杨瑞齐， 熊晓军*， 游来胜， 李良泉， 侯秋平

(1.成都理工大学 地球探测与信息技术教育部重点实验室，成都 610059；2.中国石油川庆钻探工程有限公司 地球物理勘探公司，成都 610213)



基于图像处理技术的裂缝预测应用研究

杨瑞齐1， 熊晓军1*， 游来胜2， 李良泉1， 侯秋平1

(1.成都理工大学 地球探测与信息技术教育部重点实验室，成都 610059；2.中国石油川庆钻探工程有限公司 地球物理勘探公司，成都 610213)

渤海某区的潜山为碳酸盐岩地层，储层非均质性较强，该潜山埋藏深，储集空间以裂缝、孔洞为主，地质情况复杂且钻井较少，常规相干技术或曲率属性分析技术可以很好地检测大尺度的裂缝发育带，但是对裂缝的精细刻画却无法做到。为此，作者基于图像处理技术，结合地震属性处理技术，针对研究区复杂的潜山裂缝进行了精细识别与刻画，为储层预测提供了依据。

边缘检测； 扩散滤波； 裂缝检测； 构造不连续

0 引言

裂缝预测是裂缝性储层油气开发中非常重要的环节，长期以来，前人提出并应用了很多的描述方法。裂缝的识别和检测以地震方法为主，而地震资料中的裂缝检测与图像处理技术的边缘检测本质上相似，图像的边缘通常是指图像灰度变化率最大的像素点综合[1]，而在地震数据中表现为数据的不连续特征，如断层或小断裂、河道砂边界、透镜体边缘、礁体以及特殊岩性体的轮廓等[2]。因此可以用边缘检测技术来进行裂缝的检测。

边缘检测技术在地震资料处理中的应用已有十几年的历史，很多学者对该技术的实际应用做了大量研究，Y.Luo[3]利用三维地震数据体进行边缘检测的研究；贺振华[4]以坎尼最佳边缘检测准则和小波变换的多分辨率分析为理论基础，对地层尖灭、透镜体、岩性变化和孔洞、裂缝发育带成功地进行了识别；黄捍东[5]基于IFS图像边缘检测理论，提出了地震分形边缘检测的思路和计算方法；孙夕平[2]利用图像处理中边缘检测理论研究了地震资料中的古河道和小断裂的成像；李红星[6]利用图像边缘检测技术进行地震剖面同相轴的自动检测研究；徐辉群[7]将边缘检测技术应用到了砂体边界识别中，唐世伟[8]对地震解释中的图像处理方法与技术进行了深刻的研究；孙永壮[9]对异常地质体的地震边缘检测技术进行了研究；熊晓军[10]发现了一种基于时间域广义Hilbert变换的三维地震资料快速边缘检测方法。

为此，作者在总结前人经验的基础上，结合实际研究区的地质概况，基于图像的处理技术，利用地震边缘检测技术，对研究区的裂缝进行精细的刻画和描述，对研究区实际应用效果进行分析，为后续储层预测工作提供指导。

1 方法原理

地震图像中的边缘是非常有意义的特征，如裂缝、缝洞、断层、小断裂、河道砂边界以及其他特殊岩性体的轮廓都表现为边缘特征。因此，可以利用某些边缘检测理论及其相应的检测方法来实现地质异常体的检测。基于图像处理的裂缝预测技术，其基础就是利用图像边缘检测技术[11]，其主要技术流程是：①对原始的地震资料进行保边去噪；②对去噪后数据进行构造不连续属性(SOD属性)提取；③再对该属性进行增强处理；④利用边缘检测技术，进行裂缝的检测(图1)。并将该属性应用到研究区实际资料中，对复杂的潜山碳酸盐岩裂缝进行了精细识别与刻画，对下一步裂缝油气藏勘探提供有利的证据。

图1 裂缝检测流程示意图Fig.1 Schematic diagram of the crack detection process

1.1 地震资料的保边去噪处理

地震图像边缘的检测受到噪音影响很大，去噪的效果直接影响到裂缝检测的质量。需要对原始地震数据进行过滤去噪处理，以提高地震数据的图像清晰度，同时提高资料的信噪比。目前主要滤波的方法有均值滤波、中值滤波、多窗口保边滤波、构造导向滤波、扩散滤波等，但由于单一的去噪方法不能同时去除不同类型的噪音，且图像边缘轮廓含有大量的高频信息，大多数单一滤波器的设计不能很好地保留边界信息而变得模糊。因此，需要通过各类方法组合去噪，保证更好的去噪效果。

首先，基于倾角控制的进行构造导向滤波去噪。它是通过获取地震图像的结构信息(倾角方位角或边界)，设计滤波器使得图像的纹理方向得到一致性增强，压制噪声，同时保持边界信息。该方法首先用复数道信息估算出倾向，并利用倾向信息对地震图像的不连续性进行检测，进而求取出倾向扩散因子和构造张量，最后用各向异性扩散算法对地震剖面进行平滑。该方法能有效地去除谐噪音、规则噪声，增强反射同相轴的连续性。

