（模式识别与智能系统专业论文）三维地震数据场面可视化研究.pdf

坝i 论文 维地震数据场曲nr w 化圳究 摘要 = 二维可视化技术是一项地震资料解释新技术。i 维可视化技术的应用，大大提 高了地震资料解释的工作效率，所获成果更为直观、叮靠。本文采用了面可视化的 基本算法思想，在三维数据场中将地震反射面抽取出来，然后运用o p e n g l 进行三 维l 期形的绘制。 本文首先剥三维地震数据进行2 5 6 级狄度量化，然后用自适应阈值分割算法得 至0 全局闽值，作为判别种子点合理性与否的依据；接着以数据局部统计特性为依据 白适应地确定生长准则，采用基于区域生长的快速追踪方法得到追踪点集，再从追 踪点集中抽耿出同相面；最后完成同相面点集和同相面的绘制，其中绘制同相面时 采用了三角剖分算法此外强度分层等伪彩色技术的运用以及三维地震数据体动态 交互的实现大大增强了可视化效果。 实验证明本文采取的方法效率较高，切实可行。 关键词t 科学可视化，三维地震数据场，闽值分割，区域生长，三角剖分算法 顺i 论文维地震数据场曲n f w 化圳究 a b s t r a c t 3 dv i s u a l i z a t i o ni san e wt e c h n i q u eo fs e i s m i c i n t e r p r e t a t i o n i t h a s g r e a t l y i m p r o v e d t h ea c c u r a c ya n d e f f i c i e n c yo f s e i s m i ci n t e r p r e t a t i o n ，a n dm a d et h ef i n a lr e s u k s m o r er e l i a b l ea n di n t u i t i v e t h ei d e ao ft h i sa r t i c l ei sb a s e do ns u r f a c ev i s u a l i z a t i o n t h e r e f l e c t i o ns u r f a c e sa r ed r a w e do u tf r o m3 ds e i s m i cd a t as e t s ，a n dp o r t r a y e dw i t h o p e n g l f i r s t ，3ds e i s m i cd a t ai sq u a n t i f i e db y2 5 6d e g r e e ，a n dag l o b a lt h r e s h o l di sa c q u i r e d b y t h ea u t o m a t i c t h r e s h o l d i n gm e t h o d ；s e c o n d l y , a r e g i o ng r o w i n g c r i t e r i o ni s e s t a b l i s h e da c c o r d i n gt ot h es t a t i s t i c a lc h a r a c t e ro fl o c a ld a t as e t s ，ap o i n t c o l l e c t i o ni s t r a c e d b yu s i n gaq u i c kt r a c i n gs t r a t e g y b a s e do fr e g i o ng r o w i n g ，a n dt h er e f l e c t i o n s u r f a c ei sd r a w e do u tf r o mt h i sp o i n t - c o l l e c t i o n f i n a l l y , t h e3 do b j e c t si sd i s p l a y e d t h e r e s u l t so fv i s u a l i z a t i o na r ei m p r o v e db yu s i n gt r i a n g u l a t i o n ，p s e u d o c o l o rm e t h o d sa n d i n t e r a c t i o n e x p e r i m e n t so nv i s u a l i z a t i o no f3 ds e i s m i cd a t a s e t sb a s e do nr e f e o r i o ns u r f a c e s h o wt h a tt h em e t h o db r o u g h tf o r w a r di nt h i sa r t i c l ei se f f i c i e n ta n dp r a c t i c a l k e y w o r d s ：s c i e n t i f i cv i s u a l i z a t i o n ，3 