留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

联合灰度突变和方向约束的浅剖层位自动拾取

李邵波 周丰年 赵建虎 冯杰

李邵波, 周丰年, 赵建虎, 冯杰. 联合灰度突变和方向约束的浅剖层位自动拾取[J]. 武汉大学学报 ● 信息科学版, 2019, 44(4): 532-538. doi: 10.13203/j.whugis20170131
引用本文: 李邵波, 周丰年, 赵建虎, 冯杰. 联合灰度突变和方向约束的浅剖层位自动拾取[J]. 武汉大学学报 ● 信息科学版, 2019, 44(4): 532-538. doi: 10.13203/j.whugis20170131
LI Shaobo, ZHOU Fengnian, ZHAO Jianhu, FENG Jie. Automatic Horizon Picking on Sub-bottom Profiles Combining Gray Scale Mutation and Direction Constraint[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4): 532-538. doi: 10.13203/j.whugis20170131
Citation: LI Shaobo, ZHOU Fengnian, ZHAO Jianhu, FENG Jie. Automatic Horizon Picking on Sub-bottom Profiles Combining Gray Scale Mutation and Direction Constraint[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4): 532-538. doi: 10.13203/j.whugis20170131

联合灰度突变和方向约束的浅剖层位自动拾取

doi: 10.13203/j.whugis20170131
基金项目: 

国家自然科学基金 41576107

国家自然科学基金 41376109

国家自然科学基金 41176068

国家科技重大专项 2016YFB0501703

海岛礁测绘技术国家测绘地理信息局重点实验室资助 2015B08

江苏省测绘地理信息科研资助 JSCHKY201816

详细信息

Automatic Horizon Picking on Sub-bottom Profiles Combining Gray Scale Mutation and Direction Constraint

Funds: 

The National Natural Science Foundation of China 41576107

The National Natural Science Foundation of China 41376109

The National Natural Science Foundation of China 41176068

the National Science and Technology Major Project 2016YFB0501703

the Key Laboratory of Surveying and Mapping Technology on Island and Reef, National Administration of Surveying, Mapping and Geoinformation 2015B08

Jiangsu Province Surveying and Mapping Geographic Information Research Funding Project JSCHKY201816

More Information
    Author Bio:

    LI Shaobo, postgraduate, specializes in sub-bottom profile data processing. E-mail: 2016202140049@whu.edu.cn

    Corresponding author: ZHOU Fengnian, senior engineer at professor grade. E-mail: cjkfnzhou@126.com
  • 摘要: 针对目前浅地层剖面数据处理中层位人工拾取法存在的低效和受人为因素影响显著等问题以及半自动拾取法人工参与频繁的现状,提出了一种利用灰度突变和层位方向约束的浅地层层位自动拾取方法。首先,根据回波序列对浅地层层位的峰谷响应,给出了基于灰度突变的层位预拾取方法;其次,基于连续原则,提出了层位追踪和滤波方法,实现了离散层位点连续化和异常点剔除;然后,顾及同层位ping序列相关性及层位方向,提出了基于方向约束的层位生长法,实现了间断层位连接;最后,在此基础上给出层位拾取流程,并借助实验进行了验证。
  • 图  1  SBP剖面图

    Figure  1.  Sub-bottom Profile Image

    图  2  层位拾取流程图

    Figure  2.  Flowchart of Horizon Picking

    图  3  层位追踪流程图

    Figure  3.  Flowchart of Horizon Tracking

    图  4  层位方向计算

    Figure  4.  Horizontal Direction Calculation

    图  5  测区钻孔位置以及代表性钻孔柱状图

    Figure  5.  The Positions of Lines and Drills and the Representative Borehole

    图  6  原始剖面图及层位拾取过程

    Figure  6.  Original Profile and the Process of Horizon Picking Layers

    图  7  测区测线拾取结果与钻孔数据比较

    Figure  7.  Horizons Picking Results

    图  8  部分自动拾取结果与人工拾取结果比较图

    Figure  8.  Some Automatic Picked Results Compared with the Results of Manual Picked

