生物礁储层的几何形态识别方法
【专利摘要】本发明公开的一种识别生物礁储层几何形态的方法包括以下步骤：S1：对原始地震剖面数据进行预处理，包括根据地震剖面大小选取滑动窗口和滑动窗口的移动步长；S2：采用基于灰度共生矩阵导出的纹理属性特征提取法或基于傅里叶频谱特征的特征提取法对S1中预处理后的地震剖面数据进行特征提取；S3：采用基于距离的K-means聚类方法对S2所提取的特征进行生物礁储层和非生物礁储层的聚类；S4：对聚类后的生物礁储层和非生物礁储层贴以不同颜色的聚类标签以显示在地震剖面上。该生物礁储层的几何形态识别方法利用信号处理的方法处理地震数据，并引入模式识别技术识别生物礁储层，有效提高了生物礁储层的识别率；特别适用于大规模数据的处理。
【专利说明】生物礁储层的几何形态识别方法
【技术领域】
[0001]本发明属于地质图像处理【技术领域】，具体涉及一种生物礁储层的几何形态识别方法。
【背景技术】
[0002]在漫长的地质历史中，从太古代的微生物藻礁到现代的珊瑚和珊瑚藻礁，可以说生物礁是地球上最早的生命作用的产物。生物礁常形成隆凸的构造，再加上原生和成岩后生作用产生的孔隙度和渗透率，有利于石油天然气聚集，并且在被其它沉积盖层覆盖之后常形成良好的储油构造，因此生物礁的研究具有非常重要的意义。
[0003]近年来在地震勘探方面针对生物礁储层的研究方法层出不穷，其研究主要集中在如下方面:(1)储层地震响应特征的数值模拟；(2)古地貌分析，如地层厚度、层拉平等；
[3]基于地震波形分类的地震相分析；(4)地震属性分析；(5)叠后地震反演分析；(6)时频分析方法；(7)地震波吸收衰减分析；(8)基于Gassman方程、岩石物理模型的流体替换分析；O)叠前弹性参数反演；(10)流体识别因子分析等。但生物礁储层的钻井成功率依然很低，这是因为其地球物理预测难度十分大:
[0004](I)由于在形成的过程中会受到地质、沉积、气候等诸多因素的影响，能够成形生物礁储层的空间区域很苛刻；
[0005](2)生物礁储层空间分布很不规则；
[0006](3)生物礁储层埋藏的深度大，在获得的地震资料上的分辨率和信噪比较低；
[0007](4)生物礁的类型多，内部结构复杂，地球物理响应特征变化大。
[0008]因此，现有的侧重于地层地质方面的研究并不能很好的识别生物礁储层。
【发明内容】
[0009]本发明的目的在于克服现有技术中的上述问题，提供一种基于纹理属性、傅里叶频谱特征分析及混沌纹理属性等原理的一种识别生物礁储层几何形态的方法。
[0010]为解决上述技术问题，本发明采用以下技术方案:
[0011]一种生物礁储层的几何形态识别方法，其特征在于:包括以下步骤:
[0012]S1:对原始地震剖面数据进行预处理，包括根据地震剖面大小选取滑动窗口和滑动窗口的移动步长；
[0013]S2:对SI中预处理后的地震剖面数据进行特征提取；
[0014]S3:对S2所提取的特征进行生物礁储层和非生物礁储层的聚类；
[0015]S4:对聚类后的生物礁储层和非生物礁储层贴以不同颜色的聚类标签以显示在地震剖面上。
[0016]进一步地，S2中采用基于灰度共生矩阵导出的纹理属性特征提取法进行特征提取。
[0017]进一步地，所述基于灰度共生矩阵导出的纹理属性的特征提取法中作为提取特征的为灰度级为16、元素为两个间距d为I的像素的联合概率密度的灰度共生矩阵的0°、45°、90°、135°四个方向导出的四组特征参数的均值。
[0018]进一步地，所述特征参数包括:角二阶矩(ASM)、对比度、相关、熵、逆差距和均一
性度量。
[0019]进一步地，所述SI中对原始地震剖面数据进行预处理前先提取原始地震剖面数据的混沌纹理属性。
[0020]进一步地，S2中采用基于傅里叶频谱特征的特征提取法进行特征提取。
[0021]进一步地，所述基于傅里叶频谱特征的特征提取法包括以下步骤:
