基于灰度共生矩阵提取地震纹理属性的研究及影响因素分析

吴昊　陈华

摘 要：地层由于受到构造作用，地下流体作用的影响，会产生断层和裂缝等一系列地质构造特征，这些构造特征会在三维地震资料中呈现出强弱不同的振幅，振幅在垂向地震剖面和横向地层切片上的变化就形成了一种特殊的地震纹理特征，这些纹理特征所形成的不同区域代表了不同的地质构造。文章将利用灰度共生矩阵方法对地震资料中的纹理属性进行提取，并对其影响因素进行分析。

关键词：纹理；纹理属性；灰度共生矩阵；灰度级数；提取窗口

1 概述

纹理作为图形图像的一项基本特征，通常指呈现在物体表面的凹凸不平的沟纹，它反映了物体表面的粗糙度，光滑度和起伏程度。对于纹理的定义不尽相同，普遍认为它是像素灰度按一定规律变化形成的，只有把图像分割成若干区域才能对其纹理进行研究。同时由于自然界中的任何物体表面都会产生不尽相同的纹理，即具有不同的纹理特征，利用纹理的独有性，我们可以通过不同物体所具有的不同的纹理特征来区分不同的图像，从而将其应用于数字图像处理、计算机图形学、遥感影像、生物医学，地球物理勘探等领域。

2 地震纹理属性概述

地震数据中像元的反射振幅与波形在特定方向上会发生变化，地震资料中纹理的粗细直接或间接反映了不同地质构造所形成的反射振幅的强弱。随着几十年来油田勘探开发的深入，勘探对象已经从构造油气藏转向复杂油气藏，传统地震属性对于断距较小的小断层、裂缝以及薄储层的响应不明显，而纹理属性所具有的直观性则可以为小型地质体的识别以及薄砂体储层的预测提供一定的指导依据。

3 灰度共生矩阵原理

为了弄清不同的纹理集合所揭示的地质构造特征和地震相，我们需要对地震图像进行纹理分割和纹理基元的合成。纹理属性的提取是图像分析中一项很重要也很具有难度的工作，不少中外学者对纹理属性的提取方法进行了研究，目前，最广为人们接受的是1993年Jain提出的四大类方法：统计分析方法、模型分析方法、结构分析方法、信号处理方法[1]。

灰度共生矩阵最早由Haralick于1973年提出，是描述纹理结构性质特征的基本函数。该方法是建立在估计图像的二阶组合条件概率密度基础上，是反映图像灰度变化的二阶统计量。灰度共生矩阵是一个对称矩阵，主要计算在θ方向上，距离为d的分别具有灰度值i和j的像素对的出现概率，矩阵的阶数由图像的灰度级数决定[2]。

对比度度量矩阵中值的分布情况和影像中局部变化的多少， 反映了影像的清晰度和纹理的粗细[4]。对比度高则图像较清晰，纹理较细，易于分辨，反之则图像模糊，看不出纹理。

4 基于灰度共生矩阵的地震纹理属性的提取

在灰度共生矩阵理论基础上，用相关软件提取地震纹理属性主要分为以下几步。

4.1 灰度图像提取

首先将多波段的影像（RGB影像）转换为灰度图像，纹理属性作为一种结构属性在RGB三个波段的影像上的反映是一样的，所以我们只需任意选择其中一种波段进行提取分析即可。

4.2 压缩图像灰度级

实际工作中接触到的图像多为256级，如果不压缩灰度级，会使计算时间很长，数据浪费，因此需要大量压缩灰度级，同时不能丢失图像的纹理特征。因此，在计算灰度共生矩阵时，一般取8级或16级。

4.3 生成地震纹理图像

我们按照选定好的窗口大小和提取步长，计算每个窗口的灰度共生矩阵，把得到的纹理特征值赋值给该窗口中心点，作为该处最终纹理特征值，然后窗口移动一个步长后继续计算新的灰度共生矩阵，再把值赋给新的窗口中心点[4]，以此循环，分别按相同步长从四个角度分别计算完灰度共生矩阵后，求特征值的平均值，这时整个图像就会转换成纹理特征矩阵，最后把纹理特征矩阵转为纹理特征图像。

