視覺結構相似度地震圖像質量評價模型研究

楊 寧 楊 威 張岱宇

（①西南科技大學環境與資源學院，四川綿陽621010；②中國石化西北油田分公司勘探開發研究院，新疆烏魯木齊830011）

視覺結構相似度地震圖像質量評價模型研究

楊 寧*①楊 威②張岱宇①

（①西南科技大學環境與資源學院，四川綿陽621010；②中國石化西北油田分公司勘探開發研究院，新疆烏魯木齊830011）

地震圖像質量的評價通常采用定性與定量評價標準來衡量。文中提出了一種新的地震數據處理量化評價模型——基于全參考型視覺結構相似度（Seismic Data Structural Similarity，SDSS）的地震圖像質量模型，通過計算資料處理前、后圖像之間的能量強度測度、對比度測度與反射結構相似度測度，對圖像的質量進行綜合評價，用量化指標體現處理前、后圖像的變化趨勢。算法的數值模擬和實際資料結果表明，該方法與傳統的評價方法相比，易于理解且計算簡單，能凸顯地震資料變化的差異，極大地提高了地震圖像客觀評價結果與人為主觀感知的一致性。

結構相似測度模型 信噪比 地震圖像質量評價 地震資料處理

1 引言

李慶忠［1］提出了視覺分辨率與視覺信噪比兩個重要概念，也給出了相應的物理意義。其“視覺”一詞顧名思義即解釋人員在地震剖面上可分辨的各類有效信息。為了提高視覺分辨率引入了地震圖像增強（Seismic Image Enhance）理論，其宗旨是在不增加數據內在信息含量的基礎上，增加所選擇特征的動態范圍，以使其容易被檢測到。信息特征范圍的增大，能極大地提高后續地震資料的判讀、分析、識別、計量結果的準確性，減少地球物理與地質解釋中的多解性。現階段衡量地震圖像處理質量通常采用定性與定量評價標準。定性化指標通常有地震資料波形活躍度、地震反射特征、分辨率等。定量化指標常有頻帶寬度、信噪比、峰值信噪比、處理前后地震圖像差值。其中頻帶寬度是判斷資料處理質量優劣的一個重要指標，但是容易被假頻與子波旁瓣所影響；依據信噪比能夠判斷地震信號的質量［2-5］，張軍華［6］對能量疊加法［7］、頻譜估計法［8］、互相關法［9］、功率譜法［10］等定量計算方法進行了比較，指出了各種方法的適用范圍與存在的問題以及統計算法存在的諸多困難；去噪前、后地震圖像差值不能直觀地表達數據處理前、后的差異細節。

視覺是人類認識自然的重要手段。人類視覺系統是由大量神經元通過連接而組成的復雜信息處理系統，它由兩部分組成：第一部分是光學成像系統，即眼睛；第二部分是視覺神經系統，包括視網膜、外側膝狀體和視皮層。圖像的視覺信息評價［11］的基本目標是設計能準確和自動感知圖像質量的計算模型，目標是希望用計算機來代替人類視覺系統去感知圖像。為了能夠模擬人眼的評價方法，可采用圖像質量的量化值與人類主觀觀測值的一致性評判。圖像質量評價有多種方法，基于工程學的人類視覺系統模型［12］在國內外一直是研究的熱點。PQS（Picture Quality Scale）方法［13］在全局特性上與視覺感知是一致的，也較符合主觀實驗值；NQM（Noise Quality Measure）和 DM（Distortion Measure）模型［14］可以分析頻率失真與加性噪聲對視覺系統的影響，是圖像質量客觀評價方法；Fuzzy模型［15］利用模糊理論比較處理前、后圖像之間的相似度和一致性，通過相似測度對圖像質量進行評價；SVD（Singular Value Decomposition）模型［16］與主觀感受具有較好的一致性，可適用于不同失真類型的圖像，而且能度量混合失真類型的圖像質量；VSNR（Visual Signal-to-Noise）模型［17］為基于小波域的視覺信噪比自然圖像質量評價方法，基于物理亮度和視覺角度，具有適應于不同視覺條件的能力；SSIM（Structural Similarity）模型［18］從圖像形成的角度出發，結合場景中的結構信息、圖像亮度和對比度三個獨立要素對圖像質量進行全參考評價。

本文提出基于地震資料結構相似測度（Seismic Data Structural Similarity，SDSS）的全參考型質量評價方法，結合地震波振幅能量強度、振幅能量局部變化量、反射結構相似性三個方面評價地震剖面信噪比的變化，以期提高客觀評價結果與人為主觀感知的一致性。

