基于空间信息的多属性可视分析方法与流程

本发明属于可视分析技术领域，尤其涉及一种基于空间信息的多属性可视分析方法。

背景技术：

目前，我们的世界早已迈入大数据时代，随着互联网、物联网、云计算等高新技术持续高速地发展，各行各业产生了超越以往的大量数据。如何有效地利用这些数据是这个时代核心研究内容之一。在石油行业也面对这同样的问题，地质勘探人员通过采集并计算多种地震属性数据来分析地质信息，从而寻找油藏等目标区域。然而随着这些年来开采程度的提高，以往地理位置相对好的区域，现在也难以开采出石油，不光如此，常规的油气田越来越少，而新油田规模越来越小，油气田的开发难度越来越大。因此，勘探人员不得不去地质构造复杂的区域勘探，这些区域地表条件恶劣，地质分布没有明显规律，使得勘探成本相对很高，而且勘探困难。为了降低勘探成本与风险，提高地质分析效率从而使得钻探获得更高的经济回报，更加全面地分析地震解释资料，提高地震属性数据的有效利用率对于地震资料解释人员尤为重要。

地震属性是由地震数据衍生出的特殊量度，它涉及到几何学、动力学、运动学以及统计学。从上世纪七十年代初首次被提出以来，已经成为了地震解释的一个重要组成部分。地震属性种类很多，从属性的基本含义来说，可以分为：时间属性、振幅属性、频率属性及吸收衰减属性。其中，时间属性可以提供地质的构造信息；振幅属性可以提供储存信息；而吸收衰减属性对解析渗透率较为敏感。从实际应用来说，地震属性可以划分为：振幅统计类、相位、层序统计类、复地震道类、频谱统计类、相关统计类。这种分类方法不仅综合考虑了属性的物理和数学含义，而且明确了地震属性的实际应用场景，成为目前较为有效的分类方式。

综上所述，相关研究者已经对地震属性分析做了许多的准备工作。但是，地震属性种类很多，并且各个属性和地质对象之间联系复杂，在不同的工区范围，或者不同的储层内，不同的地震属性对它们所要预测的的目标可能拥有不同的敏感性。更有甚者，因为预测目标不相同，即便在相同的工区范围或者储层，相对敏感的属性种类也会不同。而且，单个属性难以获得对地质较为全面的认识，因此，不能有效地从中提取目标特征，辨识度较低。因此，如何避免单个地震属性数据所带来的局限性和多解性，充分利用多个地震属性数据来预测目标对象成为了极为重要的研究课题。

对于多属性地震数据分析，由于地震属性数据信噪比低、特征不明显，传统的仅仅针对数据本身的分析方法，例如数据挖掘等，并不能很好地帮助物探人员有效地寻找所需的目标特征。不仅如此，针对多属性数据本身，由于高维空间表达困难，并不直观，如何有效利用和表达多属性的数据之间的相关性也是另一个难点。

为了解决这些问题，可视分析技术开始逐步用于物探领域，相比于科学可视化技术着重于将数据进行绘制展示，可视分析技术更加偏向于通过人机交互的手段，来进行数据的分析。先通过利用计算机图形绘制功能来直观地展现数据，再充分利用用户的自身经验来挖掘数据中的目标，可视分析在多属性数据分析中展示出它的有效性。如何利用可视分析的技术，充分利用多属性地震数据进行地质目标预测，也成为了一个十分重要的攻关领域。

传统的体绘制是将体数据的标量值直接投影形成图像，这种投影方式设计成本低，设计过程简单。仅仅根据标量值就能进行分类，从而成像，得到很好的可视化效果。但这种仅仅依据标量值的方法不适用于复杂的体数据，如地震数据，相比于人体组织，地下物质种类繁多，比如地下河道、岩石、泥沙等等，这些地质特征区分并不明显，而且在采集地震振幅数据的同时，传输损耗严重，数据本身存在一定的不确定性，而多属性数据也是通过对地震振幅数据计算得来。因此，可能会存在噪声与所需要提取的特征存在近似多属性值的情况，在这种情况下，仅仅通过多属性标量值难以对它们进行分类，从而影响最终的可视化效果。

