基于灰度共生矩陣提取地震紋理屬性的研究及影響因素分析

吳昊　陳華

摘 要：地層由于受到構造作用，地下流體作用的影響，會產生斷層和裂縫等一系列地質構造特征，這些構造特征會在三維地震資料中呈現出強弱不同的振幅，振幅在垂向地震剖面和橫向地層切片上的變化就形成了一種特殊的地震紋理特征，這些紋理特征所形成的不同區域代表了不同的地質構造。文章將利用灰度共生矩陣方法對地震資料中的紋理屬性進行提取，并對其影響因素進行分析。

關鍵詞：紋理；紋理屬性；灰度共生矩陣；灰度級數；提取窗口

1 概述

紋理作為圖形圖像的一項基本特征，通常指呈現在物體表面的凹凸不平的溝紋，它反映了物體表面的粗糙度，光滑度和起伏程度。對于紋理的定義不盡相同，普遍認為它是像素灰度按一定規律變化形成的，只有把圖像分割成若干區域才能對其紋理進行研究。同時由于自然界中的任何物體表面都會產生不盡相同的紋理，即具有不同的紋理特征，利用紋理的獨有性，我們可以通過不同物體所具有的不同的紋理特征來區分不同的圖像，從而將其應用于數字圖像處理、計算機圖形學、遙感影像、生物醫學，地球物理勘探等領域。

2 地震紋理屬性概述

地震數據中像元的反射振幅與波形在特定方向上會發生變化，地震資料中紋理的粗細直接或間接反映了不同地質構造所形成的反射振幅的強弱。隨著幾十年來油田勘探開發的深入，勘探對象已經從構造油氣藏轉向復雜油氣藏，傳統地震屬性對于斷距較小的小斷層、裂縫以及薄儲層的響應不明顯，而紋理屬性所具有的直觀性則可以為小型地質體的識別以及薄砂體儲層的預測提供一定的指導依據。

3 灰度共生矩陣原理

為了弄清不同的紋理集合所揭示的地質構造特征和地震相，我們需要對地震圖像進行紋理分割和紋理基元的合成。紋理屬性的提取是圖像分析中一項很重要也很具有難度的工作，不少中外學者對紋理屬性的提取方法進行了研究，目前，最廣為人們接受的是1993年Jain提出的四大類方法：統計分析方法、模型分析方法、結構分析方法、信號處理方法[1]。

灰度共生矩陣最早由Haralick于1973年提出，是描述紋理結構性質特征的基本函數。該方法是建立在估計圖像的二階組合條件概率密度基礎上，是反映圖像灰度變化的二階統計量。灰度共生矩陣是一個對稱矩陣，主要計算在θ方向上，距離為d的分別具有灰度值i和j的像素對的出現概率，矩陣的階數由圖像的灰度級數決定[2]。

對比度度量矩陣中值的分布情況和影像中局部變化的多少， 反映了影像的清晰度和紋理的粗細[4]。對比度高則圖像較清晰，紋理較細，易于分辨，反之則圖像模糊，看不出紋理。

4 基于灰度共生矩陣的地震紋理屬性的提取

在灰度共生矩陣理論基礎上，用相關軟件提取地震紋理屬性主要分為以下幾步。

4.1 灰度圖像提取

首先將多波段的影像（RGB影像）轉換為灰度圖像，紋理屬性作為一種結構屬性在RGB三個波段的影像上的反映是一樣的，所以我們只需任意選擇其中一種波段進行提取分析即可。

4.2 壓縮圖像灰度級

實際工作中接觸到的圖像多為256級，如果不壓縮灰度級，會使計算時間很長，數據浪費，因此需要大量壓縮灰度級，同時不能丟失圖像的紋理特征。因此，在計算灰度共生矩陣時，一般取8級或16級。