  • [1] 赵铁虎.海底高分辨率声学探测及其应用[D].青岛: 中国海洋大学, 2011

    Zhao Tiehu. Submarine High-resolutioned Acoustic Detection and the Application[D]. Qingdao: Ocean University of China, 2011
    [2] Mohamed S, Mostafa R. Seabed Sub-bottom Sediment Classification Using Parametric Sub-bottom Profiler[J]. NRIAG Journal of Astronomy and Geophysics, 2016, 5(1): 87-95 doi:  10.1016/j.nrjag.2016.01.004
    [3] Maroni C, Quinquis A, Vinson S, et al. Horizon Picking on Sub-bottom Profiles Using Multiresolution Analysis[J]. Digital Signal Processing, 2001, 11(4): 269-287 doi:  10.1006/dspr.2001.0396
    [4] 丁维凤, 潘国富, 苟铮慷.基于能量比与互相关法的地震剖面反射同相轴交互自动拾取研究[J].海洋学报, 2012, 34(3): 88-91 http://d.old.wanfangdata.com.cn/Periodical/hyxb201203010

    Ding Weifeng, Pan Guofu, Gou Zhengkang. The Research of Interactive Auto Pickup of Seismic Enents Based on Energy Ratio and Cross-Correlation[J]. Acta Oceanologica Sinica, 2012, 34(3) :88-91 http://d.old.wanfangdata.com.cn/Periodical/hyxb201203010
    [5] 李鹏, 冯晅, 王典, 等.地震剖面同相轴自动追踪技术研究[J].吉林大学学报(地球科学版), 2008, 38(S1):76-79 http://d.old.wanfangdata.com.cn/Conference/6874692

    Li Peng, Feng Xuan, Wang Dian, et al.Auto Tracking the Syncphase Axis of Seismic Profiles[J]. Journal of Jilin University (Earth Science Edition), 2008, 38(S1): 76-79 http://d.old.wanfangdata.com.cn/Conference/6874692
    [6] Hale D, Emanuel J. Atomic Meshing of Seismic Images[C]. 72th SEG Annual Meeting, Salt Lake, USA, 2002
    [7] Lomask J, Biondi B, Shragge J, et al. Image Segmentation for Tracking Salt Boundaries[C]. 72th SEG Annual Meeting, Denver, USA, 2004
    [8] Amin A, Deriche M. A Hybrid Approach for Salt Dome Detection in 2D and 3D Seismic Data[C]. International Conference on Image Processing, Quebec, Canada, 2015
    [9] Deriche M. Robust Salt-Dome Detection Using the Ranking of Texture-Based Attributes[J]. Applied Geophysics, 2016, 13(3): 449-458 doi:  10.1007/s11770-016-0569-6
    [10] 叶秀芬, 王兴梅, 张哲会, 等.改进MRF参数模型的声呐图像分割方法[J].哈尔滨工程大学学报, 2009, 30(7): 768-774 doi:  10.3969/j.issn.1006-7043.2009.07.009

    Ye Xiufen, Wang Xingmei, Zhang Zhehui, et al. Sonar Imagery Segmentation Algorithm by Improved MRF Parameter Model[J]. Journal of Harbin Engineering University, 2009, 30(7): 768-774 doi:  10.3969/j.issn.1006-7043.2009.07.009
    [11] 赵建虎, 王晓, 张红梅, 等.侧扫声呐图像分割的中性集合与量子粒子群算法[J].测绘学报, 2016, 45(8): 935-942 http://d.old.wanfangdata.com.cn/Periodical/chxb201608008

    Zhao Jianhu, Wang Xiao, Zhang Hongmei, et al. The Neutrosophic Set and Quantum-Behaved Particle Swarm Optimization Algorithm of Side Scan Sonar Image Segmentation[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(8): 935-942 http://d.old.wanfangdata.com.cn/Periodical/chxb201608008
    [12] 李枝文, 宋伟, 肖柏勋, 等. Hilbert变换与小波变换在探地雷达资料处理中的应用[J].工程地球物理学报, 2012, 9(4): 428-432 doi:  10.3969/j.issn.1672-7940.2012.04.011

    Li Zhiwen, Song Wei, Xiao Boxun, et al. Application of Hilbert Transform and Wavelet Transform to Data Processing of Ground Penetrating Radar[J].Chinese Journal of Engineering Geophysics, 2012, 9(4):428-432 doi:  10.3969/j.issn.1672-7940.2012.04.011
    [13] 刘璐.基于类内类间距离的模糊聚类算法及图像分割应用[D].西安: 西安邮电大学, 2016

    Liu Lu. Fuzzy Clustering Algorithm Based on Intra-class Distance and Inter-class Distance and Its Application in Image Segmentation[D]. Xi'an: Xi'an University of Posts and Telecommunications, 2016
    [14] 刘秀娟, 高抒, 赵铁虎.浅地层剖面原始数据中海底反射信号的识别及海底地形的自动提取[J].物探与化探, 2009, 33(5): 576-579 http://d.old.wanfangdata.com.cn/Periodical/wtyht200905020

