视觉结构相似度地震图像质量评价模型研究

杨 宁 杨 威 张岱宇

（①西南科技大学环境与资源学院，四川绵阳621010；②中国石化西北油田分公司勘探开发研究院，新疆乌鲁木齐830011）

视觉结构相似度地震图像质量评价模型研究

杨 宁*①杨 威②张岱宇①

（①西南科技大学环境与资源学院，四川绵阳621010；②中国石化西北油田分公司勘探开发研究院，新疆乌鲁木齐830011）

地震图像质量的评价通常采用定性与定量评价标准来衡量。文中提出了一种新的地震数据处理量化评价模型——基于全参考型视觉结构相似度（Seismic Data Structural Similarity，SDSS）的地震图像质量模型，通过计算资料处理前、后图像之间的能量强度测度、对比度测度与反射结构相似度测度，对图像的质量进行综合评价，用量化指标体现处理前、后图像的变化趋势。算法的数值模拟和实际资料结果表明，该方法与传统的评价方法相比，易于理解且计算简单，能凸显地震资料变化的差异，极大地提高了地震图像客观评价结果与人为主观感知的一致性。

结构相似测度模型 信噪比 地震图像质量评价 地震资料处理

1 引言

李庆忠［1］提出了视觉分辨率与视觉信噪比两个重要概念，也给出了相应的物理意义。其“视觉”一词顾名思义即解释人员在地震剖面上可分辨的各类有效信息。为了提高视觉分辨率引入了地震图像增强（Seismic Image Enhance）理论，其宗旨是在不增加数据内在信息含量的基础上，增加所选择特征的动态范围，以使其容易被检测到。信息特征范围的增大，能极大地提高后续地震资料的判读、分析、识别、计量结果的准确性，减少地球物理与地质解释中的多解性。现阶段衡量地震图像处理质量通常采用定性与定量评价标准。定性化指标通常有地震资料波形活跃度、地震反射特征、分辨率等。定量化指标常有频带宽度、信噪比、峰值信噪比、处理前后地震图像差值。其中频带宽度是判断资料处理质量优劣的一个重要指标，但是容易被假频与子波旁瓣所影响；依据信噪比能够判断地震信号的质量［2-5］，张军华［6］对能量叠加法［7］、频谱估计法［8］、互相关法［9］、功率谱法［10］等定量计算方法进行了比较，指出了各种方法的适用范围与存在的问题以及统计算法存在的诸多困难；去噪前、后地震图像差值不能直观地表达数据处理前、后的差异细节。

视觉是人类认识自然的重要手段。人类视觉系统是由大量神经元通过连接而组成的复杂信息处理系统，它由两部分组成：第一部分是光学成像系统，即眼睛；第二部分是视觉神经系统，包括视网膜、外侧膝状体和视皮层。图像的视觉信息评价［11］的基本目标是设计能准确和自动感知图像质量的计算模型，目标是希望用计算机来代替人类视觉系统去感知图像。为了能够模拟人眼的评价方法，可采用图像质量的量化值与人类主观观测值的一致性评判。图像质量评价有多种方法，基于工程学的人类视觉系统模型［12］在国内外一直是研究的热点。PQS（Picture Quality Scale）方法［13］在全局特性上与视觉感知是一致的，也较符合主观实验值；NQM（Noise Quality Measure）和 DM（Distortion Measure）模型［14］可以分析频率失真与加性噪声对视觉系统的影响，是图像质量客观评价方法；Fuzzy模型［15］利用模糊理论比较处理前、后图像之间的相似度和一致性，通过相似测度对图像质量进行评价；SVD（Singular Value Decomposition）模型［16］与主观感受具有较好的一致性，可适用于不同失真类型的图像，而且能度量混合失真类型的图像质量；VSNR（Visual Signal-to-Noise）模型［17］为基于小波域的视觉信噪比自然图像质量评价方法，基于物理亮度和视觉角度，具有适应于不同视觉条件的能力；SSIM（Structural Similarity）模型［18］从图像形成的角度出发，结合场景中的结构信息、图像亮度和对比度三个独立要素对图像质量进行全参考评价。

本文提出基于地震资料结构相似测度（Seismic Data Structural Similarity，SDSS）的全参考型质量评价方法，结合地震波振幅能量强度、振幅能量局部变化量、反射结构相似性三个方面评价地震剖面信噪比的变化，以期提高客观评价结果与人为主观感知的一致性。

