朱海东，雷英成，屈 勇 (地球探测与信息技术教育部重点实验室(成都理工大学)，四川 成都 610059)

基于神经网络的多属性分析在地震图像共同区域划分中的应用

朱海东，雷英成，屈 勇 (地球探测与信息技术教育部重点实验室(成都理工大学)，四川 成都 610059)

介绍了基于神经网络的多属性分析在地震图像的共同区域划分中的应用。首先优选并计算了能刻画地震图像复杂度的4种属性：纹理能量、纹理对比度、纹理随机性和纹理分形维属性，然后采用神经网络对具有统计学特征的纹理属性进行聚类分析，从而得到地震图像共同区域划分图。

神经网络；地震属性；地震图像

地震属性是由叠前或叠后地震数据经过数学变换而导出的有关地震波的几何形态、运动学特征、动力学特征和统计学特征的参数[1]。Gao等[2-6]把纹理属性用于地震图像刻画，并取得了很好的效果。West[7]最早把地震纹理属性进行神经网络聚类分析，并进行地震相的划分。近年来， Marcilio Castro de Matos等[8，9]运用较新的SOM神经网络进行地震纹理属性聚类分析，并进行地震相划分，得到了很好的效果。考虑到分形维等属性能很好地刻画地震图像，所以笔者采用了神经网络对4种纹理属性进行聚类分析，并将其运用于地震图像共同区域划分的研究工作中。

1 算法原理

算法原理如下：首先提取地震图像的纹理属性，包括纹理能量、纹理对比度、纹理随机性和纹理分形维共4种属性。其中前3种先计算地震图像的振幅共生矩阵，再在一次统计的基础上作二次统计，得到前3种属性，第4种属性为纹理分形分析而得到的，再采用神经网络把4种属性进行聚类。……