    Liu Xiujuan, Gao Shu, Zhao Tiehu. The Recognition of the Seabed Reflection Signal and the Automatic Picking Up of Seabed to Pography from the Original Data of Sub-bottom Profile[J]. Geophysical and Geochemical Exploration, 2009, 33(5): 576-579 http://d.old.wanfangdata.com.cn/Periodical/wtyht200905020
    [15] 赵建虎, 冯杰, 施凤, 等.基于图像处理技术的浅地层层位划分方法[J].中国矿业大学学报, 2016, 45(2): 411-417

    Zhao Jianhu, Feng Jie, Shi Feng, et al. Demarcation of the Sub-bottom Subcutaneous Layers Based on Image Processing Techniques[J]. Journal of China University of Mining and Technology, 2016, 45(2): 411-417
    [16] 岳保静.单道地震资料处理方法及应用[D].青岛: 中国科学院海洋研究所, 2010

    Yue Baojing. The Processing Method and Application of Single Channel Seismic[D]. Qingdao: Institute of Oceanology, Chinese Academy of Sciences, 2010
    [17] 陈健, 郑绍华, 余轮, 等.基于方向的多阈值自适应中值滤波改进算法[J].电子测量与仪器学报, 2013, 27(2): 156-161 http://d.old.wanfangdata.com.cn/Periodical/dzclyyqxb201302011

    Chen Jian, Zheng Shaohua, Yu Lun, et al. Improved Algorithm for Adaptive Median Filter with Multi-threshold Based on Directional Information[J]. Journal of Electronic Measurement and Instrumentation, 2013, 27(2): 156-161 http://d.old.wanfangdata.com.cn/Periodical/dzclyyqxb201302011
    [18] 杨淑莹, 张桦.模式识别与智能计算——MATLAB技术实现[M].北京:电子工业出版社, 2015: 30

    Yang Shuying, Zhang Hua. Pattern Recognition and Intelligent Computing—MATLAB Technology[M]. Beijing: Electronic Industry Press, 2015: 30
  • [1] 张丁文, 陈占龙, 谢忠.  矩形方向约束的邻域空间推理 . 武汉大学学报 ● 信息科学版, 2018, 43(8): 1185-1192. doi: 10.13203/j.whugis20160165
    [2] 王沫, 张立华, 于彩霞, 刘涛.  一种基于水深点坡向关系的特征浅点提取方法 . 武汉大学学报 ● 信息科学版, 2016, 41(2): 208-213. doi: 10.13203/j.whugis20140015
    [3] 张志华, 侯恩科, 罗晓霞, 邓念东.  巷道与地层交切建模研究 . 武汉大学学报 ● 信息科学版, 2014, 39(4): 496-499. doi: 10.13203/j.whugis20120507
    [4] 吴一全, 张晓杰, 吴诗婳, 纪守新.  利用高速收敛PSO或分解进行二维灰度熵图像分割 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1059-1063.
    [5] 沈敬伟, 闾国年, 温永宁, 吴明光.  拓扑和方向空间关系组合描述及其相互约束 . 武汉大学学报 ● 信息科学版, 2011, 36(11): 1305-1308.
    [6] 李旭东.  基于奇异值分解的灰度级数字水印算法 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1305-1308.
    [7] 班志杰, 金瑜.  利用LMS规则的预取策略 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 1004-1007.
    [8] 郭庆胜, 郑春燕.  锥形空间方向关系模型的改进 . 武汉大学学报 ● 信息科学版, 2007, 32(1): 81-84.
    [9] 李旭东.  基于图像灰度平均值的数字水印算法 . 武汉大学学报 ● 信息科学版, 2007, 32(6): 556-559.
    [10] 王波, 姚宏宇, 李弼程.  一种有效的基于灰度共生矩阵的图像检索方法 . 武汉大学学报 ● 信息科学版, 2006, 31(9): 761-764.
    [11] 阎平, 江万寿.  一种基于灰度剖面分析的边缘提取新算法 . 武汉大学学报 ● 信息科学版, 2005, 30(6): 518-520.
    [12] 杜辉强, 舒宁.  光谱影像的灰度矢量相关特征与边缘特征提取 . 武汉大学学报 ● 信息科学版, 2002, 27(6): 572-577.
    [13] 金淑英, 包更生, 马洪超, 申屠海港.  海底视像图像的灰度不均匀校正方法的研究 . 武汉大学学报 ● 信息科学版, 2000, 25(6): 531-536.
    [14] 周松涛, 宣家斌.  基于景物灰度分布特征的影像恢复技术 . 武汉大学学报 ● 信息科学版, 1999, 24(3): 230-234,239.
    [15] 邓跃进, 董兆伟, 张正禄.  大坝变形失稳的尖点突变模型 . 武汉大学学报 ● 信息科学版, 1999, 24(2): 170-173.
    [16] 马飞.  灰度级形态学及在扫描影像处理中的应用 . 武汉大学学报 ● 信息科学版, 1995, 20(4): 310-316.
    [17] 黄桂兰, 郑肇葆.  空间灰度相关在影像纹理分类中的应用及分析 . 武汉大学学报 ● 信息科学版, 1995, 20(4): 301-304.
    [18] 李以赫, 文剑光.  重力方向传感器 . 武汉大学学报 ● 信息科学版, 1995, 20(3): 263-268.
    [19] 王新华, 傅晓云.  从灰度变化获取表面形状的研究 . 武汉大学学报 ● 信息科学版, 1995, 20(3): 189-194.
    [20] 钱冰.  科学研究的方向和道路 . 武汉大学学报 ● 信息科学版, 1958, 2(0): 8-10.
  • 加载中
图(8)
计量
  • 文章访问数:  916
  • HTML全文浏览量:  74
  • PDF下载量:  146
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-05-09
  • 刊出日期:  2019-04-05

