基于张量投票的地震不连续特征增强方法

崔晓庆 黄旭日 杨 剑 张 栋 陈小春 李 凯

(西南石油大学地球科学与技术学院，四川成都 610500)

0 引言

随着油气勘探开发需求的提高，尤其是在剩余油的挖潜方面，需要精细刻画多级次断裂、渗流屏障等不连续性特征。

近几年来，针对如何在地震数据中精确识别隐含的不连续性特征这一问题，地球物理学家开展了大量的研究工作。1999年，Gersztenkorn等[1]提出基于本征结构的C3算法，实现了在含噪数据中的不连续性特征识别，但这容易受地层倾角影响，并且计算量较大[2-3]。2000年，Randen等[4]提出三维纹理属性，如倾角、方位角和混沌纹理属性等，用于相干体难以识别的小断层、小构造。2003年，Pedersen等[5]开发蚂蚁追踪算法，实现了地震数据体中不连续信息的自动识别。2005年，Jacquemin等[6]应用双霍夫变换方法实现了断层自动提取。2018年，代荣获等[7]提出一种自适应的边缘保持平滑滤波(AEPS)方法，该方法兼顾了噪声压制和地质信息的有效保留。同年，梯度结构张量(GST)算法得到广泛应用，王研博[8]采用Sobel算子、Canny算子和GST算法在地震图像中提取地层边界及断层、褶皱等；周钰邦等[9]针对非常规油藏的裂缝精细识别和碳酸盐岩等复杂储层预测进行了GST算法研究；崔正伟等[10]结合构造导向滤波与GST相干技术，实现了储层裂缝的精细识别；刘宏杰等[11]利用GST算法改进拉普拉斯滤波的随机噪声压制方法，提高了地质体边缘特征细节和断层成像精度。2019年，刘艺璇等[12]提出多窗口最小峰态约束的多步中值滤波技术，在有效压制随机噪声的同时最大程度地保留了地震不连续性特征。……