ds e i s m i cd a t as e t s t h r e s h o l d i n g ，r e g i o ng r o w i n g a l g o r i t h m ，t r i a n g u l a t i o n 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的栩料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名；粤 潲年歹月彦日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送 交并授权其保存、借阅或上网公布本学位论文的全部或部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名： 渔参一 上n 毕年占月d 日 顺i 论文维地震数据场曲n f w 化删究 1 绪论 1 1 论文背景 近i 十年来随着全球石油资源的日益紧张，石油地球物理勘探技术同新月异， 作为寻找石油主要手段的地震波勘探技术更是得到了乜速发展。三二维地震技术兴起 _ f 二 世纪七十年代未，f 值全球范围内出现石油危机时期。山于三维地震具有高 密度采集，三维空间成像归位以及多种灵活的显示方式等优点，在国内外已被广泛 用于查明各种复杂地质结构及隐藏油气臧。 = ：维地震数据可视化是将科学呵视化技术应用到三维地震数据的显示e ，用于 辅助专业人员对地震勘探资料的解释。可视化技术利用直观的图形输出来代替枯燥 的数据输出。借助人类强大的视觉及形象思维能力，对数据进行本质上的理解。利 用可视化技术解释地震数据不仅更形象化而且能极大地提高地震解释人员的工作 效率。 i 维数据场可视化算法可分为两类：一是基于面的可视化算法；二是直接体绘 制算法。本文所提的三维地震数据面可视化f 是基于面的可视化算法研究。 二十世纪九十年代以来，国外就开始了三维地震数据的可视化研究，并在实践 和应用中取得了明显的效果。目前已有一些较为成熟的软件比如l a n d m a r k 公司的 e a r t h c u b e 和o p e n v i e w 等。近年来又开始研究虚拟现实在三维地震数据可视化中的 j 、i 用。围内的可视化技术研究在一些方面已有应用，但总体还处于起步阶段。个别 大学在三维地震数掘可视化方面作过方法研究，仅有张剑秋 1 】、王宏林【2 等人实现 了二维地震数据体的绘制。 “三维地震数据场面可视化研究”属科学计算可视化领域，课题源于南京理工 大学科研基金“虚拟现实环境下三维地震数据可视化方法研究”项目。 1 2 三维地震数据场 1 2 1 三维地震数据场的物理意义 人工震源在激发时产生的地震波为一个尖脉冲波，由于大地对地震波有吸收作 用，在地震波的传播过程中，高频成分被逐渐吸收，只剩下较低频的成分，最初的 脉冲波变成有一定持续时间的地震子波。当地震波向地下传播遇到地层分界面时， 一部分能量产生反射，一部分能量产生透刺，其中反射波向一卜传播被安放在地表的 顺i 论文维地震数据场曲n f w 化圳究 检波器( 传感器) 接收，透射波则继续向下传播，当遇到另一个地层分界面时，又产 生反射和透射，随着地震波的向下传播，人们就能接受到来自地下各个岩层的 反射波，经过计算机进行数字信号处理后就得到了三维地震数据场，其中在某个 与地面垂直的二维截面上，就是地震剖面，地震勘探的原理如图l ，2 1 1 所示。 图1 2 1 1 地震勘探原理示意图 某个俭波器所接收到的所有反射子波叠加起来组成一道信号，称为一个地震 道，经过偏移归位处理后，就是该点垂直向下的各个岩层面反射回来的地震子波按 反射时问由先到后，也就是反射面由浅到深的先后顺序迭加起来的结果。来自同一 层面的反射子波在相邻地震道之间由于波形相似，反射时间也比较接近，波峰( 最 大振幅所在位置) 比较靠近，在地震剖面上能够相互叠套成串，一连串的波峰组成 条线，称为同相轴，同相意指同相位，一条线上的波峰处在同个波动相位上， 岩层面对应于子波波峰的位置。同+ 层面上的这些振动相位相同的点连成的面称为 同相面，同相面就是地下的反射面 3 。 1 2 2 三维地震勘探的意义 三维地震勘探与二维地震勘探相比，有以下四个突出的优点 ：玎： t1 ) 原理上更接近于实际，因为地下构造本身就是一个三维实体，从三维的角度 令貌地观察地下，肯定会得到较为符合实际的成果。而且经过三维偏移，不仅各类 地质体得到正确归位，成果真实可信，同时由于消除了各种侧面干扰波，因此信噪 比大大提高反映地质现象更清晰。 ( 2 )高密度采集，信息量非常丰富，因此相邻测线的反射特征有严格的相关性， 细致地反映了各种地质现象的变化，大大提高了分辨率，其勘探精度较二：维有本质 顺i 论文 二维地震数据场曲n f w 化圳究 的改善。 ( 3 ) 灵活多样，能为解释人员提供各种所需的剖面图、平面图和立体图，使之能 够直观、快速、可靠地认识地下情况，使解释结果更符合客观实际。 ( 4 ) 地震野外施工有较大的灵活性，能使适应许多复杂的地表条件。 以h 四个优点中对地震解释的作用尤为突出。