联合灰度突变和方向约束的浅剖层位自动拾取

doi: 10.13203/j.whugis20170131
    基金项目:

    国家自然科学基金 41576107

    国家自然科学基金 41376109

    国家自然科学基金 41176068

    国家科技重大专项 2016YFB0501703

    海岛礁测绘技术国家测绘地理信息局重点实验室资助 2015B08

    江苏省测绘地理信息科研资助 JSCHKY201816

    作者简介:

    李邵波, 硕士生, 主要从事浅地层剖面数据处理。2016202140049@whu.edu.cn

    通讯作者: 周丰年, 教授级高工。cjkfnzhou@126.com
  • 中图分类号: P229

摘要: 针对目前浅地层剖面数据处理中层位人工拾取法存在的低效和受人为因素影响显著等问题以及半自动拾取法人工参与频繁的现状,提出了一种利用灰度突变和层位方向约束的浅地层层位自动拾取方法。首先,根据回波序列对浅地层层位的峰谷响应,给出了基于灰度突变的层位预拾取方法;其次,基于连续原则,提出了层位追踪和滤波方法,实现了离散层位点连续化和异常点剔除;然后,顾及同层位ping序列相关性及层位方向,提出了基于方向约束的层位生长法,实现了间断层位连接;最后,在此基础上给出层位拾取流程,并借助实验进行了验证。

English Abstract

李邵波, 周丰年, 赵建虎, 冯杰. 联合灰度突变和方向约束的浅剖层位自动拾取[J]. 武汉大学学报 ● 信息科学版, 2019, 44(4): 532-538. doi: 10.13203/j.whugis20170131
引用本文: 李邵波, 周丰年, 赵建虎, 冯杰. 联合灰度突变和方向约束的浅剖层位自动拾取[J]. 武汉大学学报 ● 信息科学版, 2019, 44(4): 532-538. doi: 10.13203/j.whugis20170131
LI Shaobo, ZHOU Fengnian, ZHAO Jianhu, FENG Jie. Automatic Horizon Picking on Sub-bottom Profiles Combining Gray Scale Mutation and Direction Constraint[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4): 532-538. doi: 10.13203/j.whugis20170131
Citation: LI Shaobo, ZHOU Fengnian, ZHAO Jianhu, FENG Jie. Automatic Horizon Picking on Sub-bottom Profiles Combining Gray Scale Mutation and Direction Constraint[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4): 532-538. doi: 10.13203/j.whugis20170131
  • 浅地层剖面(sub-bottom profile,SBP)测量是一项获取海底浅表层地质结构分布的基础性工作,在沉积物形成及迁移分析、海底管线探测、航道疏浚等海洋科学和工程领域发挥着重要的作用[1-2],而SBP数据常借助浅地层剖面仪来获取。如何从SBP测量数据中拾取出准确的地质层位是一个重要的问题。层位是浅表层地质结构解译的基础,其准确性直接关系到沉积层地声学参数估计的准确性[3]

    目前层位拾取主要采用人工法和半自动法。人工法借助人工经验确定地质层位,效率低,且成果不唯一。半自动法基于波形特征自动跟踪层位,再结合人工选择种子点实现层位最终拾取[4]。相对人工法,半自动法提高了层位拾取效率,但存在复杂底质情况下种子点和阈值选取困难、层位拾取精度受阈值和人为因素影响显著、效率仍偏低等问题。