2 方法原理

首先引入Chopra等［19］为地震纹理属性描述所采用的属性定义。地震图像能量数学表述为

式中：x k、y k为处理前、后时窗内第k个样点处的振幅值；n和m为时窗（可包含整个剖面）的横、纵样点数。可定义

为处理前、后时窗内能量均值（N为时窗内采样点总数，N=n×m），反映其振幅强度（亮度信息），则处理前、后时窗内图像的方差σx与σy为

式（3）的物理意义为地震图像的对比度，为时窗内局部变化量的度量。定义σxy为处理前、后对应时窗内的相关系数，即

反映了反射特征结构信息的相似性。时窗内地震信号能量信息、对比度和结构相似测度分别定义为

式中C1、C2和C3为很小的正数，以避免分母为零或接近零导致的奇异性。

联合这三种相似性准则而构成的地震图像结构相似测度评价模型为

式中α＞0，β＞0，γ＞0。在实际资料分析中为了减少数据的计算量，可设定α，β，γ为［1，10］内的整数。

作为相似性测度SDSS满足以下三点：

（1）对称性：SDSS（x，y）=SDSS（y，x）；

（2）有界性：0≤SDSS（x，y）≤1；

（3）唯一极大值：当且仅当处理前、后剖面完全相同时，SDSS（x，y）=1。

平均地震图像结构相似测度（Mean Seismic Data Structural Similarity，MSDSS）作为对整体地震图像质量的评价测度

式中M为SDSS地震图像样点总数（即为整个剖面进行计算时所使用的窗口总数）。

算法的技术流程如图1所示。

图1 地震图像结构相似度评价技术流程

3 理论模型分析

采用阶梯状断层的褶积模型加上能量逐渐变强的随机噪声来验证SDSS与MSDSS方法对地震剖面评价的效果。选取的雷克子波为零相位，主频为50 Hz，时间采样点数为128，时间间隔为2ms，时窗大小为5道×11个样点。对20组不同信噪比的地震数据与原始模拟剖面（图2选取了4组）进行SDSS计算分析，同时绘制出 MSDSS曲线（图3）。信噪比的定义为，其中xorig为原始地震数据，yref为参考地震数据。

图2a为原始地震数据不含噪声，其SNR为无穷大，对应的MSDSS为1，即参考剖面与原始剖面是同一数据的情况。图2b、图2e、图2g和图2i为加噪地震数据，其SNR分别为34.40、16.34、0.26和-10.27dB。图2c为图2b参考剖面与原始剖面的差，可见其噪声源主要为随机干扰。从图2d、图2f、图2h、图2j（MSDSS值分别为0.90，0.43，0.21，0.11）可知，信噪比高时，由于噪声能量相对于反射同相轴能量低，其SDSS剖面可看出反射同相轴附近受噪声的影响小，波形结构相似度SDSS值较高，但其他部分由于受噪声的影响结构相似性变化较大，表现为SDSS值较低。随着信噪比降低及随机噪声能量的增强，在反射同相轴附近的结构相似度也变低，其根本原因在于随机噪声导致反射波形发生了畸变，使得原始剖面与参考剖面之间的差异变大。图3a为20组数据的SNR值曲线，SNR值随着随机噪声能量的增大呈指数降低。图3b为20组数据的 MSDSS值曲线，MSDSS值的变化趋势与SNR一致，但是变化速率略高于SNR。由于MSDSS的计算量小于SNR，且两者交会结果呈近似线性关系（图3c），故可作为信噪比统计的参考。