4.3 生成地震紋理圖像

我們按照選定好的窗口大小和提取步長，計算每個窗口的灰度共生矩陣，把得到的紋理特征值賦值給該窗口中心點，作為該處最終紋理特征值，然后窗口移動一個步長后繼續計算新的灰度共生矩陣，再把值賦給新的窗口中心點[4]，以此循環，分別按相同步長從四個角度分別計算完灰度共生矩陣后，求特征值的平均值，這時整個圖像就會轉換成紋理特征矩陣，最后把紋理特征矩陣轉為紋理特征圖像。

5 地震紋理屬性影響因素分析

影響地震紋理屬性提取的因素很多，包括灰度級數、提取窗口、步長、角度以及地震資料的質量等等。本文只選取灰度級數和提取窗口這兩個主要影響因素進行研究。

5.1 提取窗口因素的影響

以塔里木X9井區為例，X9井區位于塔里木盆地塔中隆起帶中順托果勒低隆起構造單元內。研究區志留系構造總體上表現為南高北低的單斜，為海侵背景下發育的退積疊置沉積。

我們通過相關軟件截取該區的一個地震振幅屬性切片，圖中劃線區域為呈現高振幅能量的河道（圖1），選取RGB圖像的R波段，設定窗口大小分別為3*3，7*7和15*15，步長為1，灰度級數16，對該切片中角二階矩、熵、對比度和均質性四種紋理特征進行提取，以均質性為例（圖2-圖4）

可以看出，隨著提取窗口的增大，圖像清晰度逐漸降低，紋理細節丟失，當窗口為15*15時，圖像中振幅能量較高的河道區域邊界變得模糊，河道內部細節減少了，而用3*3和7*7的窗口尺寸提取的紋理特征細節相對清晰，邊界識別較好，但當圖像較大時，盡管小窗口尺寸提取紋理可以保留更多的紋理信息，但是計算量會呈指數增長，因此，實際應用中遵循的原則是提取窗口大小不大于圖像大小的一半。

5.2 灰度級數的影響

同樣以X9區該地震振幅切片為例，我們設定窗口大小為7*7，步長為1，選取波段為R波段，把圖像灰度級分別壓縮為16級，32級和64級，分別對應圖5到圖7三個不同灰度級下的熵的紋理特征圖像。

壓縮灰度級是進行地震紋理屬性分析的一個必要步驟，如何在大量降低灰度級的同時保留更多的地質信息是我們必須考慮的因素，對于熵可以看出灰度級16的圖像擁有更多的紋理細節，地質信息較豐富。隨著灰度級的增大，圖像的河道邊界變模糊，個別小的構造帶區分不明顯。一般我們的建議是把灰度級壓縮到8或者16較為合適。

6 結束語

6.1 相比于其他地震屬性，地震紋理屬性的應用較晚，但是它在區分小構造單元以及劃分地震沉積相上具有更大的優勢，目前在碎屑巖儲層預測上應用較多，而在碳酸鹽巖上則有待發展，因此它的前景十分廣闊。

6.2 灰度共生矩陣是目前進行紋理屬性研究最廣泛的一種方法，除此之外的小波變換，Gabor濾波，Fourier變換等同樣可以進行紋理屬性的提取分析，所以需要根據具體情況選擇最合適的方法。

6.3 紋理提取窗口和灰度級數的選取對提取紋理屬性的好壞至關重要，通過分析發現選取較小的灰度級數有利于熵和角二階矩的提取，而提取對比度和均質性則需要選取較大的灰度級數。

參考文獻

[1]李勝軍，高建虎，張軍舵，等.體紋理屬性提取技術研究及應用[J].地球物理學進展，2013，28（3）：1563-1569.

[2]劉麗，匡綱要.圖像紋理特征提取方法綜述[J].中國圖象圖形學報，2009，14（4）.

[3]王治國，尹成，雷小蘭，等.河道紋理屬性分析中的灰度共生矩陣參數研究[J].石油地球物理勘探，2012，47（1）：100-106.

