一种基于多尺度形态学的初至自动拾取方法与流程

本发明涉及油气勘探地震资料数字处理技术领域，更具体的是涉及基于多尺度形态学的初至自动拾取方法技术领域。

背景技术：

地震资料初至拾取的准确性直接影响静校正效果，也影响着后续资料的处理。目前有多种初至拾取方法，如相关法、能量比法、基于神经网络的方法、地表散射波超虚干涉法等。

这些方法各有特点并取得了较明显的效果，但是在资料信噪比较低、初至复杂的地区，拾取仍然存在一定问题。相关法利用地震道之间的相似性来进行初至拾取，这种方法在地震资料信噪比高、地形变化不大时能取得较好的结果；能量比法充分利用了初至与有效信号的能量特征，但是在初至较弱时，初至信号湮灭在噪声中，很难通过能量比求取特征值的正确位置；基于神经网络的方法计算效率低，算法复杂，且实用性不强；地表散射波超虚干涉法从理论上来说是一种初至增强技术并未实现初至的自动拾取。

地震资料初至拾取是静校正的基础，目前的初至自动拾取方法，对于高信噪比资料基本都能较好地拾取。但是在信噪比较低的地区，拾取精度较差，存在大量的错误拾取结果，需要处理人员手工修正这些错误。通常认为人工拾取的初至相对可靠，但是面对庞大的地震数据，手工拾取既浪费财力又浪费物力。计算机自动拾取初至具有较高的拾取速度，但是拾取的精度是亟需解决的问题。提出一种拾取精度高，能够自动剔除异常初至的计算机自动拾取方法是本领域技术人员的努力方向。

技术实现要素：

本发明的目的在于：为了解决现有计算机自动拾取初至具有较高的拾取速度，但是拾取的精度低、不能自动剔除异常初至的技术问题，本发明提供一种基于多尺度形态学的初至自动拾取方法，是一种能够在中低信噪比资料中有效识别正确初至信号的方法。

本发明为了实现上述目的具体采用以下技术方案：

一种基于多尺度形态学的初至自动拾取方法，包括如下步骤：

步骤1、使用能量比法获得初至初始特征值，其计算公式为：

si＝|(b/a)×(b-a)|(1)

其中，即，a为当前点以前同道的n个点振幅之和，b为当前点以后同道的n个点振幅之和，p为计算样点下标，si为第i个样点求取的边界特征值；

步骤2、对能量比法获得的特征值进行膨胀运算，其计算公式为：

其中，为原始地震资料的特征值矩阵，a为结构元素，该式子表示用结构元素a膨胀将结构元素a的原点平移到图像像元(x,y)位置，如果a在图像像元(x,y)处与的交集不为空(也就是a中为1的元素位置上对应的图像值至少有一个为1)，则输出图像对应的像元(x,y)赋值为1，否则赋值为0，其中，常用的结构元素为：

其中，a、b、c、d可取任意正整数，其大小由初至特征值分布特征而定，其他位置元素均为零；

步骤3、对膨胀后的特征值进行道连通计算，获得各连通区域的道连通数；

步骤4、剔除道连通较少的特征值；

步骤5、保留特征值映射到原始数据中，并局部寻找最优初至。

更优地，步骤1中，采用的能量比法中n为计算时窗，该参数越大，抗噪能力越强，但是初至识别精度降低；参数越小，初至识别精度高，但是抗噪能力差，实际应用中，该参数应根据实际初至特征进行选择，也可以经过实验获取。

更优地，进行膨胀运算之前，需要首先将特征值剖面进行二值化处理，将每道中最大特征值设置为1，小于0.5的特征值设置为零，大于0.5的特征值，设置为1。

更优地，步骤2中，膨胀结构元素a参数a、b、c、d的大小与期望保留的特征值有关，值越大，越多的特征值被连通，保留的特征值越多，噪音较重的时候，算子参数建议使用较小值；信噪比高的时候，算子参数采用较大值，地震剖面采用的a为5*5，即a＝b＝c＝d＝1；

更优地，步骤2中,为避免结构元素a的复杂性，在膨胀结构元素应用之前，首先要对特征值进行道方向向下复制的操作，即在当前特征值位置以下若干点都赋值为当前特征值，该操作保证了进行膨胀运算时，道方向的连通性。

更优地，步骤3中，进行的是道连通的计算，即经过连通后，需要判断的是，当前连通区域有多少道是连通的，所谓的连通较少的特征值进行剔除，是对连通道较少的区域对应特征值进行剔除。