5 地震纹理属性影响因素分析

影响地震纹理属性提取的因素很多，包括灰度级数、提取窗口、步长、角度以及地震资料的质量等等。本文只选取灰度级数和提取窗口这两个主要影响因素进行研究。

5.1 提取窗口因素的影响

以塔里木X9井区为例，X9井区位于塔里木盆地塔中隆起带中顺托果勒低隆起构造单元内。研究区志留系构造总体上表现为南高北低的单斜，为海侵背景下发育的退积叠置沉积。

我们通过相关软件截取该区的一个地震振幅属性切片，图中划线区域为呈现高振幅能量的河道（图1），选取RGB图像的R波段，设定窗口大小分别为3*3，7*7和15*15，步长为1，灰度级数16，对该切片中角二阶矩、熵、对比度和均质性四种纹理特征进行提取，以均质性为例（图2-图4）

可以看出，随着提取窗口的增大，图像清晰度逐渐降低，纹理细节丢失，当窗口为15*15时，图像中振幅能量较高的河道区域边界变得模糊，河道内部细节减少了，而用3*3和7*7的窗口尺寸提取的纹理特征细节相对清晰，边界识别较好，但当图像较大时，尽管小窗口尺寸提取纹理可以保留更多的纹理信息，但是计算量会呈指数增长，因此，实际应用中遵循的原则是提取窗口大小不大于图像大小的一半。

5.2 灰度级数的影响

同样以X9区该地震振幅切片为例，我们设定窗口大小为7*7，步长为1，选取波段为R波段，把图像灰度级分别压缩为16级，32级和64级，分别对应图5到图7三个不同灰度级下的熵的纹理特征图像。

压缩灰度级是进行地震纹理属性分析的一个必要步骤，如何在大量降低灰度级的同时保留更多的地质信息是我们必须考虑的因素，对于熵可以看出灰度级16的图像拥有更多的纹理细节，地质信息较丰富。随着灰度级的增大，图像的河道边界变模糊，个别小的构造带区分不明显。一般我们的建议是把灰度级压缩到8或者16较为合适。

6 结束语

6.1 相比于其他地震属性，地震纹理属性的应用较晚，但是它在区分小构造单元以及划分地震沉积相上具有更大的优势，目前在碎屑岩储层预测上应用较多，而在碳酸盐岩上则有待发展，因此它的前景十分广阔。

6.2 灰度共生矩阵是目前进行纹理属性研究最广泛的一种方法，除此之外的小波变换，Gabor滤波，Fourier变换等同样可以进行纹理属性的提取分析，所以需要根据具体情况选择最合适的方法。

6.3 纹理提取窗口和灰度级数的选取对提取纹理属性的好坏至关重要，通过分析发现选取较小的灰度级数有利于熵和角二阶矩的提取，而提取对比度和均质性则需要选取较大的灰度级数。

参考文献

[1]李胜军，高建虎，张军舵，等.体纹理属性提取技术研究及应用[J].地球物理学进展，2013，28（3）：1563-1569.

[2]刘丽，匡纲要.图像纹理特征提取方法综述[J].中国图象图形学报，2009，14（4）.

[3]王治国，尹成，雷小兰，等.河道纹理属性分析中的灰度共生矩阵参数研究[J].石油地球物理勘探，2012，47（1）：100-106.

[4]冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图像的研究[J].北京测绘，2007，3.endprint

摘 要：地层由于受到构造作用，地下流体作用的影响，会产生断层和裂缝等一系列地质构造特征，这些构造特征会在三维地震资料中呈现出强弱不同的振幅，振幅在垂向地震剖面和横向地层切片上的变化就形成了一种特殊的地震纹理特征，这些纹理特征所形成的不同区域代表了不同的地质构造。文章将利用灰度共生矩阵方法对地震资料中的纹理属性进行提取，并对其影响因素进行分析。

关键词：纹理；纹理属性；灰度共生矩阵；灰度级数；提取窗口

1 概述

纹理作为图形图像的一项基本特征，通常指呈现在物体表面的凹凸不平的沟纹，它反映了物体表面的粗糙度，光滑度和起伏程度。对于纹理的定义不尽相同，普遍认为它是像素灰度按一定规律变化形成的，只有把图像分割成若干区域才能对其纹理进行研究。同时由于自然界中的任何物体表面都会产生不尽相同的纹理，即具有不同的纹理特征，利用纹理的独有性，我们可以通过不同物体所具有的不同的纹理特征来区分不同的图像，从而将其应用于数字图像处理、计算机图形学、遥感影像、生物医学，地球物理勘探等领域。

