[发明专利]基于梯度共生矩阵的叠前地震纹理分析方法

说明书

本发明公开了一种基于梯度共生矩阵的叠前地震纹理分析方法，包括以下步骤：S1、从叠前地震数据D中获取待分析的4维数据V；S2、定义梯度计算方向定义4维子数据集S∈V；S3、以V中T个样点组成的线(：，i，j，k)为中心建立大小为T×N_I×N_C×N_o的4维子数据集S，依次计算S中每一点的梯度，得到梯度矩阵M；S4、基于梯度矩阵构建梯度共生矩阵G，基于梯度共生矩阵G计算纹理特征属性。本发明在灰度共生矩阵的基础上，加入梯度信息，从梯度共生矩阵中提取一些统计量反映纹理特征，这一纹理分析方法在提高信号分辨率的同时，降低了噪声影响。

技术领域

本发明属于地震分析技术领域，特别涉及一种基于梯度共生矩阵的叠前地震纹理分析方法。

背景技术

经过多年的发展，勘探地震学已经成为探测地下地质结构、发掘不同地区石油天然气和页岩气等地下资源的一门学科。首先，基于地震波在不同的介质表面表现的反射、折射和衍射等特性，陆地采用放炮或者可控震源的方法激发地震波。由于不同的地质结构对地震波的反射、折射和衍射等作用的程度不一样，并且激发地震波的损失有差异，这使得最终返回到地面部分的地震波不一样。因此，返回的地震波携带有地下地质结构的信息，相关工作人员对返回的地震波进行收集，得到能够反映地下信息的地震数据，并用于后续的岩性、地层结构、沉积环境等方面的分析。

通常地震数据包括叠前地震数据和叠后地震数据。与叠后地震数据相比，叠前地震数据携带更加丰富的地层信息和沉积信息，但这些特征通常非常细微，采用叠后地震数据的处理方法很难从叠前地震数据中提取出这些特征。另外，叠前地震数据信噪比相比叠后地震数据较低，但随着地震数据采集和处理技术的提高，叠前地震数据的信噪比得到一定程度的提高，这为直接从叠前地震数据提取有用信息奠定了基础。

地震属性分析是一种常见而有效的地震解译工具，即基于识别结构和沉积特征，在空间上定性或定量表征储层。计算地震属性的方法有很多种，其中纹理属性是区分填充道、地层异质性等非常有前景的方法，它是反映图像中同质现象的视觉特征，体现了地下地层和沉积具有缓慢变化或者周期性变化的地层和沉积结构组织排列属性。在可用于纹理分析的许多方法中，使用灰度共生矩阵进行统计纹理分析非常普遍。灰度共生矩阵表示在定义的区域中具有给定空间关系的像素的灰度级出现的联合概率，然后使用灰度共生矩阵生成统计测量属性，用于表征感兴趣的地质特征，这一方法被广泛用于地震勘探分析、储层参数预测、断层识别、各向异性检测和三维地震可视化，但其多用于处理叠后地震。在处理叠前地震数据时，该方法不能很好地处理数据噪声的影响，且对于数据中细微的特征不能很好的反映。本发明主要的技术方案就是在灰度共生矩阵中加入梯度信息用于处理叠前地震，在提高分辨率的同时降低噪声的影响，从而获得基于叠前地震数据的叠前地震纹理属性集，用于挖掘叠前地震数据中包含的丰富地层信息和沉积信息。

叠前地震数据相比叠后地震数据拥有多个方位角或偏移距信息，但不同方位角或偏移距间信息差异性较小；同时，与叠后地震数据相比，叠前地震数据信噪比会更低。所以在处理叠前地震数据时，不仅需要提高分辨率，识别细小地质特征，而且需要降低噪声干扰，提高准确度。目前使用灰度共生矩阵来描述地震数据纹理特征较为普遍，但多用于处理叠后地震。对于叠前地震数据而言，使用灰度共生矩阵描述纹理特征不能很好地提高分辨率和降低噪声影响。

发明内容

本发明的目的在于克服现有技术的不足，提供一种在灰度共生矩阵的基础上，加入梯度信息，构建梯度共生矩阵，并从梯度共生矩阵中提取一些统计量反映纹理特征，在提高信号分辨率的同时，降低了噪声影响的基于梯度共生矩阵的叠前地震纹理分析方法。

本发明的目的是通过以下技术方案来实现的：基于梯度共生矩阵的叠前地震纹理分析方法，将梯度信息加入灰度共生矩阵，构建梯度共生矩阵进行纹理分析；具体包括以下步骤：

S1、基于地层倾角约束从叠前地震数据D中获取待分析的4维数据V，V的大小为T×I×C×O；