基于圖像處理技術的裂縫預測應用研究

楊瑞齊， 熊曉軍*， 游來勝， 李良泉， 侯秋平

(1.成都理工大學 地球探測與信息技術教育部重點實驗室，成都 610059；2.中國石油川慶鉆探工程有限公司 地球物理勘探公司，成都 610213)

?

基于圖像處理技術的裂縫預測應用研究

楊瑞齊1， 熊曉軍1*， 游來勝2， 李良泉1， 侯秋平1

(1.成都理工大學 地球探測與信息技術教育部重點實驗室，成都 610059；2.中國石油川慶鉆探工程有限公司 地球物理勘探公司，成都 610213)

渤海某區的潛山為碳酸鹽巖地層，儲層非均質性較強，該潛山埋藏深，儲集空間以裂縫、孔洞為主，地質情況復雜且鉆井較少，常規相干技術或曲率屬性分析技術可以很好地檢測大尺度的裂縫發育帶，但是對裂縫的精細刻畫卻無法做到。為此，作者基于圖像處理技術，結合地震屬性處理技術，針對研究區復雜的潛山裂縫進行了精細識別與刻畫，為儲層預測提供了依據。

邊緣檢測； 擴散濾波； 裂縫檢測； 構造不連續

0 引言

裂縫預測是裂縫性儲層油氣開發中非常重要的環節，長期以來，前人提出并應用了很多的描述方法。裂縫的識別和檢測以地震方法為主，而地震資料中的裂縫檢測與圖像處理技術的邊緣檢測本質上相似，圖像的邊緣通常是指圖像灰度變化率最大的像素點綜合[1]，而在地震數據中表現為數據的不連續特征，如斷層或小斷裂、河道砂邊界、透鏡體邊緣、礁體以及特殊巖性體的輪廓等[2]。因此可以用邊緣檢測技術來進行裂縫的檢測。

邊緣檢測技術在地震資料處理中的應用已有十幾年的歷史，很多學者對該技術的實際應用做了大量研究，Y.Luo[3]利用三維地震數據體進行邊緣檢測的研究；賀振華[4]以坎尼最佳邊緣檢測準則和小波變換的多分辨率分析為理論基礎，對地層尖滅、透鏡體、巖性變化和孔洞、裂縫發育帶成功地進行了識別；黃捍東[5]基于IFS圖像邊緣檢測理論，提出了地震分形邊緣檢測的思路和計算方法；孫夕平[2]利用圖像處理中邊緣檢測理論研究了地震資料中的古河道和小斷裂的成像；李紅星[6]利用圖像邊緣檢測技術進行地震剖面同相軸的自動檢測研究；徐輝群[7]將邊緣檢測技術應用到了砂體邊界識別中，唐世偉[8]對地震解釋中的圖像處理方法與技術進行了深刻的研究；孫永壯[9]對異常地質體的地震邊緣檢測技術進行了研究；熊曉軍[10]發現了一種基于時間域廣義Hilbert變換的三維地震資料快速邊緣檢測方法。

為此，作者在總結前人經驗的基礎上，結合實際研究區的地質概況，基于圖像的處理技術，利用地震邊緣檢測技術，對研究區的裂縫進行精細的刻畫和描述，對研究區實際應用效果進行分析，為后續儲層預測工作提供指導。

1 方法原理

地震圖像中的邊緣是非常有意義的特征，如裂縫、縫洞、斷層、小斷裂、河道砂邊界以及其他特殊巖性體的輪廓都表現為邊緣特征。因此，可以利用某些邊緣檢測理論及其相應的檢測方法來實現地質異常體的檢測。基于圖像處理的裂縫預測技術，其基礎就是利用圖像邊緣檢測技術[11]，其主要技術流程是：①對原始的地震資料進行保邊去噪；②對去噪后數據進行構造不連續屬性(SOD屬性)提取；③再對該屬性進行增強處理；④利用邊緣檢測技術，進行裂縫的檢測(圖1)。并將該屬性應用到研究區實際資料中，對復雜的潛山碳酸鹽巖裂縫進行了精細識別與刻畫，對下一步裂縫油氣藏勘探提供有利的證據。