以前由于没有合适的三维显示设 备，人们只好利用一条条地震剖面( 主测线和联络测线) 以及水平时问切片来显示三 维数掘，在三维地震数据场中，x 代表主测线方向，y 代表联络测线方向，z 代表地 震道深度方向。地震剖面是一一种二维图象，叫表示为4 = ，( 功或爿= ，( n 功， 水、f 切片也是一种二维图象，可表示为a = ，1 ( 五一，地质解释人员依据这些二维 图象来推测、想象地下地层的空间形态和结构。 对于庞大的三维数据体，即使将每一条剖i f r i t h 水平切片都显示出来，一个三维 体的完整信息也是分散在各个独立的二维图象中，很难综合起来进行联想，j | ! i l 察起 来也不直观，不能从三维的角度去观察和分析地质体的空间形态。更何况在实际工 作中不可能对每条剖面和切片都进行观察，常常是将剖面抽稀，仅对部分剖面和水 平时削切片进行解释，即只利用了一小部分信息，大部分信息没得到利用，这是一 种信息的巨大浪费，其结果是不可避免地会漏失或忽略大量的小油闭。另外由于缺 失中i h j 过渡信息，在二维剖面的解释过程中常常会出现断层组合不合理，同相轴难 以追踪和对比等情况，往往需要反复修改，解释效率很低。多年以前人们就认识到 了这个问题，并指出了三维数据三维解释的出路。 1 。3 科学可视化技术 1 3 1 可视化技术产生背景及含义 可视化是在2 0 世纪8 0 年代后期币式提出并发展起来的一项计算机应用分支， 1 9 8 7 年2 月，美国国家科学基金会在华盛顿召丌了有关科学计算可视化的首次会议， 与会者来自计算机图形学、图象处理以及其它领域的专家。会议认为“将图形和图 象技术应熠于科学计算是一个全新的领域”，并指出“科学家们不仅要分析由计算 机得出的数据，而且还要了解在计算过程中数据的变化，这些都要借助于计算机图 形学及图象处理技术”。会议将这一领域定名为“v i s u a l i z a t i o ni ns c i e n t 订i c c o m d u t i n g ”，简称“s c i e n t i f i cv i s u a l i z a t i o n ”。 科学计算可视化是指运用计算机图形学和图像处理技术将科学计算过程中及 计算结果的数据转换为图形及图像在屏幕上显示出来并进行交互处理的理论、方法 顺i 论文维地震数据场曲n f w 化圳究 和技术 4 5 。 目前计算机在自动理解上还达不到人脑具有的智能，晟终的分析和理解还得由 人来完成，这是件十分费时而又烦琐的工作。人的创造性不仅取决于人的逻辑思 维能力，还取决于人的形象思维能力。大量而复杂的数据以图形图像的形式表现时 激发了人的形象思维，最易于理解。科学计算的目的是洞察、发现数据中隐藏的现 象和规律，而不仅仅是获得数据本身，由于缺乏对大量数据及时、有效的分析手段， 据估计大约有9 5 的信息被浪费掉了，这严重阻碍了科学技术的发展。摆脱这种困 境的最好办法就是用直观的图形输出来代替枯燥的数据输出，借助人类强大的视觉 及形象思维能力，对数据进行本质上的理解，看到传统意义上不可见的现象或规律。 1 3 2 可视化技术的基本算法 可视化的本质是用图形和图象来表达数据，其核心是三维数据场的可视化。对 于二i 维数据场，可视化算法可分为两大类 4 5 。 第一类是基于面的体绘制算法，它首先出三维空恻数据场构造出中问几何图元 ( 如曲面、平面、切片等) ，然后再由传统的计算机图形学实现面绘制。最常见的 中i n j 几何图元就是等值面，可以抽取出一个等值面，也可以抽取出多个等值面进行 绘制。在三维地震数据体的面绘制中，最常用的是进行各种切片显示，这种方式只 是将原始数据中的部分数据转换成平面图或曲面图，因而用这种方法构造出来的可 视化图形不能反映整个原始数据场的全貌及细节，但由于可以产生比较清晰的切片 图象，而且比较容易绘制，因而是种常用的可视化算法。 第二类算法并不构造中间几何图元，而是直接由三维数据场产生屏幕上的二维 图象，称为体绘制( v o l u m er e n d e r i n g ) 算法，或直接体绘制( d i r e e t v o l u m e r e n d e r i n g ) 算法，主要包括光线投射法、足迹表法、体元投射法、子区域投射法以 及频域体绘制算法等。这是近年柬迅速发展起柬的一种三维数据场可视化方法，这 种算法能产生三维数据场的整体图象，包括每个细节，并具有图象质量高、便于 并行处理的优点。但是，目前体数据的分割( s e g m e n t a t i or 1 ) 依然是一个难以解决的 问题，无法保证其后重建结果的可靠。此外这种方法计算量较大，若无硬件支持， 难以实现实时处理。 1 3 3 三维数据场可视化技术的基本流程 三维空| 白j 数据有多种类型，如标量、矢量和张量，数掘分布及连接的类型也有 多种，如结构化数据、非结构化数据、结构化和非结构化混合型数据。不管三维空 i 哦l 论殳维地震数据场曲n r 桃化究 i h j 的数据类型和结构类型如何复杂，其可视化的基本流程却大致相同，如图1 3 3 1 所示：4 ： 流程中的第步是数据生成。即可由计算机数值模拟或测量仪器产生数据。