    近年来,许多学者在层位自动拾取方面开展了深入研究[5-9]。李鹏等[5]使用不同边缘检测算子对层位进行了拾取,但算法的抗噪性需改善,且拾取的层位横向分布不连续性问题突出;Maroni等[3]利用多分辨率分析实现了基于SBP测量数据的层位自动拾取,但仅依据局部信息处理间断层位,拾取的层位易受噪声影响。借助地震数据,许多学者基于图论开展了层位自动拾取方法研究。Hale和Emanuel[6]将规范图割方法用于地震层位数据处理;Lomask等[7]改进了图割方法,并对盐丘地震数据进行了处理。基于图论方法开展层位拾取需要大量计算,十分耗时,其应用受权重矩阵创建和特征向量计算两大瓶颈约束。此外,也有学者开展了基于机器学习算法的层位拾取方法研究。Amin等[8]基于边缘和纹理特征对盐丘边界进行了拾取;Deriche[9]比较了不同特征对盐丘层位拾取结果的影响,并给出了一种稳健的基于纹理属性的盐丘边界拾取方法,但这些方法在应对大量层位拾取工作时仍存在计算量过大的问题。

    在侧扫声呐图像目标信息提取方面也有相关学者开展了研究,比如基于马尔科夫模型的图像分割算法[10]、基于量子粒子群与水平集的图像分割算法[11]等。但由于侧扫声纳图像和浅剖图像在成图机理及所提取目标特征方面的差异,这些方法能否运用到浅剖图像处理中仍需要进一步研究。

    据此,本文提出一种利用灰度突变和层位方向约束的SBP层位自动拾取方法,首先介绍了SBP图像的形成及预处理;然后给出综合灰度突变和层位约束的层位自动拾取方法,包括基于灰度突变的层位拾取、层位追踪和滤波、层位方向计算及层位生长,并开展实验验证和分析。

    • 浅地层剖面仪测量时,换能器向海底发射声波穿透水层和地层,遇到各声阻抗差界面反射, 换能器接收携带地层结构信息的时序回波,完成1 ping测量[1]。将多个回波序列排列起来,横向为航行距离,纵向为深度,也即形成了浅剖图像(见图 1)。在形成浅剖图像时,需将回波信号的瞬时振幅值转换为0~255灰度级。瞬时振幅借助希尔伯特变换来获得[12]x(t)的希尔伯特变换结果为:

      $$ \hat x\left( t \right) = x\left( t \right) * \frac{1}{{{\rm{ \mathsf{ π} }}\mathit{t}}}{\rm{ = }}\frac{1}{{\rm{ \mathsf{ π} }}}\int_{ - \infty }^{ + \infty } {\frac{{x\left( \tau \right)}}{{t - \tau }}} {\rm{d}}\tau $$ (1)

      图  1  SBP剖面图

      Figure 1.  Sub-bottom Profile Image

      式中,*表示卷积。

      x(t)的解析信号为g(t),g(t)的振幅为A(t),即:

      $$ \left\{ \begin{array}{l} g\left( t \right) = x\left( t \right) + \mathrm{j} \hat x\left( t \right)\\ A\left( t \right) = \sqrt {{x^2}\left( t \right) + {{\hat x}^2}\left( t \right)} \end{array} \right. $$ (2)

      式中,x(t)为实信号; j为虚数单位;g(t)为解析信号,其振幅为A(t)。

      受复杂海洋环境噪声等影响,上述过程形成的SBP图像受噪声影响严重,给基于SBP图像的层位拾取带来较大不确定性,需予以消除。最大类间距离法基于灰度差异实现滤波[13],因此适合地质层位图像和噪声图像灰度差异明显的图像消噪。最大类间距离法是一种聚类方法,通过确定一个阈值,将图像分成两类,小于阈值的为类Ⅰ,而大于阈值的为类Ⅱ,且两类间距离最大,其灰度均值分别为μ1μ2

      $$ {\mu _1} = \frac{{{\rm{su}}{{\rm{m}}_{\rm{1}}}}}{{{\rm{nu}}{{\rm{m}}_{\rm{1}}}}}, {\mu _2} = \frac{{{\rm{su}}{{\rm{m}}_{\rm{2}}}}}{{{\rm{nu}}{{\rm{m}}_2}}} $$ (3)

      式中,num1和num2分别为类Ⅰ和类Ⅱ的像素数;对应的灰度和分别为sum1和sum2,则类间距离计算公式为:

      $$ {\rm{Dis = }}\left( {{\mu _2} - G} \right)\left( {G - {\mu _1}} \right)/{\left( {{\mu _2} - {\mu _1}} \right)^2} $$ (4)