圖1 裂縫檢測流程示意圖Fig.1 Schematic diagram of the crack detection process

1.1 地震資料的保邊去噪處理

地震圖像邊緣的檢測受到噪音影響很大，去噪的效果直接影響到裂縫檢測的質量。需要對原始地震數據進行過濾去噪處理，以提高地震數據的圖像清晰度，同時提高資料的信噪比。目前主要濾波的方法有均值濾波、中值濾波、多窗口保邊濾波、構造導向濾波、擴散濾波等，但由于單一的去噪方法不能同時去除不同類型的噪音，且圖像邊緣輪廓含有大量的高頻信息，大多數單一濾波器的設計不能很好地保留邊界信息而變得模糊。因此，需要通過各類方法組合去噪，保證更好的去噪效果。

首先，基于傾角控制的進行構造導向濾波去噪。它是通過獲取地震圖像的結構信息(傾角方位角或邊界)，設計濾波器使得圖像的紋理方向得到一致性增強，壓制噪聲，同時保持邊界信息。該方法首先用復數道信息估算出傾向，并利用傾向信息對地震圖像的不連續性進行檢測，進而求取出傾向擴散因子和構造張量，最后用各向異性擴散算法對地震剖面進行平滑。該方法能有效地去除諧噪音、規則噪聲，增強反射同相軸的連續性。

利用自適應各向異性擴散濾波對其進行再次處理，擴散濾波是一種保邊去噪濾波器，通過利用結構張量的特征向量控制擴散方向，同時利用結構張量的特征值控制特征方向上的擴散量，實現對原始地震圖像的平滑處理，增強具有一致性的同相軸及其所反映的重要地質結構，同時實現地震圖像邊緣信息的保護。處理中在地震資料局部結構特征分析的基礎上，進行擴散參數的調整，從而實現邊界信息完整性地保持和噪音最大限度地消除。擴散濾波對微小的、不連續的噪音很敏感，非常適合去除隨機噪聲，同時保留微小構造細節。然而，它也會將規則噪聲視為有效信號。因此，需利用構造導向濾波去掉規則噪聲的影響，再去除隨機噪音。

1.2 裂縫屬性的提取及增強處理

基于地震圖像處理的裂縫預測技術，是將地震數據體劃分為像素體元，結合構造向量屬性及濾波手段進行分析，通過邊緣檢測算法檢測斷層和裂縫。因此，需要對去噪處理后的數據進行像素屬性處理，生成屬性體。

常見的邊緣檢測屬性有：①構造相似性；②局部構造張量；③構造不連續性(SOD屬性)。這里選用的是構造不連續性屬性，該屬性是基于構造導向對各單元的傾角和傾向的橫向連續性及變化量進行統計分析，首先根據梯度結構張量算法，得到局部地層結構傾角和方位角信息，然后進行結構導向方差的求取，得到相關矩陣，再據局部結構熵算法[13]對去噪后地震數據體，求取每一點的熵值，熵值的大小就表示不連續性的強弱，即可得到構造不連續屬性，相對前兩種屬性，其計算速度是較慢的，但該屬性不僅可以描述大的斷裂結構，而且能夠較清晰地顯示微小的不連續結構，其效果優于前兩種屬性，因此，此次選用構造不連續屬性。

經過濾波處理后，斷層分辨率和清晰度明顯提高了，但一些斷層表現出急劇尖銳的不連續性(微小斷裂或低角度反射)，因此，為了提高斷裂的連續性，必須對其進行增強[14]。增強過程通過設定X、Y、Z三個方向上的增強倍數并強調斷層形態尖銳度來實現。小步長增強倍數適合突出小尺度，大步長增強倍數適合突出大尺度斷裂。所以對不連續性屬性需要選取不同方向合適倍數增強處理，使微小斷裂等得以反映出來，同時也使得裂縫更加連續，尤其是大斷裂會更加明顯，既突出局部有顯著變化的點，也提高了裂縫的連續性，進一步提升邊緣檢測裂縫的精度。