[0022]S21:将SI中预处理后的地震剖面图像的傅里叶功率谱分成若干个等间距同心矩形环，将若干个标记为M个；设图像f(x，y)的大小为LXW，将图像置于笛卡尔坐标系中，使图像中心的坐标为(L/2，W/2)，其中，L表示图像的长度，W表示图像的宽度，则图像的离散傅里叶变换为:
【权利要求】
1.一种生物礁储层的几何形态识别方法，其特征在于:包括以下步骤: S1:对原始地震剖面数据进行预处理，包括根据地震剖面大小选取滑动窗口和滑动窗口的移动步长； 52:对SI中预处理后的地震剖面数据进行特征提取； 53:对S2所提取的特征进行生物礁储层和非生物礁储层的聚类； S4:对聚类后的生物礁储层和非生物礁储层贴以不同颜色的聚类标签以显示在地震剖面上。
2.根据权利要求1所述的生物礁储层的几何形态识别方法，其特征在于:S2中采用基于灰度共生矩阵导出的纹理属性特征提取法进行特征提取。
3.根据权利要求2所述的生物礁储层的几何形态识别方法，其特征在于:所述基于灰度共生矩阵导出的纹理属性的特征提取法中作为提取特征的为灰度级为16、元素为两个间距d为I的像素的联合概率密度的灰度共生矩阵的O、° 45、° 90、° 135°四个方向导出的四组特征参数的均值。
4.根据权利要求2或3所述的生物礁储层的几何形态识别方法，其特征在于:所述特征参数包括:角二阶矩(ASM)、对比度、相关、熵、逆差距和均一性度量。
5.根据权利要求2所述的生物礁储层的几何形态识别方法，其特征在于:所述SI中对原始地震剖面数据进行预处理前先提取原始地震剖面数据的混沌纹理属性。
6.根据权利要求1所述的生物礁储层的几何形态识别方法，其特征在于:S2中采用基于傅里叶频谱特征的特征提取法 进行特征提取。
7.根据权利要求6所述的生物礁储层的几何形态识别方法，其特征在于:所述基于傅里叶频谱特征的特征提取法包括以下步骤: 521JfSl中预处理后的地震剖面图像的傅里叶功率谱分成若干个等间距同心矩形环，将若干个标记为M个；设图像f(x，y)的大小为LXW，将图像置于笛卡尔坐标系中，使图像中心的坐标为(L/2，W/2)，其中，L表示图像的长度，W表示图像的宽度，则图像的离散傅里叶变换为:F(M,v) = ZE/.(.\'.v’)exp[-./.2;ζ.(Τ+ ^)]=/?(",v) + j7(m,v)(I)
Λ: V^OL W 其中，u = O,..., L-l, V = O,..., W-1 ；x,y是图像的横、纵坐标轴；F(u, v)是频域图像谱，通常F (u，v)是两个实频率变量u和V的复值函数，频率u是对应于X轴，频率V是对应于y轴；R(u, V)是F(u, V)的实部，I (u, V)是F (u, V)的虚部； 点(U，V)的能量谱为:
P (U，V) = R2 (U，V)+I2 (U，V)(2) 522:求出每个矩形环功率谱的能量； 每个矩形环功率谱的能量为: Ei = Σ P (u, V)(3) 其求和范围为:L/2M*i ( u-L/2 < L/2M*(i+l)，
W/2M*i ( I v-ff/2 I < W/2M* (i+1)，i = 0，1，2，3M...-1 ； 523:求每个矩形环功率谱能量占所有矩形环功率谱总能量的百分比； 百分比的计算公式如式(4)所示:./Λ,:￡,/Π)("，ν’)、4 将所求得百分比Aii作为提取特征进行特征提取。
8.根据权利要求1所述的生物礁储层的几何形态识别方法，其特征在于:所述滑动窗口的移动步长为滑动窗口边长的2/3。
9.根据权利要求1所述的生物礁储层的几何形态识别方法，其特征在于:步骤S3采用基于距离的K-means聚类方法对 S2所提取的特征进行生物礁储层和非生物礁储层的聚类。
【文档编号】G06K9/46GK103488971SQ201310401804
【公开日】2014年1月1日 申请日期:2013年9月6日 优先权日:2013年9月6日
【发明者】钱峰, 罗畅, 胡光岷 申请人:电子科技大学