2 地震纹理属性概述

地震数据中像元的反射振幅与波形在特定方向上会发生变化，地震资料中纹理的粗细直接或间接反映了不同地质构造所形成的反射振幅的强弱。随着几十年来油田勘探开发的深入，勘探对象已经从构造油气藏转向复杂油气藏，传统地震属性对于断距较小的小断层、裂缝以及薄储层的响应不明显，而纹理属性所具有的直观性则可以为小型地质体的识别以及薄砂体储层的预测提供一定的指导依据。

3 灰度共生矩阵原理

为了弄清不同的纹理集合所揭示的地质构造特征和地震相，我们需要对地震图像进行纹理分割和纹理基元的合成。纹理属性的提取是图像分析中一项很重要也很具有难度的工作，不少中外学者对纹理属性的提取方法进行了研究，目前，最广为人们接受的是1993年Jain提出的四大类方法：统计分析方法、模型分析方法、结构分析方法、信号处理方法[1]。

灰度共生矩阵最早由Haralick于1973年提出，是描述纹理结构性质特征的基本函数。该方法是建立在估计图像的二阶组合条件概率密度基础上，是反映图像灰度变化的二阶统计量。灰度共生矩阵是一个对称矩阵，主要计算在θ方向上，距离为d的分别具有灰度值i和j的像素对的出现概率，矩阵的阶数由图像的灰度级数决定[2]。

对比度度量矩阵中值的分布情况和影像中局部变化的多少， 反映了影像的清晰度和纹理的粗细[4]。对比度高则图像较清晰，纹理较细，易于分辨，反之则图像模糊，看不出纹理。

4 基于灰度共生矩阵的地震纹理属性的提取

在灰度共生矩阵理论基础上，用相关软件提取地震纹理属性主要分为以下几步。

4.1 灰度图像提取

首先将多波段的影像（RGB影像）转换为灰度图像，纹理属性作为一种结构属性在RGB三个波段的影像上的反映是一样的，所以我们只需任意选择其中一种波段进行提取分析即可。

4.2 压缩图像灰度级

实际工作中接触到的图像多为256级，如果不压缩灰度级，会使计算时间很长，数据浪费，因此需要大量压缩灰度级，同时不能丢失图像的纹理特征。因此，在计算灰度共生矩阵时，一般取8级或16级。

4.3 生成地震纹理图像

我们按照选定好的窗口大小和提取步长，计算每个窗口的灰度共生矩阵，把得到的纹理特征值赋值给该窗口中心点，作为该处最终纹理特征值，然后窗口移动一个步长后继续计算新的灰度共生矩阵，再把值赋给新的窗口中心点[4]，以此循环，分别按相同步长从四个角度分别计算完灰度共生矩阵后，求特征值的平均值，这时整个图像就会转换成纹理特征矩阵，最后把纹理特征矩阵转为纹理特征图像。

5 地震纹理属性影响因素分析

影响地震纹理属性提取的因素很多，包括灰度级数、提取窗口、步长、角度以及地震资料的质量等等。本文只选取灰度级数和提取窗口这两个主要影响因素进行研究。

5.1 提取窗口因素的影响

以塔里木X9井区为例，X9井区位于塔里木盆地塔中隆起带中顺托果勒低隆起构造单元内。研究区志留系构造总体上表现为南高北低的单斜，为海侵背景下发育的退积叠置沉积。

我们通过相关软件截取该区的一个地震振幅属性切片，图中划线区域为呈现高振幅能量的河道（图1），选取RGB图像的R波段，设定窗口大小分别为3*3，7*7和15*15，步长为1，灰度级数16，对该切片中角二阶矩、熵、对比度和均质性四种纹理特征进行提取，以均质性为例（图2-图4）

可以看出，随着提取窗口的增大，图像清晰度逐渐降低，纹理细节丢失，当窗口为15*15时，图像中振幅能量较高的河道区域边界变得模糊，河道内部细节减少了，而用3*3和7*7的窗口尺寸提取的纹理特征细节相对清晰，边界识别较好，但当图像较大时，尽管小窗口尺寸提取纹理可以保留更多的纹理信息，但是计算量会呈指数增长，因此，实际应用中遵循的原则是提取窗口大小不大于图像大小的一半。

5.2 灰度级数的影响

同样以X9区该地震振幅切片为例，我们设定窗口大小为7*7，步长为1，选取波段为R波段，把图像灰度级分别压缩为16级，32级和64级，分别对应图5到图7三个不同灰度级下的熵的纹理特征图像。