      式中,Dis为类间距;G为给定的灰度值。改变式(4)中G从0到255,比较计算得到的Dis, 其中最大的Dis对应的G即为最终区分噪声和层位的阈值。消噪后开展层位拾取。

    • 本文给出的层位拾取方法包括基于灰度突变的层位预拾取、层位追踪及滤波,以及基于层位方向约束的层位生长3个主要步骤。层位拾取的流程如图 2所示。

      图  2  层位拾取流程图

      Figure 2.  Flowchart of Horizon Picking

    • 声波在声阻抗差异界面会发生强反射,声阻抗相近的介质内部因其并非严格各向同性而存在弱反射[14],所以声阻抗差异界面(即层位)反映在图像上即为具有边缘特征的高亮区,也即灰度突变区,因此可以考虑使用灰度突变法对层位进行预拾取[15]。对于1 ping时序数据,层位通过滑动统计窗口和阈值检测来发现。对于一个窗口,判断层位点的原则为:

      $$ G\left( m \right) - \mu > k\sigma , 接收, 否则, 拒绝 $$ (5)

      式中,μσ分别为窗口内采样点灰度的均值和标准差;k为给定常数,一般取值为1.5~3;G(m)为待判断点(窗口中心采样点)的灰度值。以上层位拾取中,统计窗口L的大小通过如下方法来确定。首先用60个采样长度作为窗口,利用式(5)完成整个1 ping时序中层位的预拾取;然后计算预拾取层位的平均厚度;最后用2倍的平均层厚度作为L。以一个采样点为步长,滑动遍历整个ping时序,实现对每个采样点的判断。对所有ping开展上述工作,完成所有层位点拾取。

    • 层位点是离散的,且受底质差异、残余噪声等影响,可能存在拾取错误,为此有必要对预拾取的层位开展追踪和滤波。层位在横向有较好的连续性,噪声产生的虚假层位有随机分布特点,因此层位长度可作为判别层位正确与否的依据[15]。基于连通思想,若一个层位点有其邻域则给予连通,否则将作为虚假层位剔除。层位追踪是在连通的基础上,将同一层位段上的点存入同一序列中,形成层位段数据序列。考虑层位分布特点,层位追踪和滤波遵循自左到右、自上而下的遍历顺序。具体过程和原则如下。

      1) 根据水深,从SBP图像中接近海底的一行开始自左到右遍历每个像素。

      2) 如果当前层位点左侧的3×3邻域内不存在层位点,即以该点作为起始点,设计3×3大小的模板用于发现起始层位点的邻域。

      (1) 若其右邻域不存在层位点,则该起始层位点为孤立点,应予以删除。继续向右侧遍历,直到发现新的层位点,并将之作为新的起始层位点。

      (2) 若其右邻域存在层位点,则将其右邻域层位点与起始层位点连接,记录在起始层位点所在的层位序列中,并作为新的起始层位点。

      3) 基于新的层位点,重复步骤2),直到完成该层位点连通和滤波。

      借助步骤2)和步骤3),开始新的一行遍历,直到完成所有行的层位点连通和滤波。

      长度小于横向分辨率的层位不能客观地反映底质和层位变化趋势[16],应予以滤除。统计所有连续层位长度,滤除长度小于横向分辨率的层位。图 3描述了层位追踪和滤波过程。

      图  3  层位追踪流程图

      Figure 3.  Flowchart of Horizon Tracking

    • 受测量时短时丢ping、依据横向分辨率的层位滤除方法等影响,§2.2中追踪算法仅能得到很多被间隙分隔的层位段,不能很好地反映地质结构的连续分布。为此,本文提出一种基于层位方向约束的层位生长法。该方法基于相邻ping同层层位对应回波序列有强相关性的特点[4],通过确定层位生长方向和生长点实现层位生长。具体过程如下。

      1) 层位方向的确定

      层位方向指地层的倾斜方向,反映了层位变化趋势。层位变化在图像中表现为灰度变化,可借助灰度梯度来确定。借助图像边缘检测算法可计算一个像素的横、纵向梯度比,以此确定灰度变化方向[17],但此方法易受噪声干扰。为此,给出一种七方向法。即在每一个不连续的层位点上,设计一个长条形方向模板。考虑到海底地层的渐变性,经大量实验,模板长度取值在60~80个像素较为合适;模板的宽度则由SBP图像上反射层的概略厚度给出。