技术实现要素：

本发明的发明目的是：为了解决现有技术中存在的以上问题，本发明提出了一种基于空间信息的多属性可视分析方法。

本发明的技术方案是：一种基于空间信息的多属性可视分析方法，包括以下步骤：

a、采用主成分分析法对多属性数据进行降维处理，将降维得到的两种属性数据利用散点图方式进行投影；

b、构建属性切片绘制视图，并利用多属性数据绘制属性切片，采用刷的方式进行采样获取特征体素；

c、根据步骤b中获取的特征体素构建基于空间信息的传递函数；

d、根据步骤c中基于空间信息的传递函数，将步骤a中降维得到的两种属性数据进行融合体绘制。

进一步地，所述步骤b中采用刷的方式进行采样获取特征体素具体为：

调整切片方向和切片编号，找到特征明显的切片，再通过刷的方式在特征上画线进行采样，采样完成后通过屏幕坐标和体素实际坐标的映射关系得到选取的特征体素。

进一步地，所述步骤c根据步骤b中获取的特征体素构建基于空间信息的传递函数具体包括以下分步骤：

c1、利用降维得到的两种属性数据建立垂直坐标系，并作为二维传递函数域，将特征体素的空间坐标存入二维传递函数域中；

c2、根据每个特征体素在散点图投影的像素中存放的空间坐标分别计算各个像素的重心坐标和空间方差；

c3、构建种子点队列，采用宽度优先算法在散点图上查找其它属于特征体素的像素；

c4、构建基于空间信息的传递函数。

进一步地，所述步骤c2中计算各个像素的重心坐标的计算公式为

其中，b(u,v)为像素的重心坐标，n为特征体素投影在散点图上的像素(u,v)的个数，pi(u,v)为第i个特征体素投影在散点图上的像素(u,v)的空间坐标。

进一步地，所述步骤c2中计算各个像素的空间方差的计算公式为

其中，v(u,v)为像素的空间方差。

进一步地，所述步骤c3构建种子点队列，采用宽度优先算法在散点图上查找其它属于特征体素的像素，具体包括以下分步骤：

c31、判断构建的种子点队列是否为空；若是，则操作结束；若否，则在种子点队列中弹出队首的种子点，获取该种子点在散点图上的投影像素；

c32、查找当前投影像素的下一个邻接像素；

c33、判断邻接像素的查找状态是否为已被查找过；若是，则返回步骤c32；若否，则进行下一步骤；

c34、判断投影像素与邻接像素的空间距离是否小于预设阈值；若是，则邻接像素与投影像素属于一类，将邻接像素的visited属性和featured属性设置为真并加入到种子点队列；若否，则邻接像素与投影像素不属于一类，将邻接像素的visited属性设置为真；

c35、判断投影像素的四个邻接像素是否均查找完毕；若是，则返回步骤c31；若否，则返回步骤c32。

进一步地，所述步骤c34中投影像素与邻接像素的空间距离的计算公式为

d(t,t1)＝||b(t)-b(t1)||+|v(t)-v(t1)|

其中，d(t,t1)为投影像素t与邻接像素t1的空间距离，b(t),b(t1)分别为投影像素t与邻接像素t1的重心坐标，v(t),v(t1)分别为投影像素t与邻接像素t1的空间方差。

本发明的有益效果是：本发明通过对多属性数据进行降维投影，利用多属性数据绘制属性切片进行采样，再构建基于空间信息的传递函数，将降维得到的两种属性数据进行融合体绘制，在依据多属性数据标量值设计传递函数的同时，考虑体素的空间信息，通过空间信息的约束，减少噪声对最终可视化结果的影响。