压缩灰度级是进行地震纹理属性分析的一个必要步骤，如何在大量降低灰度级的同时保留更多的地质信息是我们必须考虑的因素，对于熵可以看出灰度级16的图像拥有更多的纹理细节，地质信息较丰富。随着灰度级的增大，图像的河道边界变模糊，个别小的构造带区分不明显。一般我们的建议是把灰度级压缩到8或者16较为合适。

6 结束语

6.1 相比于其他地震属性，地震纹理属性的应用较晚，但是它在区分小构造单元以及划分地震沉积相上具有更大的优势，目前在碎屑岩储层预测上应用较多，而在碳酸盐岩上则有待发展，因此它的前景十分广阔。

6.2 灰度共生矩阵是目前进行纹理属性研究最广泛的一种方法，除此之外的小波变换，Gabor滤波，Fourier变换等同样可以进行纹理属性的提取分析，所以需要根据具体情况选择最合适的方法。

6.3 纹理提取窗口和灰度级数的选取对提取纹理属性的好坏至关重要，通过分析发现选取较小的灰度级数有利于熵和角二阶矩的提取，而提取对比度和均质性则需要选取较大的灰度级数。

参考文献

[1]李胜军，高建虎，张军舵，等.体纹理属性提取技术研究及应用[J].地球物理学进展，2013，28（3）：1563-1569.

[2]刘丽，匡纲要.图像纹理特征提取方法综述[J].中国图象图形学报，2009，14（4）.

[3]王治国，尹成，雷小兰，等.河道纹理属性分析中的灰度共生矩阵参数研究[J].石油地球物理勘探，2012，47（1）：100-106.

[4]冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图像的研究[J].北京测绘，2007，3.endprint

摘 要：地层由于受到构造作用，地下流体作用的影响，会产生断层和裂缝等一系列地质构造特征，这些构造特征会在三维地震资料中呈现出强弱不同的振幅，振幅在垂向地震剖面和横向地层切片上的变化就形成了一种特殊的地震纹理特征，这些纹理特征所形成的不同区域代表了不同的地质构造。文章将利用灰度共生矩阵方法对地震资料中的纹理属性进行提取，并对其影响因素进行分析。

关键词：纹理；纹理属性；灰度共生矩阵；灰度级数；提取窗口

1 概述

纹理作为图形图像的一项基本特征，通常指呈现在物体表面的凹凸不平的沟纹，它反映了物体表面的粗糙度，光滑度和起伏程度。对于纹理的定义不尽相同，普遍认为它是像素灰度按一定规律变化形成的，只有把图像分割成若干区域才能对其纹理进行研究。同时由于自然界中的任何物体表面都会产生不尽相同的纹理，即具有不同的纹理特征，利用纹理的独有性，我们可以通过不同物体所具有的不同的纹理特征来区分不同的图像，从而将其应用于数字图像处理、计算机图形学、遥感影像、生物医学，地球物理勘探等领域。

2 地震纹理属性概述

地震数据中像元的反射振幅与波形在特定方向上会发生变化，地震资料中纹理的粗细直接或间接反映了不同地质构造所形成的反射振幅的强弱。随着几十年来油田勘探开发的深入，勘探对象已经从构造油气藏转向复杂油气藏，传统地震属性对于断距较小的小断层、裂缝以及薄储层的响应不明显，而纹理属性所具有的直观性则可以为小型地质体的识别以及薄砂体储层的预测提供一定的指导依据。

3 灰度共生矩阵原理

为了弄清不同的纹理集合所揭示的地质构造特征和地震相，我们需要对地震图像进行纹理分割和纹理基元的合成。纹理属性的提取是图像分析中一项很重要也很具有难度的工作，不少中外学者对纹理属性的提取方法进行了研究，目前，最广为人们接受的是1993年Jain提出的四大类方法：统计分析方法、模型分析方法、结构分析方法、信号处理方法[1]。

灰度共生矩阵最早由Haralick于1973年提出，是描述纹理结构性质特征的基本函数。该方法是建立在估计图像的二阶组合条件概率密度基础上，是反映图像灰度变化的二阶统计量。灰度共生矩阵是一个对称矩阵，主要计算在θ方向上，距离为d的分别具有灰度值i和j的像素对的出现概率，矩阵的阶数由图像的灰度级数决定[2]。

对比度度量矩阵中值的分布情况和影像中局部变化的多少， 反映了影像的清晰度和纹理的粗细[4]。对比度高则图像较清晰，纹理较细，易于分辨，反之则图像模糊，看不出纹理。

