一种地震剖面图像纹理细节增强方法与流程

本发明涉及一种地震剖面纹理细节增强技术，具体的说，是一种基于小波分解的多尺度地震剖面图像纹理细节增强方法，属于信息处理技术领域。

背景技术：

地震剖面图像具有明显的纹理特征，不同的纹理代表着不同的地质体，它对于地质断层等地层剖面信息的判读具有重要意义。然而在地震剖面图像生成过程中，由于采集的地震数据受外部噪声影响、且在地震数据处理过程中产生高斯随机噪声使得地震剖面图像的纹理模糊不清，甚至产生纹理中断等现象，对后期地震图像判读造成干扰，因此研究地震剖面图像纹理细节增强方法具有重要意义。

目前地震剖面图像纹理细节增强方法主要是基于各类滤波的常规图像增强方法；这些方法通过设计各种类型的滤波器对图像进行滤波，其主要目标是在去除噪声、增强反射同相轴连续性的同时有效提升图像对比度，达到地震剖面图像增强效果；虽然地震剖面图像纹理细节增强可以使用这些图像处理方法，但是由于地震剖面图像与常规图像存在一定差别，因此无法直接将常规图像处理方法照搬到地震图像处理中，如地震图像中带有正弦特征的边界不如常规图像明显，且其中的横向不连接的边界信息(断层信息)需要保护，但这些信息在常规图像滤波过程中会遭到不同程度的破坏，使得断层信息难以辨识，因此需要针对地震剖面图像特点提出新的方法进行纹理细节的增强处理。

技术实现要素：

本发明提出一种基于小波分解的多尺度地震剖面图像纹理细节增强方法，该方法首先设计滤波器对地震剖面图像进行保边降噪处理；然后将把降噪后的图像从rgb空间转换到hsi空间；对图像的亮度分量i进行单层小波分解，生成1个低频近似分量和3个高频细节分量，对3个高频细节分量进行多尺度纹理细节增强，对低频近似分量进行频域低通滤波；把处理后的3个高频细节分量和1个低频近似分量进行小波重构，生成新的亮度分量i；最后，将新的i分量与h、s分量合成，再从hsi空间转换到rgb空间，得到经过纹理细节增强处理后的地震剖面图像。

为达到上述目的，本发明采取的技术方案是：

一种地震剖面图像纹理细节增强方法，其特征在于，其包括以下具体步骤：

步骤s1：计算机读取地震剖面图像数据，记为g(x,y)；对g(x,y)进行滤波降噪处理，要求在降噪的同时保护图像的纹理细节，降噪后的地震剖面图像记为

步骤s2：对于降噪后的地震剖面图像将其从rgb空间转换到hsi空间，在转换后的hsi空间中，记色调分量为h(x,y)、饱和度分量为s(x,y)、亮度分量为i(x,y)；

步骤s3：对亮度分量i(x,y)进行一层小波分解，特别地，小波分解过程中选择haar小波基函数；分解得到1个低频近似分量ca(x,y)和3个高频细节分量ch(x,y)、cv(x,y)、cd(x,y)；

步骤s4：对于步骤s3中的高频细节分量ch(x,y)、cv(x,y)、cd(x,y)分别进行多尺度纹理细节增强，以保留纹理细节信息，从而分别得到细节增强后的分量ch′(x,y)、cv′(x,y)和cd′(x,y)；

步骤s5：对于步骤s3中的低频近似分量ca(x,y)进行频域低通滤波,对滤波后的频谱进行二维fourier反变换,从而得到经过频域滤波后的低频近似分量ca′(x,y)；