附图说明

图1是本发明的基于空间信息的多属性可视分析方法的流程示意图。

图2是本发明中属性切片采样结果示意图。

图3是本发明中种子点框选结果示意图。

图4是本发明中建立的垂直坐标系示意图。

图5是本发明中查找其它属于特征体素的像素的流程示意图。

图6是现有技术的可视分析结果示意图。

图7是本发明实施例中的可视分析结果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，为本发明的基于空间信息的多属性可视分析方法的流程示意图。一种基于空间信息的多属性可视分析方法，包括以下步骤：

a、采用主成分分析法对多属性数据进行降维处理，将降维得到的两种属性数据利用散点图方式进行投影；

b、构建属性切片绘制视图，并利用多属性数据绘制属性切片，采用刷的方式进行采样获取特征体素；

c、根据步骤b中获取的特征体素构建基于空间信息的传递函数；

d、根据步骤c中基于空间信息的传递函数，将步骤a中降维得到的两种属性数据进行融合体绘制。

在步骤a中，对于多维空间来讲，大于三维的数据很难进行直观的可视化，而小于等于三维的数据可以直观地投影到直角坐标系中，本发明首先将多属性数据利用主成分分析的方法降低到两种新的属性特征；降维处理多属性数据后，本文利用散点图的方式将降维所得到的两种属性数据进行投影。

在数据预处理阶段，本发明统计新生成的属性数据中的最值，并将属性数据进行归一化，将属性数据归一化到0～255。在投影绘制阶段，本发明为两个属性建立直角坐标系，并将所有体素的属性值进行投影，得到降维投影的散点图视图。

在步骤b中，本发明首先构建属性切片绘制视图，并利用多属性数据绘制属性切片，如图2所示，为本发明中属性切片采样结果示意图；通过设计交互操作，以提供用户选取特征体素，为了减少框选的方式所带来的困难，并且尽可能不要选取到非特征的点，这里采用刷的方式。首先，用户调整切片方向和切片编号，找到特征比较明显的切片；然后通过刷的方式在特征上画线，从而在倾角属性切片上刷并进行采样；采样结束后，通过屏幕坐标和体素实际坐标的映射关系寻找到选取的一系列特征体素。如图3所示，为本发明中种子点框选结果示意图。

在步骤c中，本发明利用交互选取的一系列特征体素作为种子点，查找出散点图中与种子点属于同一类的投影像素。在查找之前，需要去除因为交互选取而误当做种子点的噪声点。为了去除这些噪声点，首先，将所选取的种子点在散点图上进行投影，因为相同类型的特征会在散点图上投影到相近的区域，而噪声一般会投影在其他区域，这样，通过用户框选的方式，框选实际种子点的投影范围，从而将异常的投影点在种子点集合中删除。

去除了噪声点后，利用表示特征体素的种子点在散点图上投影的像素集合进行查找其余属于特征投影的像素。首先，为256×256个像素赋予两种属性，visited表示当前像素是否访问过，默认值为false，featured表示是否与特征体素属于一类，默认值为false；其次，将种子点投影到的像素的visited和featured设置为true。

如图4所示，为本发明中建立的垂直坐标系示意图。根据步骤b中获取的特征体素构建基于空间信息的传递函数具体包括以下分步骤：

c1、利用降维得到的两种属性数据建立垂直坐标系，并作为二维传递函数域，将特征体素的空间坐标存入二维传递函数域中；

c2、根据每个特征体素在散点图投影的像素中存放的空间坐标分别计算各个像素的重心坐标和空间方差；

c3、构建种子点队列，采用宽度优先算法在散点图上查找其它属于特征体素的像素；

c4、构建基于空间信息的传递函数。

在步骤c1中，经过将多属性数据降维，生成两种属性的数据，为这两种属性建立垂直坐标轴，并作为二维传递函数域，则可以将体素的空间信息存入二维传递函数域中。

首先，将两种属性的数据分别归一化到0～255，并构建256×256大小的散点图绘制窗口，直角坐标系的范围也分别为0～255，坐标系分别为u和v，则(u,v)对应于散点图窗口中唯一的像素。