2 方法原理

首先引入Chopra等［19］為地震紋理屬性描述所采用的屬性定義。地震圖像能量數學表述為

式中：x k、y k為處理前、后時窗內第k個樣點處的振幅值；n和m為時窗（可包含整個剖面）的橫、縱樣點數。可定義

為處理前、后時窗內能量均值（N為時窗內采樣點總數，N=n×m），反映其振幅強度（亮度信息），則處理前、后時窗內圖像的方差σx與σy為

式（3）的物理意義為地震圖像的對比度，為時窗內局部變化量的度量。定義σxy為處理前、后對應時窗內的相關系數，即

反映了反射特征結構信息的相似性。時窗內地震信號能量信息、對比度和結構相似測度分別定義為

式中C1、C2和C3為很小的正數，以避免分母為零或接近零導致的奇異性。

聯合這三種相似性準則而構成的地震圖像結構相似測度評價模型為

式中α＞0，β＞0，γ＞0。在實際資料分析中為了減少數據的計算量，可設定α，β，γ為［1，10］內的整數。

作為相似性測度SDSS滿足以下三點：

（1）對稱性：SDSS（x，y）=SDSS（y，x）；

（2）有界性：0≤SDSS（x，y）≤1；

（3）唯一極大值：當且僅當處理前、后剖面完全相同時，SDSS（x，y）=1。

平均地震圖像結構相似測度（Mean Seismic Data Structural Similarity，MSDSS）作為對整體地震圖像質量的評價測度

式中M為SDSS地震圖像樣點總數（即為整個剖面進行計算時所使用的窗口總數）。

算法的技術流程如圖1所示。

圖1 地震圖像結構相似度評價技術流程

3 理論模型分析

采用階梯狀斷層的褶積模型加上能量逐漸變強的隨機噪聲來驗證SDSS與MSDSS方法對地震剖面評價的效果。選取的雷克子波為零相位，主頻為50 Hz，時間采樣點數為128，時間間隔為2ms，時窗大小為5道×11個樣點。對20組不同信噪比的地震數據與原始模擬剖面（圖2選取了4組）進行SDSS計算分析，同時繪制出 MSDSS曲線（圖3）。信噪比的定義為，其中xorig為原始地震數據，yref為參考地震數據。

圖2a為原始地震數據不含噪聲，其SNR為無窮大，對應的MSDSS為1，即參考剖面與原始剖面是同一數據的情況。圖2b、圖2e、圖2g和圖2i為加噪地震數據，其SNR分別為34.40、16.34、0.26和-10.27dB。圖2c為圖2b參考剖面與原始剖面的差，可見其噪聲源主要為隨機干擾。從圖2d、圖2f、圖2h、圖2j（MSDSS值分別為0.90，0.43，0.21，0.11）可知，信噪比高時，由于噪聲能量相對于反射同相軸能量低，其SDSS剖面可看出反射同相軸附近受噪聲的影響小，波形結構相似度SDSS值較高，但其他部分由于受噪聲的影響結構相似性變化較大，表現為SDSS值較低。隨著信噪比降低及隨機噪聲能量的增強，在反射同相軸附近的結構相似度也變低，其根本原因在于隨機噪聲導致反射波形發生了畸變，使得原始剖面與參考剖面之間的差異變大。圖3a為20組數據的SNR值曲線，SNR值隨著隨機噪聲能量的增大呈指數降低。圖3b為20組數據的 MSDSS值曲線，MSDSS值的變化趨勢與SNR一致，但是變化速率略高于SNR。由于MSDSS的計算量小于SNR，且兩者交會結果呈近似線性關系（圖3c），故可作為信噪比統計的參考。