更优地，步骤4中，经过连通处理后，对道连通较少的区域进行剔除后，使用剩余的膨胀结果与原始特征值进行点乘运算，可以剔除掉异常特征值。

更优地，步骤5中，剔除后的特征值，并不是最终的初至，需要将这些特征值位置映射到原始的地震剖面上，进行局部寻优，以确定最佳的初至。

所述局部寻优，是在当前特征值位置前后各5个点内寻找正振幅最大值对应位置，该位置对应了初至波峰。

更优地，所有初至拾取结束后，可以通过局部拟合插值后再补充部分缺失初至，对大范围连续缺失初至无法进行插值处理。

基本原理：

目前的初至自动拾取方法，对于高信噪比资料基本都能较好地拾取。但是在信噪比较低的地区，拾取精度较差，存在大量的错误拾取结果，需要处理人员手工修正这些错误。该专利所述方法利用地震初至连续性，通过多尺度形态学方法进行处理，最大可能地保证拾取结果的可靠性。

多尺度形态学是数字图像处理中一种有效的边界识别方法。地震记录初至拾取也可以看做是对记录初至边界的拾取。在手工拾取初至的过程中，处理人员往往是通过相邻道初至的位置特征来判断低信噪比地震道处的初至位置。计算机在进行自动识别的时候，由于初至并非都是连续性很好的边界，所以如果能够通过一定的算法，将不连续或者不准确的边界进行处理，使边界更连续，则会大大改善初至自动拾取的效果。据此，所述方法结合多尺度形态学方法，提出了符合地震资料特征多尺度形态学初至拾取方法。改进后的算法大大提高了中低信噪比地震资料自动拾取的精度。

本发明的有益效果如下：

基于多尺度形态学的初至自动拾取技术有着其他初至拾取方法不可比拟的优势，其具体优势和特点表现在以下几个方面：

(1)方法原理的可靠性。该方法在能量比法的基础上，利用地震初至连续分布的特点，对能量比方法处理后的特征值进行多尺度形态学处理，增强初至特征值的连续性，有效剔除初至异常值，保证了后续拟合插值技术效果的可靠性。

(2)技术的可靠性。方法不仅可以避免由于随机噪声造成的拾取失误，对于线性的折射波干扰也能较好的剔除，理论和实际数据应用效果可靠。

(3)操作简单易实现。多尺度形态学方法主要进行膨胀和腐蚀运算，算法复杂度低。

附图说明

图1是本发明的流程图；

图2是基于区域生长法的连通标记算法的框架图；

图3是本发明的详细技术操作简图，其中，(a)是原始数据图；(b)是能量比法拾取的单道特征值图，圈内的特征值位置明显低于正确特征值；(c)是二值处理后的初至特征值图；(d)是膨胀处理后的数据图；(e)是对(d)连通处理后的数据图；(f)是图(b)连通滤波后的二值数据图；(g)是初至特征值拟合删除后的数据；(h)是图(g)映射后局部寻优并初至插值后的结果；

图4是典型模型数据在不同噪声下拾取的初至结果图，其中，(a)是具有复杂几何体的地震速度模型图(炮点由顶部的箭头标记)；(b)是模型正演结果图；(c)是该技术拾取的初至图；(d)是信噪比中等时的数据拾取的结果图；(e)是继续添加随机噪声后以同样的方式拾取的结果图(信噪比较低)；

图5是利用实际数据比较自动初至拾取对静校正结果的影响图，其中，(a)是使用商用软件通过能量比法获得的结果图；(b)是用互相关法得到的结果图；(c)是使用本文提出的方法得到的结果图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

实施例1

基于多尺度形态学的初至自动拾取方法，包括如下步骤：

步骤1、使用能量比法获得初至初始特征值，其计算公式为：

si＝|(b/a)×(b-a)|(4)

其中，即，a为当前点以前同道的n个点振幅之和，b为当前点以后同道的n个点振幅之和，p为计算样点下标，si为第i个样点求取的边界特征值；

步骤2、对能量比法获得的特征值进行膨胀运算，其计算公式为：

其中，为原始地震资料的特征值矩阵，a为结构元素，该式子表示用结构元素a膨胀将结构元素a的原点平移到图像像元(x,y)位置，如果a在图像像元(x,y)处与的交集不为空(也就是a中为1的元素位置上对应的图像值至少有一个为1)，则输出图像对应的像元(x,y)赋值为1，否则赋值为0，其中，常用的结构元素为：