利用自适应各向异性扩散滤波对其进行再次处理，扩散滤波是一种保边去噪滤波器，通过利用结构张量的特征向量控制扩散方向，同时利用结构张量的特征值控制特征方向上的扩散量，实现对原始地震图像的平滑处理，增强具有一致性的同相轴及其所反映的重要地质结构，同时实现地震图像边缘信息的保护。处理中在地震资料局部结构特征分析的基础上，进行扩散参数的调整，从而实现边界信息完整性地保持和噪音最大限度地消除。扩散滤波对微小的、不连续的噪音很敏感，非常适合去除随机噪声，同时保留微小构造细节。然而，它也会将规则噪声视为有效信号。因此，需利用构造导向滤波去掉规则噪声的影响，再去除随机噪音。

1.2 裂缝属性的提取及增强处理

基于地震图像处理的裂缝预测技术，是将地震数据体划分为像素体元，结合构造向量属性及滤波手段进行分析，通过边缘检测算法检测断层和裂缝。因此，需要对去噪处理后的数据进行像素属性处理，生成属性体。

常见的边缘检测属性有：①构造相似性；②局部构造张量；③构造不连续性(SOD属性)。这里选用的是构造不连续性属性，该属性是基于构造导向对各单元的倾角和倾向的横向连续性及变化量进行统计分析，首先根据梯度结构张量算法，得到局部地层结构倾角和方位角信息，然后进行结构导向方差的求取，得到相关矩阵，再据局部结构熵算法[13]对去噪后地震数据体，求取每一点的熵值，熵值的大小就表示不连续性的强弱，即可得到构造不连续属性，相对前两种属性，其计算速度是较慢的，但该属性不仅可以描述大的断裂结构，而且能够较清晰地显示微小的不连续结构，其效果优于前两种属性，因此，此次选用构造不连续属性。

经过滤波处理后，断层分辨率和清晰度明显提高了，但一些断层表现出急剧尖锐的不连续性(微小断裂或低角度反射)，因此，为了提高断裂的连续性，必须对其进行增强[14]。增强过程通过设定X、Y、Z三个方向上的增强倍数并强调断层形态尖锐度来实现。小步长增强倍数适合突出小尺度，大步长增强倍数适合突出大尺度断裂。所以对不连续性属性需要选取不同方向合适倍数增强处理，使微小断裂等得以反映出来，同时也使得裂缝更加连续，尤其是大断裂会更加明显，既突出局部有显著变化的点，也提高了裂缝的连续性，进一步提升边缘检测裂缝的精度。

1.3 基于图像处理的裂缝检测技术

图像边缘检测原理是基于图像中两个不同灰度值区域之间存在边缘，利用边缘检测算法将其提取出来。基于图像处理的裂缝检测技术也是利用边缘检测算法检测断层和裂缝。目前，常用的检测算子有Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、Laplace算子、Log算子、Canny算子等[12]。

经过比较各算子之间的效果，此次选用Laplace算子，其优点是具有旋转不变性，经该算子处理的图像，有较清晰且连续的边缘[15]，其基本原理是以二阶微分为基础，通过计算二阶导数过零点来检测图像边缘，依次将模板与图像中的像素点卷积完成。

经过裂缝属性的增强处理后，断层裂缝信息特征被突出，利用边缘检测算子，在属性图识别出断层脊线，然后将其提取出形成断层面。

2 实例应用

研究区位于渤海某区的潜山地区，该潜山为碳酸盐岩地层，储集空间以裂缝空洞为主，非均质性较强，且潜山埋藏深，地质、地震资料情况复杂，且钻井较少(B1，B2)，图2为该潜山的顶面构造，图2中白色空白区域为主要大断裂，由实际地震资料和测井资料分析知，在研究区潜山储层发育层段，地震波的横向连续性、振幅能量及频率等都会发生特征变化，基于上述技术流程，将其应用于研究区域，据此对研究区潜山顶面层段的裂缝分布进行预测。

1)在三维数据体中提取倾角、方位角，利用构造导向滤波和扩散滤波去除随机噪声和结构噪声，从图3可以看出，相对于去噪前，去噪后的地震同相轴更加清晰，显示的地层图像得到增强，在红色框中，可以明显看到，去噪前后地层之间的差异。

2)对去噪后的地震数据进行不连续特征属性的提取(图4)，从图4可以看出，在黑色比较密集的地方，其值较大，代表该区域不连续性较强，其裂缝也较为发育，再对该属性进行增强处理(图5)，从图5可以看到，主要大断裂的分布非常清晰明显，呈现条带分布，与图2及图7所显示的断裂分布大致符合。