步骤s6：对ca′(x,y)、ch′(x,y)、cv′(x,y)和cd′(x,y)等四个分量进行小波重构，得到纹理细节增强后的亮度分量i′(x,y)；

步骤s7：将步骤s2的色调分量h(x,y)、饱和度分量s(x,y)与步骤s6增强后的亮度分量i′(x,y)重构，得到图像g′(x,y)；

步骤s8：将g′(x,y)从hsi空间转换到rgb空间，得到纹理细节增强的地震剖面图像。

至此，完成了地震剖面图像纹理细节的增强处理。

进一步，在步骤s1中，设计如下步骤对g(x,y)进行降噪的同时保护其纹理细节：

步骤s1.1：对地震剖面图像数据g(x,y)进行二维fourier变换，计算结果记为g(u,v)；

步骤s1.2：对点扩散函数h(x,y)进行二维fourier变换，计算结果记为h(u,v)，计算公式如下：

式中，行,

m、n分别表示g(u,v)的行数和列数；

步骤s1.3：设计滤波器f(u,v)：

式中，h^*(u,v)为h(u,v)的复共轭，μ为图像g(x,y)与所含噪声的功率谱比值；特别地，针对地震剖面图像特征，μ取值使用循环评价方法，方法如下：

对原图像g(x,y)做退化处理，估计出退化前后图像的功率谱信噪比μ0，选择步长δμ＝10^-5，最大循环次数为n＝100；进入循环，使μ＝μ+δμ，计算出每个μ值对应的其中，h为退化函数，为高斯滤波函数；循环结束后，寻找最小的e值，最小的e值对应的μ值即为式(2)中的μ值；

步骤s1.4：计算图像g(x,y)降噪后的功率谱估计

步骤s1.5：对进行二维fourier反变换，即可得到降噪后的地震剖面图像，记为即：

进一步：步骤s4中的高频细节分量ch(x,y)、cv(x,y)、cd(x,y)多尺度纹理细节增强步骤具体如下：

步骤s4.1：令g(x,y)＝ch(x,y)；

步骤s4.2：对g(x,y)进行高斯平滑处理，设高斯滤波窗口模板大小为(2k+1)×(2k+1)，则模板中各像素值可由式(5)计算得到。

式中，(i,j)为像素坐标，σ为标准差；

令k＝1，σ＝1.0，按照式(5)计算得到3×3模板，并对g(x,y)进行高斯平滑处理，得到g⁽¹⁾(x,y)；

令k＝2，σ＝2.0，按照式(5)计算得到5×5模板，并对g(x,y)进行高斯平滑处理，得到g⁽²⁾(x,y)；

令k＝3，σ＝4.0，按照式(5)计算得到7×7模板，并对g(x,y)进行高斯平滑处理，得到g⁽³⁾(x,y)；

步骤s4.3：按式(6)获取不同尺度的细节信息。

步骤s4.4：对g(x,y)按式(7)进行细节信息融合，得到g′(x,y)；

g′(x,y)＝g(x,y)+(1-ω1sgn(g⁽¹⁾(x,y)))g⁽¹⁾(x,y)+ω2g⁽²⁾(x,y)+ω3g⁽³⁾(x,y)(7)

特别地，针对地震剖面图像特征，取ω1＝0.6,ω2＝0.4,ω3＝0.2；

步骤s4.5：使ch′(x,y)＝g′(x,y)，ch′(x,y)即为细节增强后的ch(x,y)；

同理：

令g(x,y)＝cv(x,y)，重复步骤4.2-4.5，使cv′(x,y)＝g′(x,y)，cv′(x,y)即为细节增强后的cv(x,y)；

令g(x,y)＝cd(x,y)，重复步骤4.2-4.5，使cd′(x,y)＝g′(x,y)，cd′(x,y)即为细节增强后的cd(x,y)。

进一步：步骤s5中，对于低频近似分量ca(x,y)进行频域低通滤波，过程如下：

步骤s5.1：对低频近似分量ca(x,y)进行二维fourier变换，计算得到cah(u,v)；

步骤s5.2：设计低通滤波器对cah(u,v)进行滤波，得到滤波后的频谱cah′(u,v)，所使用的低通滤波器设计如下：

式中，d0表示频带半径，d(u,v)表示到频谱中心的欧氏距离；

特别地，针对地震剖面图像特征，取d0∈[35,50]；

步骤s5.3：对滤波后的频谱cah′(u,v)进行二维fourier反变换，计算得到经过频域滤波后的低频近似分量ca′(x,y)，即：

ca′(x,y)＝f^-1(cah′(x,y))(9)