在步骤c2中，本发明在绘制过程中，对于属性数据中的每一个体素，根据它两种属性的大小，映射到绘图窗口中相对应的像素点，并赋予颜色。在散点图中记录体素的空间信息，根据每个特征体素在散点图投影的像素中存放的空间坐标分别计算各个像素的重心坐标和空间方差。

计算各个像素的重心坐标的计算公式为

其中，b(u,v)为像素的重心坐标，n为特征体素投影在散点图上的像素(u,v)的个数，pi(u,v)为第i个特征体素投影在散点图上的像素(u,v)的空间坐标。

计算各个像素的空间方差的计算公式为

其中，v(u,v)为像素的空间方差。这些体素的坐标值已经归一化到0～1。

在步骤c3中，本发明构建种子点队列，采用宽度优先算法在散点图上查找其它属于特征体素的像素，如图5所示，为本发明中查找其它属于特征体素的像素的流程示意图，具体包括以下分步骤：

c31、判断构建的种子点队列是否为空；若是，则操作结束；若否，则在种子点队列中弹出队首的种子点，获取该种子点在散点图上的投影像素；

c32、查找当前投影像素的下一个邻接像素；

c33、判断邻接像素的visited属性是否为已被查找过；若是，则返回步骤c32；若否，则进行下一步骤；

c34、判断投影像素与邻接像素的空间距离是否小于预设阈值；若是，则邻接像素与投影像素属于一类，将邻接像素的visited属性和featured属性设置为真并加入到种子点队列；若否，则邻接像素与投影像素不属于一类，将邻接像素的visited属性设置为真；

投影像素与邻接像素的空间距离的计算公式为

d(t,t1)＝||b(t)-b(t1)||+|v(t)-v(t1)|

其中，d(t,t1)为投影像素t与邻接像素t1的空间距离，b(t),b(t1)分别为投影像素t与邻接像素t1的重心坐标，v(t),v(t1)分别为投影像素t与邻接像素t1的空间方差。

c35、判断投影像素的四个邻接像素是否均查找完毕；若是，则返回步骤c31；若否，则返回步骤c32。

在查找流程完成之后，可以设计二维传递函数。将featured为true的像素集合所代表的数据范围的不透明度设置为1，其余的设置为0。

在步骤d中，本发明根据二维传递函数利用降维后的两种属性数据进行融合体绘制。这里，传递函数的颜色可以设置为单色，用透明与不透明来区分特征与非特征区域。由于空间距离的判定阈值是由用户设定的，数据集不同，合适的判定阈值可能也不同，因此在查找的过程中，可以先设置一个较大的判定阈值，并根据体绘制的分类效果来逐步减小，直到达到满意的绘制效果。

本发明在降维投影绘制的二维散点图中，存入体素的空间信息，在对代表目标特征的点进行采样后，以采样点为依据，从多属性数据标量值和体素的空间信息两个角度出发，设计传递函数，最终完成融合体绘制。融合体绘制完成后，用户可以根据融合体绘制结果，调节传递函数设计的参数，本文的程序将自动更新传递函数，并在体绘制视图中更新融融合体绘制结果，通过微调传递函数参数，达到用户满意的体绘制结果。

如图6所示，为现有技术的可视分析结果示意图，如图7所示，为本发明实施例中的可视分析结果示意图。基于连续平行坐标的可视分析方法可以比较清晰地在体绘制图像中凸显地下河道这一特征，但是由于特征的多属性标量值与其他一些物质的多属性标量值近似，所以在体绘制中，一些不属于河道的物质也被不透明掉，造成了视觉上的干扰；与图6相比，本发明的可视分析结果示意图中很多非河道特征的物质与河道区分开来，从而被透明掉，此外还保留了河道本身的边界信息，取得了更好的可视化效果。这也是因为在传递函数的设计过程中，综合考虑了多属性数据的标量值与体素的空间信息，使得特征物质与其他物质的区分更加明显。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。