计算 机数值模拟的结果形成数据文件，文件格式由科学工作者束定义，l 拳l 丽它是已知的， 可以比较方便地输入计算机。 第一步是数据的精炼与处理。对于数量过大的原始数据需要加以精炼和选择，以 适当减少数据量，同时要最大限度地减少有用信息的丢失。相反地，当数据分靠过分 稀疏而有可能影响可视化效果时需要进行有效的插值处理。 第三步是可视化映射，这是整个流程的核心。其含义是将经过处理的原始数据转 换为可供绘制的几何图素和属性。“映射”的含义包括可视化方案的设计，即需要决 定在最后的图像中应该看到什么，又如何将其表现出来。 在流程的第四步中，将第三步产生的儿何图素和属性转换为可供显示的图像，所 用的方法是计算机图形学中的基本技术，如视见变换、光照讨算等。 最后一步是图像变换和显示。包括图像的几何变换、图像压缩、颜色量化、图像 格式转换以及图像的动态输出等。 数据生成 、l 牧据精炼与处理l i l 可视化映射| 图1 3 3 1 可视化的基本流程 1 4 三维地震数据面可视化研究的软件编程平台 三维可视化的核心技术是三维图形显示。o p e n g l 6 - 7 被严格定义为“一种到 图形硬件的软件接口”。从本质上说是一个完全可移植并且速度很快的3 d 图形和建 模库。 o p e n g l 由s g i 公司于1 9 9 2 年推出，是目前比较完善的i 维图形标准。它具有 以下几个优点 8 ： ( 1 )能确保在多利，平台间的顺利移植而小必以牺牲绘图性能为代价： 顺i 论文 维地震数据场曲n f w 化圳究 ( 2 ) 能提供。种简洁自然的方式以简化编程的复杂度； ( ：j ) 具备足够的柔韧性和连续性，易于扩展。 o p e n g l 谯i 维建模、变换、光照及色彩处理、交互式操作等方面性能卓越，应 用g n g 。能绘制出逼真的三维图形在科学计算可视化及视景仿真中得到了广泛 的应用。 随着微机性能的提高，其处理能力已经达到过去工作站的水平，而价格却比工 作站低得多。m i c r o s o f t 公司不失时机地将o p e n o l 在w i n d o v c s 9 5 n t 9 8 2 0 0 0 等操 作系统上予以实现，并且在v i s u a l c + + 2 0 以上版本中内置了o p e n o l 9 ，这更为 o p e n g l 在微机f ：的应用创造了有利条件，使在p c 机上利用o p e n g l 川：发三三维图 彤软件成为一件比较箍单的事情。因此本人在三维地震数据面可视化的研究中，在 w i n d o w s 平台下的v i s u a lc + + 6 0 中。运用o p e n g l 进行三维可视化图形的显示。 1 。5 本文的主要工作 考虑到三维地震数据体是地下各反射面的振幅场，其本质是基于面的，而且这 一反射面客观存在，本文采用了面可视化的基本算法思想，在三维数据场中将三维 地震反射面抽墩出来，然后运用o p e n g l 进行三维图形的绘制。将各个反射界面显 示出来，根据反射面的错位和中断将断层面反映出来，这是三维地震数据场可视化 的最基本目标。将这些反射面即同相面尽可能准确、形象地显示出来是本课题要实 现的主要目标。 水文的主要工作概述如下： () 三维地震数据的预处理。本文摒弃了人工主观设定闽值将数据进行二值 化的预处理方法，提出了对三维数据进行等嗝的2 5 6 绂狄度量化，即将所有数掘 映射到0 2 5 5 运2 5 6 个等级，在尽可簏保持原始信息的基础上将两个字节存储的数 辑：转化为个字节，从而简化了数据、减少了数据存储量，为以后的处f 里节省了时 叫和空 t l j 。接着分别运用迭代闽值分割与k 均值聚类算法得到全局阈值，作为判别 种r 点足否合理的依据。 ( ) 基于区域生长的同相面快速追踪算法。本文提出的针对三维地震数掘的 基于区域生长的快速追踪方法是按由面到线再到体素的顺序展丌，刁i 必记忆未生长 方向，不必在两个方向的剖面之间来回切换，从而提高了追踪效率。同相面由追踪 所得同相面点集中抽取得到。在生长准则的制定上采用基于局部数掘体统计特性的 自适应方法。实验证明这种快速追踪算法效率较高、切实可行。 ( 三) 三维效果的绘制与显示。在绘制同相面点集时采用了o p e n g l 的画点方 法，绘制同相面时采用了三角剖分算法使曲鹰i 显示更为平滑。浚算法的卡要思想是 顺i 论文维地震数据场曲n f w 化圳究 直接判断均匀网格，若三个顶点都符合条件则组成三角片面，若三个顶点中有个 不符合条, f - , i 。：n 这个三角片面被舍弃。并且运用彩色技术增强可视化效果，绘制同相 向点集时运用强度分层技术，借用灰度均衡思想，将0 到2 5 5 级坎度非等间隔地划 分成四个区n u ，分别映射成四种彩色：红、黄、绿、监。绘制同相萄时采用单色， 根据振幅值的不同赋予不同的亮度，从而增强曲面的起伏感。而目实现了三维图形 的动态交互，通过拉伸、旋转等操作方便地震解释人员从多角度观察反射面。 1 6 本文的内容安排 本文内容共分i 章，其中第二、三、四章按可视化流程( 见本文1 3 3 顺 序展丌。 第一章绪论。