4 基于灰度共生矩阵的地震纹理属性的提取

在灰度共生矩阵理论基础上，用相关软件提取地震纹理属性主要分为以下几步。

4.1 灰度图像提取

首先将多波段的影像（RGB影像）转换为灰度图像，纹理属性作为一种结构属性在RGB三个波段的影像上的反映是一样的，所以我们只需任意选择其中一种波段进行提取分析即可。

4.2 压缩图像灰度级

实际工作中接触到的图像多为256级，如果不压缩灰度级，会使计算时间很长，数据浪费，因此需要大量压缩灰度级，同时不能丢失图像的纹理特征。因此，在计算灰度共生矩阵时，一般取8级或16级。

4.3 生成地震纹理图像

我们按照选定好的窗口大小和提取步长，计算每个窗口的灰度共生矩阵，把得到的纹理特征值赋值给该窗口中心点，作为该处最终纹理特征值，然后窗口移动一个步长后继续计算新的灰度共生矩阵，再把值赋给新的窗口中心点[4]，以此循环，分别按相同步长从四个角度分别计算完灰度共生矩阵后，求特征值的平均值，这时整个图像就会转换成纹理特征矩阵，最后把纹理特征矩阵转为纹理特征图像。

5 地震纹理属性影响因素分析

影响地震纹理属性提取的因素很多，包括灰度级数、提取窗口、步长、角度以及地震资料的质量等等。本文只选取灰度级数和提取窗口这两个主要影响因素进行研究。

5.1 提取窗口因素的影响

以塔里木X9井区为例，X9井区位于塔里木盆地塔中隆起带中顺托果勒低隆起构造单元内。研究区志留系构造总体上表现为南高北低的单斜，为海侵背景下发育的退积叠置沉积。

我们通过相关软件截取该区的一个地震振幅属性切片，图中划线区域为呈现高振幅能量的河道（图1），选取RGB图像的R波段，设定窗口大小分别为3*3，7*7和15*15，步长为1，灰度级数16，对该切片中角二阶矩、熵、对比度和均质性四种纹理特征进行提取，以均质性为例（图2-图4）

可以看出，随着提取窗口的增大，图像清晰度逐渐降低，纹理细节丢失，当窗口为15*15时，图像中振幅能量较高的河道区域边界变得模糊，河道内部细节减少了，而用3*3和7*7的窗口尺寸提取的纹理特征细节相对清晰，边界识别较好，但当图像较大时，尽管小窗口尺寸提取纹理可以保留更多的纹理信息，但是计算量会呈指数增长，因此，实际应用中遵循的原则是提取窗口大小不大于图像大小的一半。

5.2 灰度级数的影响

同样以X9区该地震振幅切片为例，我们设定窗口大小为7*7，步长为1，选取波段为R波段，把图像灰度级分别压缩为16级，32级和64级，分别对应图5到图7三个不同灰度级下的熵的纹理特征图像。

压缩灰度级是进行地震纹理属性分析的一个必要步骤，如何在大量降低灰度级的同时保留更多的地质信息是我们必须考虑的因素，对于熵可以看出灰度级16的图像拥有更多的纹理细节，地质信息较丰富。随着灰度级的增大，图像的河道边界变模糊，个别小的构造带区分不明显。一般我们的建议是把灰度级压缩到8或者16较为合适。

6 结束语

6.1 相比于其他地震属性，地震纹理属性的应用较晚，但是它在区分小构造单元以及划分地震沉积相上具有更大的优势，目前在碎屑岩储层预测上应用较多，而在碳酸盐岩上则有待发展，因此它的前景十分广阔。

6.2 灰度共生矩阵是目前进行纹理属性研究最广泛的一种方法，除此之外的小波变换，Gabor滤波，Fourier变换等同样可以进行纹理属性的提取分析，所以需要根据具体情况选择最合适的方法。

6.3 纹理提取窗口和灰度级数的选取对提取纹理属性的好坏至关重要，通过分析发现选取较小的灰度级数有利于熵和角二阶矩的提取，而提取对比度和均质性则需要选取较大的灰度级数。

参考文献

[1]李胜军，高建虎，张军舵，等.体纹理属性提取技术研究及应用[J].地球物理学进展，2013，28（3）：1563-1569.

[2]刘丽，匡纲要.图像纹理特征提取方法综述[J].中国图象图形学报，2009，14（4）.

[3]王治国，尹成，雷小兰，等.河道纹理属性分析中的灰度共生矩阵参数研究[J].石油地球物理勘探，2012，47（1）：100-106.

[4]冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图像的研究[J].北京测绘，2007，3.endprint