[4]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測繪，2007，3.endprint

摘 要：地層由于受到構造作用，地下流體作用的影響，會產生斷層和裂縫等一系列地質構造特征，這些構造特征會在三維地震資料中呈現出強弱不同的振幅，振幅在垂向地震剖面和橫向地層切片上的變化就形成了一種特殊的地震紋理特征，這些紋理特征所形成的不同區域代表了不同的地質構造。文章將利用灰度共生矩陣方法對地震資料中的紋理屬性進行提取，并對其影響因素進行分析。

關鍵詞：紋理；紋理屬性；灰度共生矩陣；灰度級數；提取窗口

1 概述

紋理作為圖形圖像的一項基本特征，通常指呈現在物體表面的凹凸不平的溝紋，它反映了物體表面的粗糙度，光滑度和起伏程度。對于紋理的定義不盡相同，普遍認為它是像素灰度按一定規律變化形成的，只有把圖像分割成若干區域才能對其紋理進行研究。同時由于自然界中的任何物體表面都會產生不盡相同的紋理，即具有不同的紋理特征，利用紋理的獨有性，我們可以通過不同物體所具有的不同的紋理特征來區分不同的圖像，從而將其應用于數字圖像處理、計算機圖形學、遙感影像、生物醫學，地球物理勘探等領域。

2 地震紋理屬性概述

地震數據中像元的反射振幅與波形在特定方向上會發生變化，地震資料中紋理的粗細直接或間接反映了不同地質構造所形成的反射振幅的強弱。隨著幾十年來油田勘探開發的深入，勘探對象已經從構造油氣藏轉向復雜油氣藏，傳統地震屬性對于斷距較小的小斷層、裂縫以及薄儲層的響應不明顯，而紋理屬性所具有的直觀性則可以為小型地質體的識別以及薄砂體儲層的預測提供一定的指導依據。

3 灰度共生矩陣原理

為了弄清不同的紋理集合所揭示的地質構造特征和地震相，我們需要對地震圖像進行紋理分割和紋理基元的合成。紋理屬性的提取是圖像分析中一項很重要也很具有難度的工作，不少中外學者對紋理屬性的提取方法進行了研究，目前，最廣為人們接受的是1993年Jain提出的四大類方法：統計分析方法、模型分析方法、結構分析方法、信號處理方法[1]。

灰度共生矩陣最早由Haralick于1973年提出，是描述紋理結構性質特征的基本函數。該方法是建立在估計圖像的二階組合條件概率密度基礎上，是反映圖像灰度變化的二階統計量。灰度共生矩陣是一個對稱矩陣，主要計算在θ方向上，距離為d的分別具有灰度值i和j的像素對的出現概率，矩陣的階數由圖像的灰度級數決定[2]。

對比度度量矩陣中值的分布情況和影像中局部變化的多少， 反映了影像的清晰度和紋理的粗細[4]。對比度高則圖像較清晰，紋理較細，易于分辨，反之則圖像模糊，看不出紋理。

4 基于灰度共生矩陣的地震紋理屬性的提取

在灰度共生矩陣理論基礎上，用相關軟件提取地震紋理屬性主要分為以下幾步。

4.1 灰度圖像提取

首先將多波段的影像（RGB影像）轉換為灰度圖像，紋理屬性作為一種結構屬性在RGB三個波段的影像上的反映是一樣的，所以我們只需任意選擇其中一種波段進行提取分析即可。

4.2 壓縮圖像灰度級

實際工作中接觸到的圖像多為256級，如果不壓縮灰度級，會使計算時間很長，數據浪費，因此需要大量壓縮灰度級，同時不能丟失圖像的紋理特征。因此，在計算灰度共生矩陣時，一般取8級或16級。