首先介绍了论文背景：蜕明了三维地震数据场的物理意义及三维 地震勘探的意义；接着介绍了科学计算可视化的有关内容；然后简要蜕明了本文研 究所用的软件平台；最后介绍了本文的主要工作和内容安排。 第二章三维地震数据的预处理。首先洋绌分析了三维地震数据的坐标体系和重 复属性；接着介绍了等恻隔与非等问隔的2 5 6 级灰度划分方法，并用实验进行比较； 最后分析了两种闽值分割算法：迭代阂值分割与k 均值聚类算法，并给出实验结果。 第三章基于区域生长的三维同相面追踪。首先简要介绍了区域生长的摹本原 理、三维空叫体素的邻域关系；接着着重描述了本文提出的基于区域生长的三维空 间的同相面快速追踪算法思想、生长准则及具体实现：最后给出实验结果。 第四章三维效果的绘制与显示。简单介绍了如何在v c 中运用o p e n g l 编程绘制 i 维图形，重点描述了采用画点绘制同相面点集、采用三角剖分算法绘制同相面的 绘制以及彩色技术的运用、动态交互的实现；最后给出三维晶示实验效果图。 第五章总结。对全文进行总结并指出需要进一步研究的问题。 顺i 论文维地震数据场曲n f w 化删究 2 三维地震数据的预处理 2 1 三维地震数据详解 2 1 1 三维地震数据的空间坐标体系 三维地震信号的采集过程中，在地表布置有很多纵横交叉的测线，其中纵测线 为主测线，横测线为联络测线。若用坐标系表示，则轴和y 轴在地表所在的水平 面卜，爿轴平行于主测线方向，y 轴平行于联络测线方向，爿轴与y 轴垂直。在主 测线和联络测线上每隔。定距离有一个测点，在每一个测点匕孜置一个检波器，每 隔一段时间( 一般为1 毫秒、2 毫秒或4 毫秒) 对检波器接收到的振动信号进行一次 采样，若以时蚓轴为z 轴并垂直于水平面向下，则采集到的三维地震信号组戍一个 ：维地震数掘体。图2 1 1 1 就是。个三维地震数据体的示意图。 图2 1 1 1 三维地震数据体示意图 i 维地震数据体是典型的三维空间规则数据场，所谓“规则数据场”指的是由 均匀删格或规则网格组成的结构化数据。每个网格是结构化数据的个元素，称为 体元( v o x e l ) 4 。这样就将每个数据采样点看成一个具有六个面、八个顶点、十 二条边的小立方体，也称为体素。每个体素有三个坐标其中 y 为空间坐标z 为时削坐标，用反射时阳j 代表反射面深度，也可以通过时深转换将时间转换为深度， 因而z 实际上也为空删坐标。 本实验所用的三维地震数据沿纵测线方向( 设为x 方向) 有4 0 0 条测线，每条 纵测线卜- 御置了5 0 1 个测点，4 0 0 个同一序号的测点连成了横测线( 设为y 方向) ， 这样共有5 0 1 条横测线，每个地震道上有7 5 0 个采样点，数据排列方向沿深度方向 ( 没为z 方向) ，共有4 0 0 * 5 0 1 个地震道。 2 1 2 地震数据的重要属性振幅 三维地震数据体实际上就是在地表获得的地下三维空间规则网格结点上的地 震振幅场，可表示为名= ，( x ，只z ) ，其中_ 为振幅，x , y , z 为空间坐标。 对地震波的认识，人们往往以波的动力学特征和运动学特征两方面加以描述。 波的强度即振幅就是波的动力学特征之 ，是地震波的一个重要属性。波动的过程 就是质点振动在介质中随时问传播的过程。振动图如图2 i 2 1 所示反映了地震波 在传播过程中某个质点随时问振动的特点。 0 f。土j 一矗 一 u w 怕 7 卜呵- 一一 图2 1 2 1 振动图 质点振动时偏离平衡位置的最大位移叫振动的振幅，用a 表示，如图a 1 、a 2 、 a 3 所示。它用来浇明质点振动的强弱，振幅越大，表示振动能量越强。地震波属于 脉冲震动，它的周期和振幅都是变化的。地震勘探中获得的地震纪录实际上是一系 列地震波传播到地表时引起地表质点振动的脉冲图形。图2 1 2 2 表示某一震道检 波器所接受到的振动图。 图2 1 2 2 某一震道的振动图形 三维地震数据体可以看成是地下三维空问的三维振幅图象，在这种图象中仅仅 在反射界而处爿存在一个地震子波。界面的反射系数越大，子波的振幅也越强，子 波的振幅与界面的反射系数成正比，地震子波的波峰处对应于岩层界面的位置。因 此tr j 以通过对振幅的研究了解地表下几千米的地质构造。 反射振幅除了依赖于反射面的反射系数，还有两类因素对其产生影响 9 ： 由于l 圾收、散射、透射损失和微屈多次波引起的能量损失：震波强度、震 源耦合、检波器灵敏度和检波器耦合以及炮检距变化。山于这些因素的影响，检波 器所得出的振幅值还需地质专业人员经过一系列预处理对振幅进行加工校正。本文 顺i 论文 二维地震数据场曲n f w 化圳究 所用的实验数据文件s e s b i n l ，i n e d a t 已经是经过专业处理的，振幅值是短整型数 值，在( 一2 1 2 4 3 ，1 8 2 1 4 ) 之间变化。 2 2 基于2 5 6 级灰度的数据分割 2 2 1 进行2 5 6 级灰度化的原因 2 1 维地震数据文件一般都比较大，比如本实验所用的数据文件 s e is b in 。i n 。d ac 就有4 0 0 5 0 1 * 7 5 0 个振幅数据，每个数据以两个字节存储共 2 8 6 m b 。