1.3 基于圖像處理的裂縫檢測技術

圖像邊緣檢測原理是基于圖像中兩個不同灰度值區域之間存在邊緣，利用邊緣檢測算法將其提取出來。基于圖像處理的裂縫檢測技術也是利用邊緣檢測算法檢測斷層和裂縫。目前，常用的檢測算子有Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、Laplace算子、Log算子、Canny算子等[12]。

經過比較各算子之間的效果，此次選用Laplace算子，其優點是具有旋轉不變性，經該算子處理的圖像，有較清晰且連續的邊緣[15]，其基本原理是以二階微分為基礎，通過計算二階導數過零點來檢測圖像邊緣，依次將模板與圖像中的像素點卷積完成。

經過裂縫屬性的增強處理后，斷層裂縫信息特征被突出，利用邊緣檢測算子，在屬性圖識別出斷層脊線，然后將其提取出形成斷層面。

2 實例應用

研究區位于渤海某區的潛山地區，該潛山為碳酸鹽巖地層，儲集空間以裂縫空洞為主，非均質性較強，且潛山埋藏深，地質、地震資料情況復雜，且鉆井較少(B1，B2)，圖2為該潛山的頂面構造，圖2中白色空白區域為主要大斷裂，由實際地震資料和測井資料分析知，在研究區潛山儲層發育層段，地震波的橫向連續性、振幅能量及頻率等都會發生特征變化，基于上述技術流程，將其應用于研究區域，據此對研究區潛山頂面層段的裂縫分布進行預測。

1)在三維數據體中提取傾角、方位角，利用構造導向濾波和擴散濾波去除隨機噪聲和結構噪聲，從圖3可以看出，相對于去噪前，去噪后的地震同相軸更加清晰，顯示的地層圖像得到增強，在紅色框中，可以明顯看到，去噪前后地層之間的差異。

2)對去噪后的地震數據進行不連續特征屬性的提取(圖4)，從圖4可以看出，在黑色比較密集的地方，其值較大，代表該區域不連續性較強，其裂縫也較為發育，再對該屬性進行增強處理(圖5)，從圖5可以看到，主要大斷裂的分布非常清晰明顯，呈現條帶分布，與圖2及圖7所顯示的斷裂分布大致符合。

圖2 研究區潛山頂面的構造圖Fig.2 Tectonic map of the top surface of buried hill in the study area

3)利用邊緣檢測技術對研究區進行裂縫的檢測，得到目的層內的裂縫分布情況(圖6)，圖6中黑色實線為檢測出的裂縫，可見，基于邊緣檢測技術，對裂縫進行刻畫得相當精細，且在主要大斷裂帶附近(圖6中紅色框中)，受斷層影響，此處裂縫非常發育且連續，符合構造規律。再將其與地震相干屬性檢測裂縫的結果進行對比分析(圖7)，由圖7可知，地震相干技術也能較好的檢測主要的斷裂帶，但是對于微小裂縫刻畫較為模糊，且不容易分辨識別出來，而基于邊緣檢測技術，對裂縫進行檢測，克服該缺點，對裂縫刻畫的足夠得精細。為了進一步驗證檢測出的裂縫可靠性和有效性，對實鉆井B2在地震剖面(圖8(a))上進行分析，從圖8紅色框中可以

圖3 inline865組合去噪前后地震剖面的對比Fig.3 Comparison of seismic profiles before and after noise canceled(inline 865)(a)原始地震剖面；(b)組合去噪后的地震剖面；(c)去除的噪聲

圖4 目的層SOD屬性平面圖Fig.4 Floor plan of the SOD attribute of the destination layer

圖5 對SOD屬性增強后的結果Fig.5 The results of the SOD attribute after enhancement

圖6 目的層基于邊緣檢測裂縫分布圖Fig.6 Edge detection results of enhanced SOD attributes

圖7 目的層本征值相干屬性圖Fig.7 Target layer intrinsic value coherence attribute graph

圖8 過B2井inline1250剖面上裂縫檢測結果Fig.8 Fracture test result of inline1250 in the B2 well(a)原始地震剖面;(b)裂縫檢測效果剖面)