      (1)以某个层位点为中心,对该模型开展如下7个旋转方向角$ \theta \left( {\frac{{6{\rm{ \mathsf{ π} }}}}{{16}}, \frac{{4{\rm{ \mathsf{ π} }}}}{{16}}, \frac{{2{\rm{ \mathsf{ π} }}}}{{16}}, 0, - \frac{{2{\rm{ \mathsf{ π} }}}}{{16}}, - \frac{{4{\rm{ \mathsf{ π} }}}}{{16}}, - \frac{{6{\rm{ \mathsf{ π} }}}}{{16}}} \right)$的旋转。

      (2) 分别以这些方向角构建如下旋转变换关系:

      $$ {\left[ {\begin{array}{*{20}{c}} i\\ j \end{array}} \right]_\theta } = \left[ {\begin{array}{*{20}{c}} {\cos \theta }&{\sin \theta }\\ { - \sin \theta }&{\cos \theta } \end{array}} \right]\left[ {\begin{array}{*{20}{c}} i\\ j \end{array}} \right] $$ (6)

      式中,(i, j)和(i, j)θ分别为旋转前、后模板上的点。综合该层位点在整个浅剖图像中的坐标以及旋转变换后模板上点的坐标,寻找原始图像中包含在变换后模板中的所有像素点,统计点数,并计算这些点灰度值的和及方差。

      (3) 比较所有模板的灰度和,寻找灰度和最大的模板方向a;比较所有模板的点数,寻找点数最大的模板方向b,层位方向借助如下原则来判断:①若ab相同,则对应的模板方向θ也即层位方向;②若不相同,则考虑两模板内灰度的方差,选择方差小的模板对应的方向θ为层位方向。

      由于模板有一定的长度和宽度,可能将上层或下层层位包含在模板中。若上下层层位回波强度过强,会导致基于单一灰度和方法确定的层位方向错误。考虑沿本层位延伸方向的回波点分布密集、点数较多,以及灰度分布均匀等特点,在基于灰度和最大原则基础上,附加点数最多和灰度变化方差最小原则,可实现层位方向的准确确定。图 4描述了层位方向确定。

      图  4  层位方向计算

      Figure 4.  Horizontal Direction Calculation

      2) 层位生长点确定

      层位生长点是由层位延伸点约束,借助同层位对应ping序列的相似性来确定的。

      (1) 延伸点确定。以一个层位段的右端点(x, y)为起点,计算其层位方向θ。按方向θ推算多个层位延伸点。考虑等间隔测量,第p个延伸点坐标(ie, je)为:

      $$ \left\{ \begin{array}{l} {i_e} = x - \left\lfloor {\;p\tan \theta } \;\right\rfloor \\ {j_e} = y + p \end{array} \right. $$ (7)

      式中,“ $\left\lfloor {\;\;\;} \right\rfloor $”表示向下取整。

      (2) 层位生长判断。在起始点对应的ping回波序列中,以起始点为中心,在其上下各选取m个回波点或像素点构成参考序列Am取值参考概略的层位厚度。以延伸点为中心,取其对应ping上下n (n>m)个像素点形成序列B。从B的起点开始,以一个像素为步长滑动A,每次滑动计算相关系数R。统计移动得到的相关系数,得到最大相关系数Rmax。如果Rmax>0.5(此时认为相关系数很大,具有强相关性[18]),则匹配段中心即为生长层位点位置,否则跳过该延伸点,基于下个延伸点确定生长点。如果仍低于阈值,则终止此次层位生长。如果生长层位点的3×3右邻域内存在其他已有层位段时,通过连通方法连接两者,同时终止层位生长。如果步骤未被终止,则以生长出的层位点作为起始点,重复步骤(2)。

