一种基于图形图像处理的低序级断层自动识别方法技术

本发明专利技术公开了一种基于图形图像处理的低序级断层自动识别方法，包括：对图像进行二值化预处理，将波谷上的像素点的灰度值设置为0，去除种子点寻找的干扰，所述种子点为波峰的骨架线，采用逐次消去边界点的迭代细化算法细化所述骨架线；层位追踪，确定地震层位并拾取种子点，创建种子点库，确定层位追踪目标点，反向寻找有效种子点，将所有追踪到的目标点的层位值与原始种子点组合，输出层位，完成层位追踪；断点提取，将所述层位上的骨架线细化出来，计算平均振幅，根据低序级断层地震五种识别标志确定层位上断点，去掉无效的断点，形成有效断点。本发明专利技术有效利用了图形图像处理技术、沿层倾角方位角属性、断点倾角方位角属性及低序级断层的特点，可较准确进行断点提取和断层识别。别。别。

【技术实现步骤摘要】
一种基于图形图像处理的低序级断层自动识别方法


[0001]本专利技术涉及地球物理勘探地震资料解释
，特别涉及一种基于图形图像处理的低序级断层自动识别方法。

技术介绍

[0002]在三维地震资料解释和地质模型建立时，断层的解释一直是单调乏味并且很费时间。传统的解释方式是在地震剖面、切片或者数据体上利用地震振幅的不连续性来识别和拾取断层。尽管国外在层位自动追踪方面技术飞速发展，但目前在三维地震数据体上进行断层的自动解释还没有一个完善的商业化的工具，断层的识别准确率不高。
[0003]尤其是在低序级断层的地震识别描述、复杂断裂系统的组合等方面仍存在困难。该专利技术利用了图形图像处理技术、沿层倾角方位角属性、断点倾角方位角属性及低序级断层的特点，形成了一种基于图形图像处理的低序级断层自动识别方法，可较准确进行断点的提取和断层的识别。

