地震解释中的图像增强若干理论与应用研究

Techniques of seismic image enhancement aim at improving the interpretability or perception of information in images for human viewers, eliminating or attenuating unneeded information, or providing better input for other automated image processing techniques. The design of enhancement methods closely relates to the aim of applications. It's purpose is to increase the dynamic range of the selected features to make it easy to be detected..Like the human voice and fingerprints to reflect the characteristics of each one, seismic texture can reflect the geological, seismic structural characteristics has important research value.The enhance methods focus on the seismic image. First starting from the visual model, as the structure and the oscillation part of the seismic image information, which the structure in part for the seismic response characteristics in the geometry of the more clear smooth area, usually low-frequency signal; oscillation part by a small seismic texture signal and noise are, corresponding to the high-frequency signal and high frequency random noise. The subject is the image quality improvement algorithms that based on PDE and variation method enhances the structure zone and the oscillation zone, in order to achieve high visual resolution, and to facilitate subsequent processing and analysis. It is seismic image quality assessment method which based on the seismic texture features and structure similarity factor.

地震图像增强是指按特定的需要采用特定方法突出图像中的某些信息，同时削弱或去除无关信息，或将原图转换成一种更适合人或机器处理的形式的图像处理方法，其设计与其应用的目的密切相关，其宗旨是在不增加数据的内在信息含量的基础上，增加所选择特征的动态范围，以使其容易被检测到。.就象人的声音和指纹能反映各人的特征一样，地震纹理信号可反映地质、地震结构特征，具有重要研究价值。本课题研究的增强方法主要针对地震纹理信号。首先根据视觉分解模型，把地震图像信息视为结构和振荡区域，其中结构区域为几何形状较为明确的平滑区域，通常为低频信号；振荡区域则由微弱地震纹理信号和噪音所组成，分别对应高频信号以及高频随机噪音。课题的目标是采用基于偏微分方程及变分理论的图像质量改善算法分别对结构和振荡部分进行加强，以期达到较高的视觉分辨率。并在此模型的基础上提出以地震纹理特征、结构相似度因子为指标的地震图像质量评价方案。

地震图像增强是指按特定的需要采用特定方法突出图像中的某些信息，同时削弱或去除无关信息，或将原图转换成一种更适合人或机器处理的形式的图像处理方法，其设计与其应用的目的密切相关，其宗旨是在不增加数据的内在信息含量的基础上，增加所选择特征的动态范围，以使其容易被检测到。就象人的声音和指纹能反映各人的特征一样，地震纹理信号可反映地质、地震结构特征，具有重要研究价值。.本报告介绍了地震图像增强的基本原理，重点研究的针对地震纹理信号的增强方法，并提出地震图像质量评价方法。首先利用人工视觉模型方程，推导了基于图像内容信息表达的地震数据分解TV-L1模型，把地震图像分为结构和纹理区域，其中结构区域为几何形状较为明确的平滑区域，通常对应低频信号；纹理区域则由微弱地震纹理信号和噪音所组成，分别对应高频纹理信号以及高频随机噪音。同时课题利用偏微分方程图像增强理论，推导出新的构造倾向滤波算法（SOF），分别对结构和纹理部分进行加强，以期达到较高的视觉分辨率。对地震图像增强进行模型试算证明了算法的正确性。从实际资料处理的结果上来看该模型的地震图像增强方法不仅起到近似于起到拓频的作用，同时间接的提高了地震图像空间分辨率，突出了地质构造的地震响应特征，利于地震资料解释人员的研究工作。课题结合学校与澳大利亚联邦科学与工业研究组织（CSRIO）合作协议，把该地震信号增强方法应用于地下工程微地震安全监测中，极大的提高了信号识别、分类以及震源定位的精度。.课题提出的视觉结构相似度全参考地震图像质量评价方法，与信噪比计算方法相比该方法计算简单，只要通过对工区设置计算时窗大小与调节参数即可进行评价。数值模拟证明了该算法的正确性，并且对含噪声数据能够实现较好的评价效果；实际资料评价分析的结果证明了该算法的可靠性和稳定性。.通过对复杂条件下地震图像分解模型、增强方法与质量评价算法进行研究，最终形成了一套复杂条件下地震图像增强与评价模块。