4.3 生成地震紋理圖像

我們按照選定好的窗口大小和提取步長，計算每個窗口的灰度共生矩陣，把得到的紋理特征值賦值給該窗口中心點，作為該處最終紋理特征值，然后窗口移動一個步長后繼續計算新的灰度共生矩陣，再把值賦給新的窗口中心點[4]，以此循環，分別按相同步長從四個角度分別計算完灰度共生矩陣后，求特征值的平均值，這時整個圖像就會轉換成紋理特征矩陣，最后把紋理特征矩陣轉為紋理特征圖像。

5 地震紋理屬性影響因素分析

影響地震紋理屬性提取的因素很多，包括灰度級數、提取窗口、步長、角度以及地震資料的質量等等。本文只選取灰度級數和提取窗口這兩個主要影響因素進行研究。

5.1 提取窗口因素的影響

以塔里木X9井區為例，X9井區位于塔里木盆地塔中隆起帶中順托果勒低隆起構造單元內。研究區志留系構造總體上表現為南高北低的單斜，為海侵背景下發育的退積疊置沉積。

我們通過相關軟件截取該區的一個地震振幅屬性切片，圖中劃線區域為呈現高振幅能量的河道（圖1），選取RGB圖像的R波段，設定窗口大小分別為3*3，7*7和15*15，步長為1，灰度級數16，對該切片中角二階矩、熵、對比度和均質性四種紋理特征進行提取，以均質性為例（圖2-圖4）

可以看出，隨著提取窗口的增大，圖像清晰度逐漸降低，紋理細節丟失，當窗口為15*15時，圖像中振幅能量較高的河道區域邊界變得模糊，河道內部細節減少了，而用3*3和7*7的窗口尺寸提取的紋理特征細節相對清晰，邊界識別較好，但當圖像較大時，盡管小窗口尺寸提取紋理可以保留更多的紋理信息，但是計算量會呈指數增長，因此，實際應用中遵循的原則是提取窗口大小不大于圖像大小的一半。

5.2 灰度級數的影響

同樣以X9區該地震振幅切片為例，我們設定窗口大小為7*7，步長為1，選取波段為R波段，把圖像灰度級分別壓縮為16級，32級和64級，分別對應圖5到圖7三個不同灰度級下的熵的紋理特征圖像。

壓縮灰度級是進行地震紋理屬性分析的一個必要步驟，如何在大量降低灰度級的同時保留更多的地質信息是我們必須考慮的因素，對于熵可以看出灰度級16的圖像擁有更多的紋理細節，地質信息較豐富。隨著灰度級的增大，圖像的河道邊界變模糊，個別小的構造帶區分不明顯。一般我們的建議是把灰度級壓縮到8或者16較為合適。

6 結束語

6.1 相比于其他地震屬性，地震紋理屬性的應用較晚，但是它在區分小構造單元以及劃分地震沉積相上具有更大的優勢，目前在碎屑巖儲層預測上應用較多，而在碳酸鹽巖上則有待發展，因此它的前景十分廣闊。

6.2 灰度共生矩陣是目前進行紋理屬性研究最廣泛的一種方法，除此之外的小波變換，Gabor濾波，Fourier變換等同樣可以進行紋理屬性的提取分析，所以需要根據具體情況選擇最合適的方法。

6.3 紋理提取窗口和灰度級數的選取對提取紋理屬性的好壞至關重要，通過分析發現選取較小的灰度級數有利于熵和角二階矩的提取，而提取對比度和均質性則需要選取較大的灰度級數。

參考文獻

[1]李勝軍，高建虎，張軍舵，等.體紋理屬性提取技術研究及應用[J].地球物理學進展，2013，28（3）：1563-1569.

[2]劉麗，匡綱要.圖像紋理特征提取方法綜述[J].中國圖象圖形學報，2009，14（4）.

[3]王治國，尹成，雷小蘭，等.河道紋理屬性分析中的灰度共生矩陣參數研究[J].石油地球物理勘探，2012，47（1）：100-106.