这样就对计算机处理能力提出了较高的要求，因而有必要对地震数掘加以 精练和选择。采样点的数目由地质专业人员设定，而且每个采样点在振幅数据文件 中的排列顺序对应着自身在三维空问的坐标，不能随意抽稀，否则可能影响可视化 效果。由此看来不能用减少采样点个数的方法来达到精简数据的目的，只能通过对 振幅值本身进行处理。 以f j f 有人对振幅值的处理方法是进行二值化，即给定一个阈值，大于此阈值的 振幅设为l ，否则设为0 。这样原来用两个字节表示的数据现在只要以一个字节八 位中的位来表示，的确大大减少了数据存储量。然而，这种方法带来的后果是有 用信息丢失太多，最后的所得结果可能会产生偏差。 本文提出了对振幅数据进行2 5 6 级荻度化2 5 6 级灰度化过程是不可逆转的， 类似r 图像编码压缩中的熵压缩法 1 0 。熵压缩法是一种以牺牲部分信息为代价而 换取缩短平均码长的编码压缩方法。由于其在压缩过程中在允许的前提下丢失了一 部分信息，所以图像还原后与压缩前不会完全一致，因此是一种有损压缩。2 5 6 级 扶度化从某种程度h 既也是一种压缩，在尽量减少有用信息丢失的前提下，将两个 字节表示的数据转化为以一个字节表示，从而达到减少数据量的目的。 2 2 22 5 6 级灰度分割算法 通常自关地质的重要信息都与较大的正振幅有关，因此负振幅及数值较小的振 幅刈我们的研究影响不大。在进行2 5 6 级狄度分割之前，先将所有负振幅人为地设 为0 。这样就将实验数据文件s e i s b i n l i 3 e d a t 中振幅值的范围从( 一2 1 2 4 3 ，1 8 2 1 4 ) 转化为了( 0 ，1 8 2 1 4 ) 。 将数掘进行2 5 6 级灰度化，简单的说就是将所有数据按某种j j 】| l 则重新量化，再 赋严新的值，即0 到2 5 5 这2 5 6 个狄度等级。也就是将4 0 0 * 5 0 1 7 5 0 个范围在( 0 ， 1 8 2 1 4 ) 的数据逐个映射到( 0 ，2 5 5 ) 这个区划内。2 5 6 级扶度分割，般分为等蚓 顺i 论文 维地震数据场曲n f w 化圳究 隔分割和非等问隔分割两类。 等问隔分割算法就是将输入数据从最小值到最大值平均分割成2 5 6 个区问，每 个区问的区间大小相同。设转换前后的振幅值分别为d 和输入数据的最小值和 最大值分别为m a x 和m i n ，转换公式为： d h = f ( dj ) = ( dd m i n ) ( m a x m i n ) 2 5 6 ( 2 2 2 1 ) 其中等问隔为：i n t e r v a l = ( m a x m n 1 2 5 6( 2 2 2 2 ) 具体算法实现如下： s h o r ti n ti t t m i n i n m a x ； f l o a tm i n t e r v a l ； c h a r b m f i n d m i n a n d m a x o ； m i n t e r v a l = ( m m a x m m i n ) 2 5 6 f o r ( 1 0 n gi = 0 ；i s u m ；i + + ) b u f i i 】2 b u l l i m l n l e r v a l ； i f f b u f f i 】) 2 5 5 ) b u t l i 】2 5 5 ； ，数据体的最小、鼹人值 n 区间间隔 指向输入数据的指针 找出输入数据的最小最人值 s u m 为输入数据总个数 不等间隔分割算法顾名思义其区间间隔不是均等分割的，而是根据设定条件变 化，一般以统计结果为条件，比如使每个区间问隔内的数据个数相同。这种算法类 似丁数字图像处理中的灰度均衡 1 1 ，狄度均衡后的直方图狄度分布趋于均匀。设 转换自u 后的振幅值分别为d 。和d 。，输入数据各振幅值统计个数为l ，( a = o ， ，2 m a x ，m a x 为振幅最大值) ，转换公式为： d 。= ，1 ( d ) = 2 5 5 s u m h ， i - f ) 其中s u m 代表输入数据总个数。 不等间隔分割算法具体实现如下 l o n g * l c o u n t ； 6 振幅值个数统计表 c h a rc m a p 2 5 6 ；灰度映射表 l o n gl t e m p ；删时变量 i i ，循环变鼙 l o n gm r a n g e ； 数据范嗣 c h a r 铀u t指向输入数据的指针 顺i 论文维地震数据场曲nr w 化究 f i n d m i n a n d m a x o ； 找山输入数据的最小最人值 m r a n g e = m m a x m m i n + i ： f o r ( i n ti _ 0 ：i m r a n g e ；i + + ) 湍零 i c o u n t i 】- o ； 计算各个数据振幅值的个数 i t e m p = b u f i ； i c o u o n t i t e m p + + ； f o r ( i = 0 0 m r a n g e 1 + + )计算灰度映射表 【 i t e m p = o ： f o r ( j = 0 0 = j 0 + + ) i t e m p + 2i c o u n t i ； b m a p i ( c h a r ) ( i t e m p + 2 5 5 s u m ) ； f o r ( 滓o i 2 5 5 ) b u l i i - 2 5 5 ； 】 2 2 3 两种灰度分割算法 在! 