技术实现思路

[0004]本专利技术的目的在于至少解决现有技术中存在的技术问题之一，提供一种基于图形图像处理的低序级断层自动识别的方法。该专利技术有效利用了图形图像处理技术、沿层倾角方位角属性、断点倾角方位角属性及低序级断层的特点，可较准确进行断点提取和断层识别，同时为解释人员对低序级断层识别提供了量化依据。
[0005]为达到上述目的，本专利技术的目的可通过如下技术方案来实现：
[0006]一种基于图形图像处理的低序级断层自动识别方法，包括如下步骤：
[0007]步骤一，对图像进行二值化预处理，将波谷上的像素点的灰度值设置为0，去除种子点寻找的干扰，所述种子点为波峰的骨架线，采用逐次消去边界点的迭代细化算法细化所述骨架线；
[0008]步骤二，层位追踪，确定地震层位并拾取种子点，创建种子点库，确定层位追踪目标点，反向寻找有效种子点，将所有追踪到的目标点的层位值与原始种子点组合，输出层位，完成层位追踪；
[0009]步骤三，断点提取，将所述层位上的骨架线细化出来，计算平均振幅，根据低序级断层地震5种识别标志确定层位上断点，去掉无效的断点，形成有效断点。
[0010]进一步的，步骤一中，所述对图像进行二值化预处理，将波谷上的像素点的灰度值设置为0，去除种子点寻找的干扰，所述种子点为波峰的骨架线，采用逐次消去边界点的迭代细化算法细化所述骨架线，该步骤的限制条件为：不消去线段端点，不中断原来连通的点，不过多侵蚀区域，
[0011]进一步的，所述步骤一中对图像进行二值化预处理，将波谷上的像素点的灰度值设置为0，去除种子点寻找的干扰，所述种子点为波峰的骨架线，采用逐次消去边界点的迭代细化算法细化所述骨架线，具体包括如下步骤：
[0012]S11.求二值目标区域骨架，设已知目标点标记为1，背景点标记为0，定义边界点是本身标记为1而其8连通邻域中至少有1个点标记为0的点，算法对边界点的操作如下：
[0013](1)以边界点为中心的8个邻域，记中心点为P1，其邻域的8个点顺时针绕中心点分别记P2，P3，P4，P5，P6，P7，P8，P9，其中P2在P1上方，首先标记同时满足下列条件的边界点：
[0014](1.1)2≤(P1)≤6；N(P1)是P1的非零邻点的个数；
[0015](1.2)S(P1)＝1；s(P1)是以P2，P3，
…
，P9，P2为序时，这些点的值从0
→
1变化的次数；
[0016](1.3)P2·
P4·
P6＝0；
[0017](1.4)P4·
P6·
P8＝0；
[0018]其中，P代表像素黑白值1,0；
[0019]其中N(P1)是P1非零邻点的个数，S(P1)是以P2，P3，
…
，P9为序时这些点的值从0到1变化的次数，当对所有边界点都检验完毕后，将所有标记了的点除去；
[0020](2)同第(1)步，仅将前面条件(1.3)改为条件(2.3)；条件(1.4)改为条件(2.4)；
[0021](2.3)P2·
P4·
P8＝0；
[0022](2.4)P2·
P6·
P8＝0；
[0023]同样当对所有边界点都检验完毕后，将所有标记了的点除去；
[0024]S12.去噪：绘制的剖面波谷有基线残影，通过图形图像算法去除；
[0025]S13.种子点寻找：根据地质研究目标在地震剖面上波峰上同相轴拾取种子点，创建种子点库；
[0026]S14.坐标变换：实际绘制的剖面和保存的图像像素点进行坐标变换；
[0027]S15.基线输出：实际绘制的基线位置和变换后的图像像素点进行坐标变换后输出；
[0028]S16.计算平均振幅：计算变换后的图像像素点波峰的平均振幅值。
[0029]进一步的，所述步骤二中的层位追踪方法，具体包括以下步骤：
[0030]S21.根据地质研究目标在地震剖面上确定地震层位并拾取种子点，创建种子点库；
[0031]S22.对种子点库中的种子点进行排序，将其组成一个种子点队列，形成层位片段；
[0032]S23.从种子点队列中提取当前种子点；
[0033]S24.在地震道相似性特征控制下，确定层位追踪目标点；
[0034]S25.分别在目标点的周围层位片段反向寻找有效种子点；
[0035]S26.估算目标点相对于有效种子点的地震同相轴倾角；
[0036]S27.将层位值从有效种子点传播到目标点，并将其标记为有效目标点；
[0037]S28.将有效目标点的层位片段追加到种子点队列的后端；
[0038]S29.待全部层位片段处理完成后，队列前移一位，如果前移后的种子点队列为空，则停止追踪，否则返回步骤S23继续进行下一个种子点的追踪；
[0039]S210.当种子点队列清空后，将所有追踪到的目标点的层位值与原始种子点组合，输出层位，完成层位追踪。
[0040]进一步的，对已经细化后的种子点，相互联系的种子点从左到右组成点片段，具体算法如下：