[4]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測繪，2007，3.endprint

摘 要：地層由于受到構造作用，地下流體作用的影響，會產生斷層和裂縫等一系列地質構造特征，這些構造特征會在三維地震資料中呈現出強弱不同的振幅，振幅在垂向地震剖面和橫向地層切片上的變化就形成了一種特殊的地震紋理特征，這些紋理特征所形成的不同區域代表了不同的地質構造。文章將利用灰度共生矩陣方法對地震資料中的紋理屬性進行提取，并對其影響因素進行分析。

關鍵詞：紋理；紋理屬性；灰度共生矩陣；灰度級數；提取窗口

1 概述

紋理作為圖形圖像的一項基本特征，通常指呈現在物體表面的凹凸不平的溝紋，它反映了物體表面的粗糙度，光滑度和起伏程度。對于紋理的定義不盡相同，普遍認為它是像素灰度按一定規律變化形成的，只有把圖像分割成若干區域才能對其紋理進行研究。同時由于自然界中的任何物體表面都會產生不盡相同的紋理，即具有不同的紋理特征，利用紋理的獨有性，我們可以通過不同物體所具有的不同的紋理特征來區分不同的圖像，從而將其應用于數字圖像處理、計算機圖形學、遙感影像、生物醫學，地球物理勘探等領域。

2 地震紋理屬性概述

地震數據中像元的反射振幅與波形在特定方向上會發生變化，地震資料中紋理的粗細直接或間接反映了不同地質構造所形成的反射振幅的強弱。隨著幾十年來油田勘探開發的深入，勘探對象已經從構造油氣藏轉向復雜油氣藏，傳統地震屬性對于斷距較小的小斷層、裂縫以及薄儲層的響應不明顯，而紋理屬性所具有的直觀性則可以為小型地質體的識別以及薄砂體儲層的預測提供一定的指導依據。

3 灰度共生矩陣原理

為了弄清不同的紋理集合所揭示的地質構造特征和地震相，我們需要對地震圖像進行紋理分割和紋理基元的合成。紋理屬性的提取是圖像分析中一項很重要也很具有難度的工作，不少中外學者對紋理屬性的提取方法進行了研究，目前，最廣為人們接受的是1993年Jain提出的四大類方法：統計分析方法、模型分析方法、結構分析方法、信號處理方法[1]。

灰度共生矩陣最早由Haralick于1973年提出，是描述紋理結構性質特征的基本函數。該方法是建立在估計圖像的二階組合條件概率密度基礎上，是反映圖像灰度變化的二階統計量。灰度共生矩陣是一個對稱矩陣，主要計算在θ方向上，距離為d的分別具有灰度值i和j的像素對的出現概率，矩陣的階數由圖像的灰度級數決定[2]。

對比度度量矩陣中值的分布情況和影像中局部變化的多少， 反映了影像的清晰度和紋理的粗細[4]。對比度高則圖像較清晰，紋理較細，易于分辨，反之則圖像模糊，看不出紋理。

4 基于灰度共生矩陣的地震紋理屬性的提取

在灰度共生矩陣理論基礎上，用相關軟件提取地震紋理屬性主要分為以下幾步。

4.1 灰度圖像提取

首先將多波段的影像（RGB影像）轉換為灰度圖像，紋理屬性作為一種結構屬性在RGB三個波段的影像上的反映是一樣的，所以我們只需任意選擇其中一種波段進行提取分析即可。

4.2 壓縮圖像灰度級

實際工作中接觸到的圖像多為256級，如果不壓縮灰度級，會使計算時間很長，數據浪費，因此需要大量壓縮灰度級，同時不能丟失圖像的紋理特征。因此，在計算灰度共生矩陣時，一般取8級或16級。

