（t）為

1.2 可行性分析

模型一信號(hào)x（t）的圖像經(jīng)求導(dǎo)后的變化過程與模型二信號(hào)的圖像求積分后是一個(gè)相反過程。其積分運(yùn)算的作用效果正好與微分相反，它使信號(hào)的突出部分變得平滑。經(jīng)典邊緣檢測(cè)屬性就是利用微分的這一特性對(duì)圖像的邊界點(diǎn)進(jìn)行檢測(cè)，從而有效區(qū)分區(qū)分砂巖與泥巖。

2 關(guān)鍵步驟

2.1 地震屬性濾波

地震屬性濾波，主要是對(duì)所提取的地震屬性進(jìn)行濾波，使地震屬性忠實(shí)于地層信息。利用加權(quán)中值濾波對(duì)地震屬性進(jìn)行處理，這在平滑脈沖噪聲方面非常有效，同時(shí)可以保護(hù)圖像尖銳的邊緣，減少噪聲對(duì)地震屬性帶來的影響［10-11］。通過濾波前某一層序平均振幅屬性（見圖1）與濾波后地震屬性（見圖2）的對(duì)比發(fā)現(xiàn)，濾波后地震屬性變得較為平滑，且在A1 與A2 之間其變化尤為明顯。

圖1 濾波前某一層序平均振幅屬性

圖2 濾波后某一層序平均振幅屬性

2.2 邊緣檢測(cè)屬性計(jì)算

邊緣檢測(cè)屬性的計(jì)算，主要是根據(jù)圖像處理方法中的算法對(duì)地震數(shù)據(jù)體進(jìn)行計(jì)算，其具體計(jì)算方法可參考文獻(xiàn)［7］中幾種常見的邊緣檢測(cè)方法。

該實(shí)例研究主要計(jì)算Sobel，Laplacian，Robinson和Frei_chen 屬性。以上屬性計(jì)算主要是差分求解，與給定的數(shù)學(xué)模型類似，并在數(shù)學(xué)模型上證實(shí)該方法的有效性。

3 新屬性應(yīng)用效果分析

圖像的邊緣是指圖像局部區(qū)域亮度變化顯著的部分，在數(shù)字圖像中，邊緣是圖像局部強(qiáng)度變化最顯著的部分。邊緣檢測(cè)屬性在數(shù)學(xué)方法上進(jìn)行地質(zhì)應(yīng)用是可行的，但是實(shí)際資料極其復(fù)雜，其具體效果要結(jié)合研究區(qū)地質(zhì)、測(cè)井資料進(jìn)行綜合判別。在研究區(qū)中提取的新屬性有Robinson，Sobel，Laplacian 屬性以及Frei_chen屬性。

據(jù)測(cè)井資料解釋及地質(zhì)資料綜合分析，A1 和A2井所在研究層序中砂體較厚，B 井在研究層序中砂含量相對(duì)較少，并且在A1 井砂泥巖波阻抗交會(huì)圖（見圖3）可以明顯看出，A1 井在2 050 m 附近即目的層段的砂巖波阻抗變化規(guī)律性不強(qiáng)，砂巖阻抗在有的地方比泥巖波阻抗大，有的地方比泥巖波阻抗小，表明砂巖波阻抗還受到其他因素的影響。假如單純從地震屬性上，利用平均振幅屬性（見圖2）進(jìn)行砂體勾繪時(shí)，A1 和B井的砂巖在地震屬性上均沒有顯示，就說明該屬性不能確定砂體展布以及邊界定位。但邊緣檢測(cè)屬性Sobel屬性（見圖4）可以刻畫砂體分布及區(qū)分砂泥巖邊界，并且與地質(zhì)鉆測(cè)井吻合較好。

圖3 A1 井砂泥巖波阻抗交會(huì)

不同的圖像處理方法得出不同的檢測(cè)屬性，在該研究區(qū)中，Sobel 屬性對(duì)砂巖的識(shí)別效果比Laplacian屬性要好（見圖4、圖5）。因此，在實(shí)例研究中，要綜合地震、地質(zhì)和測(cè)井資料進(jìn)行綜合分析，來篩選邊緣檢測(cè)屬性。

圖4 Sobel 屬性對(duì)砂巖的識(shí)別效果

圖5 Laplacian 屬性對(duì)砂巖的識(shí)別效果

4 結(jié)束語(yǔ)

利用圖像處理方法對(duì)地震屬性進(jìn)行處理得到一種新的屬性，在繼承原始地震屬性基礎(chǔ)信息的同時(shí)，也改變了原始地震屬性。因此，對(duì)邊緣檢測(cè)地震屬性的應(yīng)用，要結(jié)合實(shí)際地質(zhì)及鉆測(cè)井資料進(jìn)行綜合判別。另外，該技術(shù)的關(guān)鍵在于地震屬性的濾波及邊緣檢測(cè)方法的優(yōu)選。

［1］Quincy C，Sidney S.Seismic attribute technology for reservoir forecasting and monitoring［J］.The Leading Edge，1997，16（5）：445-456．

［2］陳遵德.儲(chǔ)層地震屬性優(yōu)化方法［M］.北京：石油工業(yè)出版社，1998：1-10．

［3］金利.灰色關(guān)聯(lián)技術(shù)在老油田儲(chǔ)層預(yù)測(cè)解釋中的應(yīng)用［J］.斷塊油氣田，2012，19（5）：600-603．

［4］宋土順，劉立，于淼，等.灰色系統(tǒng)理論關(guān)聯(lián)分析法在儲(chǔ)層評(píng)價(jià)中的應(yīng)用：以延吉盆地大砬子組2 段為例［J］.斷塊油氣田，2012，19（6）：714-717．

［5］王強(qiáng)，盧泉杰，韓科龍，等.利用地震資料約束小尺度離散裂縫的空間分布［J］.斷塊油氣田，2012，19（4）：423-425.

［6］張淑娟，王延斌，梁星如，等.螞蟻?zhàn)粉櫦夹g(shù)在潛山油藏裂縫預(yù)測(cè)中的應(yīng)用［J］.斷塊油氣田，2011，18（1）：51-54.

［7］王新成．高級(jí)圖形處理技術(shù)［M］．北京：中國(guó)科學(xué)技術(shù)出版社,2001：119-130．

［8］Canny J.A computational approach to edge detection［J］.IEEE Trans.PAMI，1986，8（6）：679-698.

［9］Mallat S.Characteristics of signals from multiscale edges ［J］.IEEE Trans.PAMI，1992，14（7）：710-732.

［10］鄧秀勤，熊勇，彭宏.一種有效的自適應(yīng)加權(quán)中值濾波算法［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45（35）：185-187.

［11］Sun T，Neuvo Y.Detail-preserving median based filters in image processing［J］.Pattern Recongnit Letters，1994，15（4）：341-347.