4 實際應用

實例一為中國西部A區時間域疊加剖面（圖4a），數據共有1296道，采樣點數為3500，時間采樣間隔為2ms，其SNR為2.06dB。通過噪聲分析發現以近地表低頻面波產生的相干噪聲為主，本次實驗采用“黑盒”測試，不考慮數據處理的具體算法，只分析原始剖面與結果剖面（作參考剖面，見圖4b，SNR=25.55dB）之間的差異，研究去噪效果以及評價處理后剖面的質量。圖4c（原始剖面與參考剖面的差）在0.4～2.0s處的近地表低頻面波導致的相干噪聲得到很好的壓制，在4.5～4.8s區間不整合面強反射同相軸能量減弱，同時垂向相干噪聲也得到了壓制，說明數據處理前、后地震剖面變化較大。圖4d為SDSS剖面（MSDSS為0.68），圖中藍色以及淡藍色區域SDSS值較大，為處理前、后波形變化較小的區域，紅色到水紅色區域SDSS值逐漸變小，為剖面變化較大區域。在0.4～2.0s區間內強變化區域與面波相干噪聲形態一致；2.0～5.0s區間主要是強橫向反射同相軸能量的衰減，其強變化區域呈橫向變化；在5.0～7.0s區域為深部區域主要是受縱向相干噪聲影響，其強變化區域垂向分布；其他區域SDSS值較小，說明去噪前后剖面變化不大，保留了深部反射弱信號的有效信息。

實例二為川東B區高陡構造的疊后地震剖面（圖5a），為了提高地震數據中幾何屬性分析的準確性，通常會在曲率屬性計算前做地震特征增強。圖5b為采用SOF（Structural Orientation Filter）算法進行地震特征增強的結果。在資料解釋中希望對地震特征增強的同時不破壞其他區域反射同相軸的特征，從而確保曲率分析結果的可靠性。圖5c為增強前、后的差剖面，增強后的整個剖面都有所改變，但是分不清各個部分改變多少，是否符合設計需求。圖5d為特征增強后的SDSS剖面，其MSDSS值為0.9336，表明特征增強前、后剖面總體變化不是很大。SDSS數值較低（即變化較大）的區域為高陡構造區，是斷層與裂縫發育帶研究的重點部分，其反射同相軸橫向連續性增強，其他區域的反射特征沒有受到破壞，滿足曲率分析的要求。

實例三為C區疊前多炮地震記錄（圖6a），6炮共2000道，采樣點數為3500，采樣間隔為2ms，以相干噪聲、面波與多次波等噪聲為主。圖6b為去除相干噪聲的地震記錄。圖6c（原始記錄與參考記錄的差）在0.4～2.0s處的近地表低頻面波導致的相干噪聲得到很好的壓制，在4.5～4.8s區間不整合面強反射同相軸能量減弱，同時垂向的相干噪聲也得到了壓制。圖6d為噪聲壓制后的SDSS記錄，MSDSS為0.83，圖中藍色以及淡藍色區域SDSS值較大，為處理前、后波形變化較小的區域，紅色到水紅色區域SDSS值逐漸變小，為數據變化較大區域，其中強變化區域部分能夠很好地刻畫相干噪聲的形態特征。

圖2 不同SNR的地震剖面SDSS分析結果（計算參數α=1，β=1，γ=1）

圖3 MSDSS與SNR分析結果

圖4 中國西北A區地震數據去噪分析結果

5 結論

本文由視覺系統出發，提出了一種基于地震剖面結構相似測度（SDSS）的全參考型質量評價方法，利用資料處理前后兩剖面之間的能量強度測度、對比度測度與反射結構相似度測度，建立其地震剖面結構相似測度，并計算平均測度作為地震剖面處理質量好壞的量化指標。理論模型分析中，MSDSS的計算量小于SNR，且兩者交會結果呈近似線性關系，故可作為信噪比統計的參考，用于評價地震數據處理結果的好壞；SDSS圖像能夠用量化指標表明處理前、后圖像的變化趨勢，能凸顯地震剖面變化的差異；驗證了算法的可行性。本文選取具有代表性的疊前地震道集、疊后地震解釋剖面進行濾波和特征增強等處理，并對其進行SDSS與MSDSS量化分析，結果表明能提高客觀評價處理結果與人為主觀感知的一致性。該算法對高維數據同樣適用，是一種有效地評價地震處理質量的方法。

圖5 B區地震剖面特征增強分析結果

圖6 C區疊前地震道集分析結果

［1］ 李慶忠.走向精確勘探的道路.北京：石油工業出版社，1994，31-44.

［2］ 林娟，羅勇，張龍等.GeoEast處理系統在準南復雜高陡構造地區的應用.石油地球物理勘探，2014，49（增刊1）：60-65.Lin Juan，Luo Yong，Zhang Long et al.GeoEast seismic data processing in complex steep structure areas，Junggar Basin.OGP，2014，49（S1）：60-65.