维地震数据面可视化研究中，我们只对处于波峰段的那些采样j 点感兴趣， 要找出这些点所处的位置，然后在三维空问中将它们显示出来。因为找出这些点是 t 要目标，所以每个波峰段采样点的振幅值具体是多少就显得不是那么重要了。 图2 2 3 1 是将负振幅归为0 后，输入数据的统计直方图。将负振幅归为0 的 输入数据进行2 5 6 级等间隔分割和非等问隔分割后的灰度直方图分别如图2 23 2 和图2 2 3 3 所示。 顺i 论文维地震数据场曲n f w 化圳究 8 0 2 3 8 0 2 3 3 个数 3 呵 呵 个数 8 0 2 3 3 9 8 5 8 7 1 0 9 0 振幅值 的统计直方图 灰度值 图2 2 3 2 等间隔分割狄度直方图 2 5 5 灰度值 图2 2 3 3 非间隔分割灰度直方图 采用等问隔分割对数值之间的大小相对关系改变不大，从图2 2 3 1 和图 2 2 3 2 可以看出等间隔分割后的直方图形状基本不变：而非等间隔分割的分割依 据是每个区间内的采样点个数均匀。从图2 2 3 1 能看出基本上振幅值越大，个数 越少。非等间隔分割直方图的形状发生了较大的改变，这样很可能将原来不处于同 + 级别的数据归为一个灰度级别，有可能对以后的同相面追踪造成负面影响。尽管 顺i 论文维地震数据场曲n f w 化删究 j ：等问隔分割改变了数据之恻的相对大小，但在有限个量化级别内却可以最大限度 地反映整体数据的分布特征，从信息论来看就是熵最大。 另外从2 2 2 节中两种分割算法的具体实现可以看出非等间隔分割的算法复杂 度明显大于等间隔分割算法，雨且输入数据量越大运算时间差越大。以本实验所用 数据s e is b i n l in e d a z 为例，在p i i l 6 0 0 ，1 2 8 m 内存的台式机上处理等问隔分割运 行时问为1 6 秒，而非等阳j 隔分割需要运行5 3 秒。 经分析比较，等间隔与非等间隔算法各有千秋，经综合考虑本实验采用的是等 j 旬隔的2 5 6 级狄度分割算法。 2 3 阈值分割 2 3 1 阈值分割原理及分类 尽管经过2 5 6 级狄度化后输入数据得到了一定程度的简化，但考虑到后期的同 相面追踪处理，只做2 5 6 级灰度分割是不够的。因为2 5 6 绂灰度化只是将数据的范 困进行了压缩，转换成了荻度数据，而数据的数量并没有减少，而且处于波峰处的 采样点始终是我们关心的重点，因此有必要进一步缩小处理数据的狄度范阐，为后 面的处理做准备。 闽值分割就是一种常用的缩小处理数据范围的方法。阑值化分割算法是图像分 割巾算法数量最多的一类 1 2 一1 3 。简单地说，闽值化分割就是先确定一个处于图 像灰度取值范围之中的灰度闽值，然后将各象素的灰度值与之进行比较，并根掘比 较结果进行分类。 已提出的闽值化分割算法很多，其分类方法也比较多，一般对稳定图像的闽值 分割技术可分为5 类 1 4 ： 考虑分割过程是否需要人工干预，可分为交互式与自动的： 根据闽值的作用范围可分为全局和局部的： 根据闽值选取中采用的灰度分布统计，可分为上下文相关的和上下文无关 的； 从处理策略角度考虑，可分为迭代的与非迭代的： 根掘为进行分割是否选用训练象素集以估计目标或背景的特性参数，可分为 有监督的和无监督的。 选取合适的分割阈值是闽值化算法的关键所在，阑值一般可写成如f 形式： 丁= 丁 x ，y ，f ( x ，y ) ，p ( x ，y ) ( 2 3 1 ，1 ) 顺i 论文 维地震数据场由n f w 化圳究 其中f ( x ，y ) 代表在象素点( x ，y ) 处的坎度值，p ( x ，y ) 代表在浚点邻域的某种 局部性质。换句话说，闽值t 在一般情况下可以是( x ，y ) ，f ( x ，y ) ，p ( x ，y ) 的函 数。从而有如下三类阈值 1 5 ： 基于备象素值的阈值。阈值仅根据f ( x ，y ) 来选取，所得到的闽值仅与全图 各象素的本身性质( 象素值) 有关： 基于区域性质的闯值。闽值是根据f ( x ，y ) 和p ( x ，y ) 来选取的，所得的闽值 与区域性质( 区域内各象素的值，相邻象素值的关系) 有关： 基于学标位置的闽值。除了要根据f ( x ，y ) 和p ( x ，y ) 来选取闽值还与象素 的空阳j 坐标有关。 另外若根据算法的特征或准则束分，还可以将阈值化技术分为l o 类 1 6 。这 止! 分类考虑的角度不同，结果常会重叠。 2 3 。2 基于各象素值的阈值分割算法 对于狄度图像，基于各象素的闽值分割只考虑各象素点本身的灰度值，这种算 法相对而言比较简单，易于实现，对于庞大的三维地震数据来龅，用基于各象素的 闽值分割来选定最初的阂值是比较合适的。 