4 实际应用

实例一为中国西部A区时间域叠加剖面（图4a），数据共有1296道，采样点数为3500，时间采样间隔为2ms，其SNR为2.06dB。通过噪声分析发现以近地表低频面波产生的相干噪声为主，本次实验采用“黑盒”测试，不考虑数据处理的具体算法，只分析原始剖面与结果剖面（作参考剖面，见图4b，SNR=25.55dB）之间的差异，研究去噪效果以及评价处理后剖面的质量。图4c（原始剖面与参考剖面的差）在0.4～2.0s处的近地表低频面波导致的相干噪声得到很好的压制，在4.5～4.8s区间不整合面强反射同相轴能量减弱，同时垂向相干噪声也得到了压制，说明数据处理前、后地震剖面变化较大。图4d为SDSS剖面（MSDSS为0.68），图中蓝色以及淡蓝色区域SDSS值较大，为处理前、后波形变化较小的区域，红色到水红色区域SDSS值逐渐变小，为剖面变化较大区域。在0.4～2.0s区间内强变化区域与面波相干噪声形态一致；2.0～5.0s区间主要是强横向反射同相轴能量的衰减，其强变化区域呈横向变化；在5.0～7.0s区域为深部区域主要是受纵向相干噪声影响，其强变化区域垂向分布；其他区域SDSS值较小，说明去噪前后剖面变化不大，保留了深部反射弱信号的有效信息。

实例二为川东B区高陡构造的叠后地震剖面（图5a），为了提高地震数据中几何属性分析的准确性，通常会在曲率属性计算前做地震特征增强。图5b为采用SOF（Structural Orientation Filter）算法进行地震特征增强的结果。在资料解释中希望对地震特征增强的同时不破坏其他区域反射同相轴的特征，从而确保曲率分析结果的可靠性。图5c为增强前、后的差剖面，增强后的整个剖面都有所改变，但是分不清各个部分改变多少，是否符合设计需求。图5d为特征增强后的SDSS剖面，其MSDSS值为0.9336，表明特征增强前、后剖面总体变化不是很大。SDSS数值较低（即变化较大）的区域为高陡构造区，是断层与裂缝发育带研究的重点部分，其反射同相轴横向连续性增强，其他区域的反射特征没有受到破坏，满足曲率分析的要求。

实例三为C区叠前多炮地震记录（图6a），6炮共2000道，采样点数为3500，采样间隔为2ms，以相干噪声、面波与多次波等噪声为主。图6b为去除相干噪声的地震记录。图6c（原始记录与参考记录的差）在0.4～2.0s处的近地表低频面波导致的相干噪声得到很好的压制，在4.5～4.8s区间不整合面强反射同相轴能量减弱，同时垂向的相干噪声也得到了压制。图6d为噪声压制后的SDSS记录，MSDSS为0.83，图中蓝色以及淡蓝色区域SDSS值较大，为处理前、后波形变化较小的区域，红色到水红色区域SDSS值逐渐变小，为数据变化较大区域，其中强变化区域部分能够很好地刻画相干噪声的形态特征。

图2 不同SNR的地震剖面SDSS分析结果（计算参数α=1，β=1，γ=1）

图3 MSDSS与SNR分析结果

图4 中国西北A区地震数据去噪分析结果

5 结论

本文由视觉系统出发，提出了一种基于地震剖面结构相似测度（SDSS）的全参考型质量评价方法，利用资料处理前后两剖面之间的能量强度测度、对比度测度与反射结构相似度测度，建立其地震剖面结构相似测度，并计算平均测度作为地震剖面处理质量好坏的量化指标。理论模型分析中，MSDSS的计算量小于SNR，且两者交会结果呈近似线性关系，故可作为信噪比统计的参考，用于评价地震数据处理结果的好坏；SDSS图像能够用量化指标表明处理前、后图像的变化趋势，能凸显地震剖面变化的差异；验证了算法的可行性。本文选取具有代表性的叠前地震道集、叠后地震解释剖面进行滤波和特征增强等处理，并对其进行SDSS与MSDSS量化分析，结果表明能提高客观评价处理结果与人为主观感知的一致性。该算法对高维数据同样适用，是一种有效地评价地震处理质量的方法。

图5 B区地震剖面特征增强分析结果

图6 C区叠前地震道集分析结果

［1］ 李庆忠.走向精确勘探的道路.北京：石油工业出版社，1994，31-44.

［2］ 林娟，罗勇，张龙等.GeoEast处理系统在准南复杂高陡构造地区的应用.石油地球物理勘探，2014，49（增刊1）：60-65.Lin Juan，Luo Yong，Zhang Long et al.GeoEast seismic data processing in complex steep structure areas，Junggar Basin.OGP，2014，49（S1）：60-65.

［3］ 杨勤勇，王华忠，刘少勇等.山前带地震成像技术需求与勘探策略分析.石油物探，2012，51（6）：570-573.Yang Qinyong，Wang Huazhong，Liu Shaoyong et al.Analysis of seismic imaging technology requirements and exploration strategy in foothill area.GPP，2012，51（6）：570-573.