      (3) 完成该批延伸点的层位生长判断后,将生长层位段的最后点作为起始点,重复步骤(1)和(2),直到完成该层位段的生长及所有段的连接。

      重复步骤(1)~(3),直至完成所有层位的生长和连接。

    • 为检验本文给出的层位综合拾取方法的有效性,在山东烟台某水域利用C-Boom浅地层剖面仪(声波中心频率为1.76 kHz,数据记录长度为90 ms)采集的数据开展层位拾取实验(图 5)。测区水深变化从8~30 m。测区设计了5条测线,测线间隔大约为125 m。测量时,船速为4~5节,ping间距约为0.5 m。期间还开展了钻孔取芯作业。对7个钻孔数据开展实验室分析,结果表明浅表层底质主要由淤泥质粉质粘土、粉质粘土、粉砂、泥岩等组成。测区测线和钻孔位置以及代表性钻孔柱状图如图 5所示。图 5中红色椭圆代表钻孔位置。为说明层位拾取过程,提取中央测线SBL_20120628_ 134859开展实验。首先计算测线数据的瞬时振幅,并将其转换为0~255灰度级并形成SBP图像。为凸显底质分布,将转换的SBP灰度图像表示为如图 6(a)所示的伪彩色。可以看出,图像受噪声影响严重,尤其是海床表层层位几乎淹没在噪声中。借助水深将水体和海面回波去除,采用最大类间距离阈值分割法和3×3模板的中值滤波滤除噪声(如图 6(b)所示)。从图 6(b)可以看出,SBP图像中的噪声得到了有效抑制,但也发现噪声在层位处仍较严重,导致部分层位比较模糊。分析认为,这种现象主要由于靠近层位的介质为非单一的、离散底质组成所致。对图 6(b)借助§2.1所述灰度突变法进行层位点预拾取。图 6(c)显示,拾取的层位点基本正确地反映了层位的变化趋势。图 6(c)中椭圆标记的部分是需要滤除的短层位。从图 6(c)中可以发现两个问题,一是层位点不连续,二是存在需要滤除的层位(图 6(c)中椭圆标注)。为获得正确、连续的层位,有必要对拾取的层位点借助§2.2所述的层位追踪和滤波方法处理。层位滤波以横向分辨率为阈值开展。取声速约为1 500 m/s,频率为1.76 kHz和双程旅时为45 ms(实验中平均深度为30 m),则横向分辨率约为3.71 m。根据数据记录坐标,ping间距约为0.5 m(图像中定义为1个像素),横向分辨率在图像上约为8个像素。图 6(d)显示了层位追踪和滤波结果。可以看出,虚假层位得到了有效滤除,获得了间断性连续层位。

      图  5  测区钻孔位置以及代表性钻孔柱状图

      Figure 5.  The Positions of Lines and Drills and the Representative Borehole

      图  6  原始剖面图及层位拾取过程

      Figure 6.  Original Profile and the Process of Horizon Picking Layers

      图 6(d)中层位存在频繁中断现象。该现象由测量中的ping丢失以及虚假层位点删除、孤立层位点删除和层位长度小于横向分辨率删除原则带来的层位分布空隙综合产生,会给后续地层属性分析带来困难。借助层位生长法对图 6(d)中的层位进行连接,结果如图 6(e)所示。在同地质层位中,小间隔中断的层位被很好地连接,大间隔中断依然保留,层位生长未出现错位现象。由于5个钻孔分布在实验测线上,因此将拾取的层位与钻孔数据进行比对,考虑钻孔分层误差、C-Boom收发分置的测量模式引起的层位测量误差等因素的综合影响,钻孔层位的厚度仅用作粗略参考。从图 6(e)中看出,比对结果整体良好,表明给出的基于层位方向约束、顾及同层位点对应序列相似性的层位段生长在机理上是正确的。采用类似方法对其他测线开展层位拾取,结果如图 7所示。为评估以上层位拾取结果的正确性,将部分人工拾取结果与之进行比对。本文选取了不需要过多人工经验干预即可手动拾取层位的区域参与比对,并作为另一个参考评估本文自动层位拾取结果的正确性。选取图 7中两个矩形区域B1B2,借助人工拾取法拾取层位。图 8列出了这两个区域的自动、人工拾取结果。可以看出,主要层位上二者拾取的结果一致。本文共比对人工、自动相应的主要层位点20 992个,最终结果显示本文方法拾取的层位点与人工拾取层位点的位置偏差均值为0.50个像素,标准差为2.43个像素。以上结果表明,本文方法相对钻孔层位和人工拾取层位,拾取的层位结果可信。

      图  7  测区测线拾取结果与钻孔数据比较

      Figure 7.  Horizons Picking Results

      图  8  部分自动拾取结果与人工拾取结果比较图

      Figure 8.  Some Automatic Picked Results Compared with the Results of Manual Picked

    • 本文提出的基于灰度突变和层位方向约束的层位综合拾取方法,消除了水体和层间噪声影响,考虑了ping回波序列与层位的响应特征(灰度突变)、层位的连续变化及近邻同地质层位ping回波序列的相似性,因此确保了拾取层位的正确性。对该方法开展了实验,拾取结果与钻孔数据、人工拾取数据的比对结果验证了其有效性。如何进一步提高提取层位的连续性,以及如何利用提取的层位来辅助完成底质分类任务,是本文后续工作需要解决的问题。

参考文献 (18)

目录

    /

    返回文章
    返回