明顯看出，波形發生明顯的錯段，且該處表現為弱振幅，而利用邊緣檢測到該處存在裂縫(圖8(b))且從圖8(b)也看出，在井周圍檢測的裂縫相當發育，經實際鉆井巖性和測試結論標定，及地質資料分析知，該井周圍有裂縫發育，檢測到裂縫與其分析結果較為符合。

3 結論

1)基于圖像的處理技術，利用地震邊緣檢測技術，提出了一套對裂縫進行精細刻畫的技術流程。該流程能夠快速直觀地了解地下裂縫展布特征，為裂縫預測提供新的思路。

2)通過構造導向濾波和擴散濾波組合去噪，不僅去除了噪音的影響，提高資料的信噪比，同時保留了邊界的特征，使得地震數據的圖像更加清晰。

3)對去噪后的地震資料進行SOD屬性提取和增強，突出局部有顯著變化的特征，提高了裂縫的連續性。

4)利用邊緣檢測技術對增強屬性進行檢測，實現了對裂縫的精細刻畫和描述，且結合鉆井資料，驗證其檢測結果的有效性。后續也可結合其他地震屬性，來對裂縫儲層進行綜合預測。

[1] 劉紫燕，祁佳.實時圖像邊緣檢測形態學優化設計及FPGA實現[J].計算機技術與應用，2013，39(9):132-138.

LIU Z Y，QI J. Real-time morphological optimization design and the FPGA implementation of image edge detection [J]. Computer technology and application, 2013, 33 (9) :132-138.(In Chinese)

[2] 孫夕平，杜世通.邊緣檢測技術在河道和儲層小斷裂成像中的應用[J].石油物探，2003，42(4):469-472.

SUN X P, DU S T. Edge detection technology application in the small river channel and reservoir fracture imaging [J]. Journal of petroleum exploration, 2003, 2003 (4) : 469-472. (In Chinese)

[3] Y.LUO，傅文敏. 利用三維地震資料進行邊緣檢測和地層分析[J]. 國外地質勘探技術, 1997(4):7-10.

Y.LUO, FU W M. Edge detection using 3D seismic data and the analysis of formation [J]. Foreign geological exploration technology, 1997(4):7-10.

[4] 賀振華，黃捍東，胡光岷，等.地下介質橫向變化的地震多尺度邊緣檢測技術[J].物探化探計算技術，1999，21(4)：289-294.

HE Z H,HUANG H D, HU G M，et al. The underground medium lateral changes of seismic multi-scale edge detection technology[J]. Geophysical computing technology, 1999, 21 (4) : 289-294. (In Chinese)

[5] 唐向宏，賀振華.圖像邊緣檢測方法在薄地層識別中的應用[J].石油地球物理勘探,2002，37(2)：163-165

TANG X H,HE Z H. Image edge detection method in the application of thin strate recognition[J]. Oil geophysical prospecting, 2002,37 (2) : 163-165. (In Chinese)

[6] 李紅星, 劉財, 陶春輝. 圖像邊緣檢測方法在地震剖面同相軸自動檢測中的應用研究[J]. 地球物理學進展, 2007, 22(5):1607-1610.

LI H X, LIU C,TAO C H. Image edge detection method in seismic profile in phase axis for the application of automatic detection [J]. Progress in geophysics, 2007, 22 (5) : 1607-1610. (In Chinese)

[7] 許輝群, 桂志先. 邊緣檢測技術砂體邊界識別方法研究[J]. 石油天然氣學報, 2009, 31(5):75-77.

XU H Q, GUI Z X. Edge detection technology, sand body boundary identification method research [J]. Journal of oil and gas, 2009,31(5):75-77. (In Chinese)

[8] 唐世偉. 地震解釋中的圖像處理方法與技術研究[D]. 大慶:東北石油大學, 2011.