其中，a、b、c、d可取任意正整数，其大小由初至特征值分布特征而定，其他位置元素均为零；

步骤3、对膨胀后的特征值进行道连通计算，获得各连通区域的道连通数；

步骤4、剔除道连通较少的特征值；

步骤5、保留特征值映射到原始数据中，并局部寻找最优初至。

更优地，步骤1中，采用的能量比法中n为计算时窗，该参数越大，抗噪能力越强，但是初至识别精度降低；参数越小，初至识别精度高，但是抗噪能力差，实际应用中，该参数应根据实际初至特征进行选择，也可以经过实验获取。

更优地，进行膨胀运算之前，需要首先将特征值剖面进行二值化处理，将每道中最大特征值设置为1，小于0.5的特征值设置为零，大于0.5的特征值，设置为1。

更优地，步骤2中，膨胀结构元素a参数a、b、c、d的大小与期望保留的特征值有关，值越大，越多的特征值被连通，保留的特征值越多，噪音较重的时候，算子参数建议使用较小值；信噪比高的时候，算子参数采用较大值，地震剖面采用的a为5*5，即a＝b＝c＝d＝1；

更优地，步骤2中,为避免结构元素a的复杂性，在膨胀结构元素应用之前，首先要对特征值进行道方向向下复制的操作，即在当前特征值位置以下若干点都赋值为当前特征值，该操作保证了进行膨胀运算时，道方向的连通性。

更优地，步骤3中，进行的是道连通的计算，即经过连通后，需要判断的是，当前连通区域有多少道是连通的，所谓的连通较少的特征值进行剔除，是对连通道较少的区域对应特征值进行剔除。

更优地，步骤4中，经过连通处理后，对道连通较少的区域进行剔除后，使用剩余的膨胀结果与原始特征值进行点乘运算，可以剔除掉异常特征值。

更优地，步骤5中，剔除后的特征值，并不是最终的初至，需要将这些特征值位置映射到原始的地震剖面上，进行局部寻优，以确定最佳的初至。

所述局部寻优，是在当前特征值位置前后各5个点内寻找正振幅最大值对应位置，该位置对应了初至波峰。

更优地，所有初至拾取结束后，可以通过局部拟合插值后再补充部分缺失初至，对大范围连续缺失初至无法进行插值处理。

实施例2

为了说明基于视觉连通算法的初至自动拾取技术处理流程，本发明的详细技术操作简图如图3所示。图3(a)为原始数据，图3(b)为能量比法拾取的单道特征值，圈内的特征值位置明显低于正确特征值，图3(c)为二值处理后的初至特征值，图3(d)膨胀处理后的数据，图3(e)为对图3(d)连通处理后的数据，图3(f)为图3(b)和图3(e)点乘后的数据；图3(g)为初至特征值拟合删除后的数据,图3(h)为图3(g)映射后局部寻优并初至插值后的结果。

实施例3

本实施例是在实施例1的基础上做了进一步优化，具体是：

为了进一步验证基于多尺度形态学的初至自动拾取技术的抗噪能力，采用了图4(a)所示模型进行正演结果如图4(b)所示，使用这个资料作为输入进行初至拾取，结果如图4(c)所示。对图4(b)添加相干噪声和随机噪声，拾取结果如图4(d)所示，可以看到该技术拾取的结果较为理想，和人工拾取结果差别不大，具有一定的抗噪能力。对图4(d)继续添加随机噪声后，进行拾取自动初至，拾取结果如图4(e)所示，可以看到在信噪比较低的情况下，方法仍然能够获得较为理想的拾取结果，随机噪声对拾取结果的影响很小(图4(e))。相干噪声对拾取结果有明显的影响(图4(d)和图4(e))。

实施例4

为了进一步说明方法的处理效果，下面以****地区实际资料处理过程为例，使用拾取的初至进行层析静校正计算，比较不同初至拾取方法对静校正结果的影响。

图5展示了采用不同方法拾取初至对静校正结果的影响。利用层析静校正技术计算静校正量，经过数据处理后，得到了图5中的结果。图中本专利方法(图5(c))与能量比方法(图5(a))和互相关方法(图5(b))拾取的初至计算静校正应用效果中，明显差异的部分被方框标出。可以看出采用本专利技术处理后的成像效果最好。