［4］ 王金龙，胡治权.三维锥形滤波方法研究及应用.石油地球物理勘探，2012，47（4）：705-711.Wang Jinlong，Hu Zhiquan.Three dimensional cone filtering.OGP，2012，47（4）：705-711.

［5］ 王宝彬，李合群，赵波等.滑动扫描地震数据的谐波干扰压制.石油地球物理勘探，2013，48（1）：37-41.Wang Baobin，Li Hequn，Zhao Bo et al.Harmonic noise removal on vibroseis slip-sweep data.OGP，2013，48（1）：37-41.

［6］ 张军华.地震资料去噪方法——原理、算法、编程及应用.山东东营：中国石油大学出版社，2011，11-21.

［7］ 张海瑛，袁超伟.一种实用的通信信号信噪比盲估计方法.无线电通信技术，2007，33（2）：49-51.Zhang Haiying，Yuan Chaowei.An applied method for blind SNR estimation in communication signals.Radio Communications Technology，2007，33（2）：49-51.

［8］ 王红玲，詹毅，张朝霞.地震资料信噪比估算方法改进.物探化探计算技术，2007，29（3）：189-191.Wang Hongling，Zhan Yi，Zhang Chaoxia.An improved method of estimating signal-to-noise ratio of seismic data.Computing Techniques for Geophysical and Geochemical Exploration，2007，29（3）：189-191.

［9］ 周腾飞，胡天跃，姚逢昌.逆频散方法压制频散面波.石油地球物理勘探，2012，47（6）：882-886.Zhou Tengfei，Hu Tianyue，Yao Fengchang.Dispersive surface wave suppression by inverse-dispersion.OGP，2012，47（6）：882-886.

［10］ Marr D.Vision：a Computational Investigation into the Human Representation and Processing of Visual Information.W H Freeman and Company Press，New York，1982.

［11］ Ismail A，Bulent S，Khalid S.Statistical evaluation of image quality measures.Journal of Electronic Imaging，2002，11（2）：206-213.

［12］ Makoto M，Kazunori K，Algazi R V.Objective picture quality scale for image coding.IEEE Transactions on Communications，1998，46（9）：1215-1225.

［13］ Niranjan D V，Kite T D，Geisler W S，et al.Image quality assessment based on a degradation model.IEEE Transactions on Image Processing，2000，4（4）：636-650.

［14］ Weken D V，Nachtegael M，Kerre E E.Using similarity measures and homogeneity for the comparison of image.Image＆ Vision Computing，2004，22（9）：695-702.

［15］ Aleksandr S，Gusev A，Eskicioglu A M.An SVD-based grayscale image quality measure for local and global assessment.IEEE Transactions on Image Processing，2006，15（2）：422-429.

［16］ Chandler D M，Hemami S S.A wavelet-based visual signal-to-noise ratio for natural images.IEEE Transactions on Image Processing，2007，16（9）：2284-2298.

［17］ Sheikh H R，Bovik A C.Image information and visual quality.IEEE Transactions on Image Processing，2006，15（2）：430-444.

［18］ Wang Z，Bovik A C，Sheikh H R et al.Image quality assessment：from error visibility to structural similarity.IEEE Transactions on Image Processing，2004，13（4）：600-612.

［19］ Chopra S，Vladimir A.Applications of texture attribute analysis to 3D seismic data.The Leading Edge，2006，24（8）：934-940.

P631

A

10.13810／j.cnki.issn.1000-7210.2017.01.022

杨宁，杨威，张岱宇.视觉结构相似度地震图像质量评价模型研究.石油地球物理勘探，2017，52（1）：160-166.

1000-7210（2017）01-0160-07

*四川省绵阳市西南科技大学东7B110室，610010。Email：nyang＠swust.edu.cn

本文于2015年12月4日收到，最终修改稿于2016年12月2日收到。

本项研究受国家自然科学基金项目（41204068）资助。

（本文编辑：宜明理）

杨宁 博士，1981年生；2008年毕业于成都理工大学信息工程学院，获计算机应用专业硕士学位；2011年毕业于成都理工大学地球物理学院，获地球探测与信息技术专业博士学位；现任职于西南科技大学环境与资源学院，从事高压岩石物理测试、微地震技术等方面研究。