TANG S W. In the seismic interpretation method and image processing technology research [D]. Daqin: Northeast petroleum university, 2011. (In Chinese)

[9] 孫永壯. 異常地質體地震邊緣檢測技術研究[D]. 青島：中國石油大學(華東), 2012.

SUN Y Z. Seismic geological anomaly edge detection technology research [D]. Qindao: China university of petroleum (east China), 2012. (In Chinese)

[10]熊曉軍. 基于時間域廣義Hilbert變換的三維地震資料快速邊緣檢測方法[P].中國，CN201410027618.7,2014-05-07

XIONG X J. Based on the generalized Hilbert transform in time domain of 3 d seismic data fast edge detection method [P]. China, CN201410027618.7, 2014-05-07. (In Chinese)

[11]段瑞玲，李慶祥，李玉和．圖像邊緣檢測方法研究綜述[J]．光學技術，2005,31(3):415-419.

DUAN R L, LI Q H,LI Y H. Image edge detection method research review [J]. Optics, 2005, 31 (3) : 415-419. (In Chinese)

[12]ALBERTO CARPINTERI，PIETRO CORNETTI，KIRAN M KOLWANKER. Calculation of tensile and flexural strength of disordered materials using fractional calculus[J].Chaos, Solitons andFractals，2004，31(3)：623-632.

[13]周艷輝, 高靜懷. 局部結構熵算法在地震數據不連續性檢測中的應用[J]. 煤田地質與勘探, 2007, 35(1):71-73.

ZHOU Y H, GAO J H. Application of local structural entropy measure on the detection of discontinuity of seismic data[J].Coal geology & exploration, 2007, 35(1):71-73. (In Chinese)

[14] 馮明友, 張帆, 王興志,等. 利用IPA技術精細識別裂縫——以柴達木盆地南翼山工區為例[J]. 地球物理學進展, 2010, 25(6):2054-2060.

FENG M Y, ZHANG F, WANG X ZH, et al. Delineation of fractures by 3D seismic data IPA technique：A case study in the Nanyishan area, Qaidam Basin[J]. Progress in Geophysics, 2010,25(6) :2054-2060. (In Chinese)

[15]孫增國，韓崇昭.基于Laplacian算子的圖像增強[J].計算機應用研究，2007(1):222-223.

SUN Z G, HAN CH ZH. Image Enhancement based on Laplacian operator[J]. Application Research of Computers, 2007(1):222-223. (In Chinese)

Research on application of fracture prediction based on image processing technology

YANG Rui-qi1，XIONG Xiao-jun1*，YOU Lai-sheng2，LI Liang-quan1，HOU Qiu-ping1

(1.Key Lab of Earth Exploration & Information Techniques of Ministry of Education (Chengdu University of Technology), Chengdu 610059， China; 2.Geophysical Exploration Company, Chuanqing Drilling Engineering Co. Ltd., CNPC, Chengdu 610213， China)

The buried hill in a certain area of Bohai is a carbonate formation, the heterogeneity of reservoir is very strong and the hill buried deep. The reservoir space is mainly composed of cracks and holes, and the geological condition is complex, meanwhile there are several drills. The conventional methods, such as coherence or curvature attributes, can only be better detection of main fracture belt, but they can’t do detailed depiction of cracks. Therefore, based on image processing technology and combined with seismic attributes processing technology, we put forward a set of technical process to identify and characterize the buried hill fracture in details, which provides the basis for reservoir prediction.

edge detection； diffusion filtering； fracture detection； discontinuity

2016-05-27 改回日期：2016-06-14

國家自然科學基金項目(41274130)

楊瑞齊(1989-)，女，碩士，主要從事復雜裂縫儲層預測研究，E-mail：740237223@qq.com。

*通信作者：熊曉軍(1980-),男，副教授，主要從事巖石物理分析及油氣地震勘探新方法研究，E-mail：xiongxiaojun07@cdut.cn。

1001-1749(2016)05-0672-05

P 631.4

A

10.3969/j.issn.1001-1749.2016.05.16