以往的做法足通过人工设定的门限闽值将地震数据进行二值化。大于等于门限 阀值的数据设为l ，小于门限闽值的数据则设为o ，从根本上蜕这也是一种基，各 象素值的阈值分割。然而人工设定门限阈值存在着一定的弊端，因为所有数据进行 二值化后不是1 就是0 ，为l 的采样点就成为了目标，而为0 的则成了背景。如果 这个f 限值取的不恰当，会对后面的位图显示以及追踪同相面结果造成很大影响。 因此本实验没有采取人工设定阈值的方法，而是采用了自适应的阈值分割，即根据 数据体本身的特性。找出最合适的门限闽值。 图像的灰度直方图是图像各象素狄度值的一。种统计度量，很多常用的闷值分割 算法都根据直方图进行的，比如本文采用的迭代选择闽值分割算法 1 1 1 7 一1 8 。 其算法步骤如下： 1 图像巾的最小和最大狄度值z ，和z 。，令阈值初值t ”= ( z + z 。) 2 ： 2 根掘闽值1 1 k 将图像分割成目标和背景两部分，求出两部分的平均扶度值z 。和z “ z 。= ：( i ，) ( 川( f ，) ( 2 ： 2 1 ) 二，) c 7 ：，) ( 7 z 。= = 【f ，) ( f ，川n ( i ) ( 2 3 2 2 ) ：l f ，门) ，：，卜y 。 式中z ( i j ) 是图像上( i 0 ) 点的坎度值，n ( 幻) 是( i j ) 点的权重系数，一般n ( i j ) 21 0 。 顺i 论文维地震数据场曲n f w 化圳究 3 求出新的闽值：t “i = ( z 。+ z 。) 2 ； 4 如果t k = t ，则算法收敛( 若样本不能准确收敛，则近似收敛) ，结束；否则k = k + 1 ，转到步骤2 。 迭代选择阈值分割算法流程如图2 3 2 1 所示： 图2 3 2 1 迭代选择闽值分割算法流程 首先根据初始丌关函数将输入图逐象素分成前景和背景，在第一遍对图像扫描 结束后平均两个积分器的值以确定一个闽值。用这个阈值控制丌关再次将输入图分 成自景和背景，并用作新的开关函数。如此将迭代反复进行直到丌关函数不再发生 变化，此时得到的前景和背景即为最终分割结果 1 5 】。 以上算法是针对二维狄度图像进行的，尽管本实验的数掘是三维的，但算法原 理 = 致，只要将上述表达式中的二_ ：维坐标( i 。j ) 改成三维坐标( x ，y z ) 即可。 2 3 3k 均值聚类算法 k 均值聚类算法 1 9 】是特征空间聚类算法的种，属于模式识别技术范畴。模 式识别简单来说就是分类，而阈值分割的目的也是将目标根据闽值分成两类或多 类，因而将模式识别技术应用到阈值分割上是完全行得通的。 k 均值是种动态聚类方法 2 0 1 ，动态聚类方法具有以下三个要点： 选定某种距离度量作为样本间相似性度量。 确定某个评价聚类结果质量的准则函数。 给定某个初始分类，然后用迭代算法找出使准则函数取极值的最好聚类结 粜。 k 均值算法的基础是误差平方和准则。以分为两类为例，设样本数为n ，聚类数 为k ，这罩k = 2 ：令x = ( x ，y ，z ) ，g ( x ) 代表处于( x ，y ，z ) 这个坐标的象素灰度值；q ：代 表第i 次迭代后赋给类j 的象素集合，集合l 巾的样本数为”i ，集合中的灰度均值设 为m i ，这罩l j = l 、2 。k 均值算法步骤如下所示： 1 选择初始聚类中心增：； 顺i 论文 维地震数据场曲n f w 化圳究 2 1 ：! i _ ：第i 次迭代时，根据下述准则将每个象素归类： v xj f | | g ( x ) 一m ：l l l ，则合并两区域。 3 3 邻域与连通性 区域生长法是基于图像空间的连通性而进行的区域分割方法，因此有必要在此 介绍象素( 体素) 的邻域与连通性问题。 在二维空间中对一个坐标为( x ，y ) 的象素p ，它可以有水平和垂直两个方向的邻 域象素汜为r ，其坐标分别为( x 一1 ，y ) ，( x + l ，y ) ，( x ，y - 1 ) ，( x ，y + 1 ) 如图3 3 1 ( a ) 中所示。这是个象素就构成了象素p 的4 一邻域，记为n ，( p ) 。象素p 与它的各个4 邻域邻近象素的距离可作为一个单位距离。 t 象素p 的8 一邻域，已为n 。( p ) ，如图3 3 1 ( b ) 所示。象素p 的8 一邻域是在4 一 邻域的基础二添加e 象素p 的四个对角邻近象素，记为s ，其坐标分别为 ( x l ，y i ) ，( x l ，y + 1 ) ，( x + l ，y + 1 ) ，( x + l ，y 一1 ) 。 4 一邻域和8 一邻域是常用的象素邻域，除此之外，还有更大的象素邻域，见年来 也有人研究过1 6 一邻域问题 2 1 。 l l r rpr r l i l sr暑 l t lrp r c srs ( a j( b ) 图3 ，3 1 二维空间象素的邻域 在三维空j 刨中，我们引入了体素的概念( 见2 1 1 节) 。以一个体素为中心的 3 * 3 * 3 的邻域中也有多种邻域关系，对于一个体素p ，它有上下、左右、前后三个方 向e 的邻域，体素p 的六个面对应了六个邻域