4.3 生成地震紋理圖像

我們按照選定好的窗口大小和提取步長，計算每個窗口的灰度共生矩陣，把得到的紋理特征值賦值給該窗口中心點，作為該處最終紋理特征值，然后窗口移動一個步長后繼續計算新的灰度共生矩陣，再把值賦給新的窗口中心點[4]，以此循環，分別按相同步長從四個角度分別計算完灰度共生矩陣后，求特征值的平均值，這時整個圖像就會轉換成紋理特征矩陣，最后把紋理特征矩陣轉為紋理特征圖像。

5 地震紋理屬性影響因素分析

影響地震紋理屬性提取的因素很多，包括灰度級數、提取窗口、步長、角度以及地震資料的質量等等。本文只選取灰度級數和提取窗口這兩個主要影響因素進行研究。

5.1 提取窗口因素的影響

以塔里木X9井區為例，X9井區位于塔里木盆地塔中隆起帶中順托果勒低隆起構造單元內。研究區志留系構造總體上表現為南高北低的單斜，為海侵背景下發育的退積疊置沉積。

我們通過相關軟件截取該區的一個地震振幅屬性切片，圖中劃線區域為呈現高振幅能量的河道（圖1），選取RGB圖像的R波段，設定窗口大小分別為3*3，7*7和15*15，步長為1，灰度級數16，對該切片中角二階矩、熵、對比度和均質性四種紋理特征進行提取，以均質性為例（圖2-圖4）

可以看出，隨著提取窗口的增大，圖像清晰度逐漸降低，紋理細節丟失，當窗口為15*15時，圖像中振幅能量較高的河道區域邊界變得模糊，河道內部細節減少了，而用3*3和7*7的窗口尺寸提取的紋理特征細節相對清晰，邊界識別較好，但當圖像較大時，盡管小窗口尺寸提取紋理可以保留更多的紋理信息，但是計算量會呈指數增長，因此，實際應用中遵循的原則是提取窗口大小不大于圖像大小的一半。

5.2 灰度級數的影響

同樣以X9區該地震振幅切片為例，我們設定窗口大小為7*7，步長為1，選取波段為R波段，把圖像灰度級分別壓縮為16級，32級和64級，分別對應圖5到圖7三個不同灰度級下的熵的紋理特征圖像。

壓縮灰度級是進行地震紋理屬性分析的一個必要步驟，如何在大量降低灰度級的同時保留更多的地質信息是我們必須考慮的因素，對于熵可以看出灰度級16的圖像擁有更多的紋理細節，地質信息較豐富。隨著灰度級的增大，圖像的河道邊界變模糊，個別小的構造帶區分不明顯。一般我們的建議是把灰度級壓縮到8或者16較為合適。

6 結束語

6.1 相比于其他地震屬性，地震紋理屬性的應用較晚，但是它在區分小構造單元以及劃分地震沉積相上具有更大的優勢，目前在碎屑巖儲層預測上應用較多，而在碳酸鹽巖上則有待發展，因此它的前景十分廣闊。

6.2 灰度共生矩陣是目前進行紋理屬性研究最廣泛的一種方法，除此之外的小波變換，Gabor濾波，Fourier變換等同樣可以進行紋理屬性的提取分析，所以需要根據具體情況選擇最合適的方法。

6.3 紋理提取窗口和灰度級數的選取對提取紋理屬性的好壞至關重要，通過分析發現選取較小的灰度級數有利于熵和角二階矩的提取，而提取對比度和均質性則需要選取較大的灰度級數。

參考文獻

[1]李勝軍，高建虎，張軍舵，等.體紋理屬性提取技術研究及應用[J].地球物理學進展，2013，28（3）：1563-1569.

[2]劉麗，匡綱要.圖像紋理特征提取方法綜述[J].中國圖象圖形學報，2009，14（4）.

[3]王治國，尹成，雷小蘭，等.河道紋理屬性分析中的灰度共生矩陣參數研究[J].石油地球物理勘探，2012，47（1）：100-106.

[4]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測繪，2007，3.endprint