本发明的积极效果是：针对地震剖面图像的特点，首先设计滤波器对图像进行滤波，在降低噪声影响的同时保留纹理细节信息；其次，将滤波后的图像从rgb空间转换到hsi空间，对亮度分量进行小波单层分解，基于地震剖面图像特点，对小波高频分量进行多尺度细节增强处理，对小波低频分量进行频域低通滤波，并设计了相应的细节增强及滤波参数。本发明提出的方法直接针对地震剖面图像中纹理特征，基于小波分解进行多尺度的细节信息提升，并设计了相关细节增强参数及滤波参数，增强了含噪地震剖面图像的纹理细节信息，为下一步地震剖面信息的精准分析提供了基础。

附图说明

图1为本发明中地震剖面图像纹理细节增强流程图；

图2a-2b分别为本发明中地震剖面图像降噪前、后的对比图；

图3a-3c分别为本发明中降噪后的地震剖面图像从rgb转换到hsi后的h、s、i分量结果图；

图4a-4d为本发明中亮度分量i经过小波分解得到的1个低频近似分量和3个高频细节分量结果图，其中图4a为低频近似分量ca(x,y)，图4b-4d依次为高频细节分量ch(x,y)、cv(x,y)、cd(x,y)

图5为本发明中小波分量进行滤波与增强处理后的结果图，其中，图5a为对低频近似分量ca(x,y)进行频域低通滤波后的结果图，图5b-5d为对高频细节分量ch(x,y)、cv(x,y)、cd(x,y)进行增强处理后的结果图；

图6为本发明中小波分量进行小波重构得到的亮度分量图；

图7为本发明中纹理细节增强后的图像；

具体实施方式

下面结合附图和具体实施例说明本发明的技术方案，以便本领域技术人员对本发明技术方案进一步理解。

如图1所示，本发明震剖面图像纹理细节增强方法,包括以下步骤：

步骤1：读取地震剖面图像到计算机，如图2a所示，图像中包含有大量噪声。对图2a所示的含噪图像按步骤1.1-1.5进行保护边缘细节的滤波处理，得到降噪后的图像，如图2b所示；

步骤2：图像空间转换，将图2b从rgb空间转换到hsi空间，转换后的色调分量为图3a所示的h(x,y)、饱和度分量为图3b所示的s(x,y)、亮度分量为图3c所示的i(x,y)；

步骤3：对图3c所示的i分量进行小波单层分解，小波基函数选择haar小波。图3c所示的i分量可分解成图1个低频近似分量ca(x,y)和3个高频细节分量ch(x,y)、cv(x,y)、cd(x,y)，依次如图4a-4d所示；

步骤4：分别对3个高频细节分量ch(x,y)、cv(x,y)、cd(x,y)执行步骤4.1-4.5，进行多尺度纹理细节增强处理，处理结果如图5b所示的ch′(x,y)、图5c所示的cv′(x,y)、图5d所示的cd′(x,y)；

步骤5：对低频近似分量ca(x,y)执行步骤5.1-5.3，对ca(x,y)进行频域低通滤波，处理结果如图5a的ca′(x,y)；

步骤6：对ca′(x,y)、ch′(x,y)、cv′(x,y)和cd′(x,y)等四个分量进行小波重构，得到纹理细节增强后的亮度分量i′(x,y)，如图6所示；

步骤7：将色调分量h(x,y)、饱和度分量s(x,y)与增强后的亮度分量i′(x,y)重构，得到图像g′(x,y)；

步骤8：将g′(x,y)从hsi空间转换到rgb空间，即可得到纹理细节增强的地震剖面图像，如图7所示。

以上所述为本发明最佳实施方式的举例，其中未详细述及的部分均为本领域普通技术人员的公知常识。本发明的保护范围以权利要求的内容为准，任何基于本发明的技术启示而进行的等效变换，也在本发明的保护范围之内。