［3］ 楊勤勇，王華忠，劉少勇等.山前帶地震成像技術需求與勘探策略分析.石油物探，2012，51（6）：570-573.Yang Qinyong，Wang Huazhong，Liu Shaoyong et al.Analysis of seismic imaging technology requirements and exploration strategy in foothill area.GPP，2012，51（6）：570-573.

［4］ 王金龍，胡治權.三維錐形濾波方法研究及應用.石油地球物理勘探，2012，47（4）：705-711.Wang Jinlong，Hu Zhiquan.Three dimensional cone filtering.OGP，2012，47（4）：705-711.

［5］ 王寶彬，李合群，趙波等.滑動掃描地震數據的諧波干擾壓制.石油地球物理勘探，2013，48（1）：37-41.Wang Baobin，Li Hequn，Zhao Bo et al.Harmonic noise removal on vibroseis slip-sweep data.OGP，2013，48（1）：37-41.

［6］ 張軍華.地震資料去噪方法——原理、算法、編程及應用.山東東營：中國石油大學出版社，2011，11-21.

［7］ 張海瑛，袁超偉.一種實用的通信信號信噪比盲估計方法.無線電通信技術，2007，33（2）：49-51.Zhang Haiying，Yuan Chaowei.An applied method for blind SNR estimation in communication signals.Radio Communications Technology，2007，33（2）：49-51.

［8］ 王紅玲，詹毅，張朝霞.地震資料信噪比估算方法改進.物探化探計算技術，2007，29（3）：189-191.Wang Hongling，Zhan Yi，Zhang Chaoxia.An improved method of estimating signal-to-noise ratio of seismic data.Computing Techniques for Geophysical and Geochemical Exploration，2007，29（3）：189-191.

［9］ 周騰飛，胡天躍，姚逢昌.逆頻散方法壓制頻散面波.石油地球物理勘探，2012，47（6）：882-886.Zhou Tengfei，Hu Tianyue，Yao Fengchang.Dispersive surface wave suppression by inverse-dispersion.OGP，2012，47（6）：882-886.

［10］ Marr D.Vision：a Computational Investigation into the Human Representation and Processing of Visual Information.W H Freeman and Company Press，New York，1982.

［11］ Ismail A，Bulent S，Khalid S.Statistical evaluation of image quality measures.Journal of Electronic Imaging，2002，11（2）：206-213.

［12］ Makoto M，Kazunori K，Algazi R V.Objective picture quality scale for image coding.IEEE Transactions on Communications，1998，46（9）：1215-1225.

［13］ Niranjan D V，Kite T D，Geisler W S，et al.Image quality assessment based on a degradation model.IEEE Transactions on Image Processing，2000，4（4）：636-650.

［14］ Weken D V，Nachtegael M，Kerre E E.Using similarity measures and homogeneity for the comparison of image.Image＆ Vision Computing，2004，22（9）：695-702.

［15］ Aleksandr S，Gusev A，Eskicioglu A M.An SVD-based grayscale image quality measure for local and global assessment.IEEE Transactions on Image Processing，2006，15（2）：422-429.

［16］ Chandler D M，Hemami S S.A wavelet-based visual signal-to-noise ratio for natural images.IEEE Transactions on Image Processing，2007，16（9）：2284-2298.

［17］ Sheikh H R，Bovik A C.Image information and visual quality.IEEE Transactions on Image Processing，2006，15（2）：430-444.

［18］ Wang Z，Bovik A C，Sheikh H R et al.Image quality assessment：from error visibility to structural similarity.IEEE Transactions on Image Processing，2004，13（4）：600-612.

［19］ Chopra S，Vladimir A.Applications of texture attribute analysis to 3D seismic data.The Leading Edge，2006，24（8）：934-940.

P631

A

10.13810／j.cnki.issn.1000-7210.2017.01.022

楊寧，楊威，張岱宇.視覺結構相似度地震圖像質量評價模型研究.石油地球物理勘探，2017，52（1）：160-166.

1000-7210（2017）01-0160-07

*四川省綿陽市西南科技大學東7B110室，610010。Email：nyang＠swust.edu.cn

本文于2015年12月4日收到，最終修改稿于2016年12月2日收到。

本項研究受國家自然科學基金項目（41204068）資助。

（本文編輯：宜明理）

楊寧 博士，1981年生；2008年畢業于成都理工大學信息工程學院，獲計算機應用專業碩士學位；2011年畢業于成都理工大學地球物理學院，獲地球探測與信息技術專業博士學位；現任職于西南科技大學環境與資源學院，從事高壓巖石物理測試、微地震技術等方面研究。