图2 研究区潜山顶面的构造图Fig.2 Tectonic map of the top surface of buried hill in the study area

3)利用边缘检测技术对研究区进行裂缝的检测，得到目的层内的裂缝分布情况(图6)，图6中黑色实线为检测出的裂缝，可见，基于边缘检测技术，对裂缝进行刻画得相当精细，且在主要大断裂带附近(图6中红色框中)，受断层影响，此处裂缝非常发育且连续，符合构造规律。再将其与地震相干属性检测裂缝的结果进行对比分析(图7)，由图7可知，地震相干技术也能较好的检测主要的断裂带，但是对于微小裂缝刻画较为模糊，且不容易分辨识别出来，而基于边缘检测技术，对裂缝进行检测，克服该缺点，对裂缝刻画的足够得精细。为了进一步验证检测出的裂缝可靠性和有效性，对实钻井B2在地震剖面(图8(a))上进行分析，从图8红色框中可以

图3 inline865组合去噪前后地震剖面的对比Fig.3 Comparison of seismic profiles before and after noise canceled(inline 865)(a)原始地震剖面；(b)组合去噪后的地震剖面；(c)去除的噪声

图4 目的层SOD属性平面图Fig.4 Floor plan of the SOD attribute of the destination layer

图5 对SOD属性增强后的结果Fig.5 The results of the SOD attribute after enhancement

图6 目的层基于边缘检测裂缝分布图Fig.6 Edge detection results of enhanced SOD attributes

图7 目的层本征值相干属性图Fig.7 Target layer intrinsic value coherence attribute graph

图8 过B2井inline1250剖面上裂缝检测结果Fig.8 Fracture test result of inline1250 in the B2 well(a)原始地震剖面;(b)裂缝检测效果剖面)

明显看出，波形发生明显的错段，且该处表现为弱振幅，而利用边缘检测到该处存在裂缝(图8(b))且从图8(b)也看出，在井周围检测的裂缝相当发育，经实际钻井岩性和测试结论标定，及地质资料分析知，该井周围有裂缝发育，检测到裂缝与其分析结果较为符合。

3 结论

1)基于图像的处理技术，利用地震边缘检测技术，提出了一套对裂缝进行精细刻画的技术流程。该流程能够快速直观地了解地下裂缝展布特征，为裂缝预测提供新的思路。

2)通过构造导向滤波和扩散滤波组合去噪，不仅去除了噪音的影响，提高资料的信噪比，同时保留了边界的特征，使得地震数据的图像更加清晰。

3)对去噪后的地震资料进行SOD属性提取和增强，突出局部有显著变化的特征，提高了裂缝的连续性。

4)利用边缘检测技术对增强属性进行检测，实现了对裂缝的精细刻画和描述，且结合钻井资料，验证其检测结果的有效性。后续也可结合其他地震属性，来对裂缝储层进行综合预测。

[1] 刘紫燕，祁佳.实时图像边缘检测形态学优化设计及FPGA实现[J].计算机技术与应用，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] 孙夕平，杜世通.边缘检测技术在河道和储层小断裂成像中的应用[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. 利用三维地震资料进行边缘检测和地层分析[J]. 国外地质勘探技术, 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] 贺振华，黄捍东，胡光岷，等.地下介质横向变化的地震多尺度边缘检测技术[J].物探化探计算技术，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，贺振华.图像边缘检测方法在薄地层识别中的应用[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] 李红星, 刘财, 陶春辉. 图像边缘检测方法在地震剖面同相轴自动检测中的应用研究[J]. 地球物理学进展, 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] 许辉群, 桂志先. 边缘检测技术砂体边界识别方法研究[J]. 石油天然气学报, 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] 唐世伟. 地震解释中的图像处理方法与技术研究[D]. 大庆:东北石油大学, 2011.

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

[9] 孙永壮. 异常地质体地震边缘检测技术研究[D]. 青岛：中国石油大学(华东), 2012.

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

[10]熊晓军. 基于时间域广义Hilbert变换的三维地震资料快速边缘检测方法[P].中国，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，李庆祥，李玉和．图像边缘检测方法研究综述[J]．光学技术，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]周艳辉, 高静怀. 局部结构熵算法在地震数据不连续性检测中的应用[J]. 煤田地质与勘探, 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] 冯明友, 张帆, 王兴志,等. 利用IPA技术精细识别裂缝——以柴达木盆地南翼山工区为例[J]. 地球物理学进展, 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]孙增国，韩崇昭.基于Laplacian算子的图像增强[J].计算机应用研究，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

国家自然科学基金项目(41274130)

杨瑞齐(1989-)，女，硕士，主要从事复杂裂缝储层预测研究，E-mail：740237223@qq.com。

*通信作者：熊晓军(1980-),男，副教授，主要从事岩石物理分析及油气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