利用纹理、张量与子空间学习在偏移后数据体中进行盐丘的噪声鲁棒检测与追踪
图像与视频处理
2018-12-31 v1
摘要
在偏移后地震数据体中识别盐丘边界对于定位油气储层十分重要。数据中噪声的存在使得计算机辅助盐丘解释更具挑战性。本文中，我们开发了噪声鲁棒算法，能够高效且有效地标注盐丘边界。我们的研究包含两方面。首先，我们利用基于纹理的梯度来完成盐丘检测。我们表明，通过采用基于二维（2D）离散傅里叶变换（DFT）的相异度度量，该算法能够以精度高效地检测盐丘边界。同时，我们的分析表明所提算法对噪声具有鲁棒性。一旦对初始 2D 地震剖面完成检测，我们提议通过数据体追踪初始边界，以借助避免参数调优（若对每一地震剖面都进行检测则必要）来实现高效标注过程。追踪过程涉及基于张量的子空间学习过程，其中我们使用来自不同地震剖面的块构建纹理张量。为适应纹理张量中不同水平的噪声分量，我们采用噪声调整主成分分析（NA-PCA），从而可选择对应更高信噪比值的主成分用于追踪。我们利用来自北海荷兰海上 F3 区块的地震数据集通过实验验证了我们的检测与追踪算法，取得了令人鼓舞的结果。
引用
@article{arxiv.1812.11109,
title = {Noise-robust detection and tracking of salt domes in postmigrated volumes using texture, tensors, and subspace learning},
author = {Zhen Wang and Tamir Hegazy and Zhiling Long and Ghassan AlRegib},
journal= {arXiv preprint arXiv:1812.11109},
year = {2018}
}