[0041]A:对所有未标记种子点从左到右搜索；
[0042]B:搜索右侧连接的未标记种子点，即P(x,y+1)、P(x+1,y)、P(x+1,y+1)，是否是未标记种子点，若没有删除此标记种子点；若有加入点片段，删除未标记种子点，即加入点，再找加入点的连接的未标记种子点，直至找完，即P(x,y+1)、P(x+1,y)、P(x+1,y+1)是未标记种子点；
[0043]C:返回A步骤继续搜索，直至搜索完。
[0044]进一步的，所述步骤三中的所述将所述层位上的骨架线细化出来，计算平均振幅具体步骤如下：
[0045]根据低序级断层地震5种识别标志确定层位上断点，所述层位上的骨架线的点与点的距离大于平均振幅，大于1/2平均振幅小于平均振幅，大于1/4平均振幅小于1/2平均振幅，小于1/4平均振幅符合任意一个条件把骨架线的点作为标记点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图形图像处理的低序级断层自动识别方法，其特征在于，包括如下步骤：步骤一，对图像进行二值化预处理，将波谷上的像素点的灰度值设置为0，去除种子点寻找的干扰，所述种子点为波峰的骨架线，采用逐次消去边界点的迭代细化算法细化所述骨架线；步骤二，层位追踪，确定地震层位并拾取种子点，创建种子点库，确定层位追踪目标点，反向寻找有效种子点，将所有追踪到的目标点的层位值与原始种子点组合，输出层位，完成层位追踪；步骤三，断点提取，将所述层位上的骨架线细化出来，计算平均振幅，根据低序级断层地震五种识别标志确定层位上断点，去掉无效的断点，形成有效断点。2.根据权利要求1所述的一种基于图形图像处理的低序级断层自动识别方法，其特征在于：步骤一中，所述对图像进行二值化预处理，将波谷上的像素点的灰度值设置为0，去除种子点寻找的干扰，所述种子点为波峰的骨架线，采用逐次消去边界点的迭代细化算法细化所述骨架线，该步骤的限制条件为：不消去线段端点，不中断原来连通的点，不过多侵蚀区域。3.根据权利要求2所述的一种基于图形图像处理的低序级断层自动识别方法，其特征在于：所述步骤一中对图像进行二值化预处理，将波谷上的像素点的灰度值设置为0，去除种子点寻找的干扰，所述种子点为波峰的骨架线，采用逐次消去边界点的迭代细化算法细化所述骨架线，具体包括如下步骤：S11.求二值目标区域骨架，设已知目标点标记为1，背景点标记为0，定义边界点是本身标记为1而其8连通邻域中至少有1个点标记为0的点，算法对边界点的操作如下：(1)以边界点为中心的8个邻域，记中心点为P1，其邻域的8个点顺时针绕中心点分别记P2，P3，P4，P5，P6，P7，P8，P9，其中P2在P1上方，首先标记同时满足下列条件的边界点：(1.1)2≤(P1)≤6；N(P1)是P1的非零邻点的个数；(1.2)S(P1)＝1；s(P1)是以P2，P3，
…
，P9，P2为序时，这些点的值从0
→
1变化的次数；(1.3)P2·
P4·
P6＝0；(1.4)P4·
P6·
P8＝0；其中，P代表像素黑白值1,0；其中N(P1)是P1非零邻点的个数，S(P1)是以P2，P3，
…
，P9为序时这些点的值从0到1变化的次数，当对所有边界点都检验完毕后，将所有标记了的点除去；(2)同第(1)步，仅将前面条件(1.3)改为条件(2.3)；条件(1.4)改为条件(2.4)；(2.3)P2·
P4·
P8＝0；(2.4)P2·
P6·
P8＝0；同样当对所有边界点都检验完毕后，将所有标记了的点除去；S12.去噪：绘制的剖面波谷有基线残影，通过图形图像算法去除；S13.种子点寻找：根据地质研究目标在地震剖面上波峰上同相轴拾取种子点，创建种子点库；S14.坐标变换：实际绘制的剖面和保存的图像像素点进行坐标变换；S15.基线输出：实际绘制的基线位置和变换后的图像像素点进行坐标变换后输出；S16.计算平均振幅：计算变换后的图像像素点波峰的平均振幅值。
4.根据权利要求2所述的一种基于图形图像处理的低序级断层自动识别方法，其特征在于：所述步骤二中的层位追踪方法，具体包括以下步骤：S21.根据地质研究目标在地震剖面上确定地震层位并拾取种子点，创建种子点库；S22.对种子点库中的种子点进行排序，将其组成一个种子点队列，形成层位片段；S23.从种子点队列中提取当前种子点；S24.在地震道相似性特征控制下，确定层位追踪目标点；S25.分别在目标点...

【专利技术属性】
技术研发人员：苏朝光，马玉歌，颜世磊，梁党卫，束青林，杨靖，陈先红，张健，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司物探研究院，
类型：发明
国别省市：