浅地层层界划分方法范文

《中国矿业大学学报》2016年第二期

摘要：

针对现有浅地层剖面图像中层界人工划分方法效率低、准确度不高的缺陷，提出了基于图像处理技术的层界自动划分方法及层界提取流程．首先对浅地层剖面原始观测数据解码，并对每Ping的振幅数据转换，形成原始浅地层剖面图像；然后对原始图像进行Ping插补、异常Ping修复、消噪和多次波压制等处理，消除异常观测值的影响，提高图像质量；在此基础上，根据回波振幅与层界的响应机制以及回波强度时序的变化特点，提出了基于灰度突变的阈值法层界粗提取及实施原则，实现了概略层界位置的确定；最后，顾及浅地层底质变化的渐进性和连续性，提出了基于拓扑理论的层界追踪和精提取方法，实现了离散层界的滤除及连续层界的提取．该方法实现了层界的自动提取及与钻孔取芯相同的划分精度．

关键词：

浅地层剖面；层界提取；灰度突变；拓扑算法；自动追踪

海底浅地层底质结构及其层界对于判读矿产、油气资源的存在，开展海底工程施工等具有非常重要的作用［1－2］．浅地层底质结构和层界通常借助钻孔取芯方式获得，即通过在调查水域开展一定密度的钻孔取芯工作，并结合实验室分析，获得不同位置、深度的层界及底质类别．该方法虽简单、直接，但费时费力、作业成本高［3］．相对传统钻孔方法，声学探测方法因其效率高、成本低等特点广受学者和业界关注．浅地层剖面仪（浅剖）是一种典型的声学探测设备，其原理是借助换能器向海床发射低频声波，声波在海床下传播并在不同深度返回，将多Ping回波强度序列转换成灰度值并叠加，最终形成浅剖图像［3－4］．由于在不同介质交界面会产生强回波，在图像上表现为高灰度级影像，依此可判读浅表层的底质层界．结合少量钻孔数据，通过人工判读可得到各层对应的底质类型．然而，噪声、多次波、丢Ping等因素的干扰，浅剖图像很不清晰，人工识别常会给层界判读带来严重的误差，费时费力，且可靠性不高［4－5］．为此，本文提出一种基于图像处理技术的浅地层层界自动追踪和划分方法，以消除上述干扰因素的影响，实现层界的自动、准确划分．

1浅剖图像生成

由于测量信息量非常大，浅地层剖面仪（浅剖）Ping测量数据通常以二进制方式存储，如通用的SEG－Y文件格式．为形成浅剖图像，需要对该文件解码，获得每Ping回波信息．浅剖的发射信号可看作是一个激励信号，而收到的回波信号则可视为响应信号．以C－Boom为例，每Ping接收信号的瞬时采样值以相对发射声波振幅的形式记录（图1）．图1中纵坐标为采样值强度与发射强度的比值。

2浅剖图像预处理

浅剖图像客观地反映了原始观测状态．测量中，换能器接收到的回波常受到船速、换能器性能及海洋环境等引起的Ping丢失、噪声和多次波影响，进而导致图像质量较低，严重时几乎难以目视判读．为提高图像质量和利于后续浅地层层界划分，首先需要对图像进行预处理．

2．1Ping修复修复丢失Ping的前提是探测到其位置．由于丢失Ping的位置几乎无回波，图像中表现为列像素形成的序列灰度级相同，且等于背景灰度级．因此，沿浅剖航迹遍历每Ping即可定位丢失Ping的位置．实际测量中可能存在离散的单Ping丢失，也可能存在多Ping丢失问题．前者可对相邻Ping列灰度集采用均值内插的方法修复，后者则需基于底质的渐变原则，在不同深度层构建多项式模型来内插修复.

2．2消噪处理受海洋环境等因素影响，浅剖图像中存在大量噪声，需滤除．文献［8－10］研究表明，中值滤波借助邻域序列灰度中值实施滤波，运算简单且速度快，在有效滤除噪声的同时，能很好地保护信号的细节信息．将其用于图像消噪，可很好地抑制图像中由环境噪声及浅表层中离散介质产生的随机噪声，同时对二次回波引起的图像灰度异常具有很好的抑制作用．中值滤波窗口长度直接决定着滤波效果，窗口过大会引起有效信息丢失，过小则噪声压制效果不明显，因此需结合实际并通过实验来给定．2．3多次波压制多次波是指在层界中经多次反射后被换能器接收到的回波，图像中表现为干扰信息，应予以压制．预测反褶积法［11－13］是一种常用的多次波压制方法，主要利用多次波的周期性特征。

3层界提取

3．1粗提取海底浅地层是不同时期沉积而成的，层间由于沉积物类型不同而形成了多个层界．根据水声学原理，声信号传播到这些层界面会产生较强的回波反射［14－15］，在图像上则表现为较强的灰度突变．因此，借助每Ping（列）形成的灰度序列的梯度突变，可以发现概略的层界位置（如图2，3）．基于以上机理，对预处理后的浅剖图像实施层界粗界定：首先在每Ping形成的列灰度序列中定义一个由一定数量采样点的灰度值组合形成的统计窗口L；然后根据灰度突变，定位对应的层界．基于上述原则可在单Ping列序列内找到多个灰度梯度突变点，然而受残余噪声、多次波压制不彻底等因素的影响，存在虚假层界信息．顾及浅地层结构为长期沉积作用的结果，其层界在Ping间具有连续分布特点，因此在以上基本原则基础上增加如下附加原则：1）取相邻的多Ping平均，形成虚拟Ping；2）采用中值滤波对虚拟Ping序列滤波，再借助基本原则1）和2）确定其突变点位置；3）突变位置的前段一定存在灰度陡变，而后段可能存在小幅度连续变化（对于连续层界），也可能存在另一个陡变（离散层界）；4）考虑声强随传播距离衰减，后一个突变点的灰度值要小于前一个．基于以上原则，沿航迹线滑动构建虚拟Ping并划分层界，实现整个浅剖图像的层界划分．

3．2精提取受残余噪声及粗提取方法影响，上述提取出的层界存在不连续问题，有必要在此基础上进行精处理，可借助拓扑思想来实现相邻同层界的连通．基本原理是：对第j个Ping中提取出的某个层界点，通过判断其相邻的（j－m）～（j＋m）（m为可选变量）范围内Ping中是否存在与当前层界点相连续的层界点，来决定当前层界点的取舍以及层界点是否需要连通．整个连通过程遵循从左到右、自上而下的基本查找原则．其流程如下：1）查找目标层界点左侧是否连续，如不连续则考虑是否为新一个层界的起始点．2）查找目标层界点右侧是否连续，如果连续则不作任何操作，如不连续则考虑是否为层界间断，并扩大层界的搜索范围．3）在扩大的层界搜索范围内继续向右查找是否存在其他连续的层界线，如果存在则认为当前点属于该层界并连接该点，如不存在且目标层界点左侧也不连续则认为该点为伪层界．4）流程3）中确定的连续层界线位置仍采用灰度梯度突变原则来获得．图4中绿色孤立点代表异常层界点，需滤除；黄色层界点由于左右邻域都有层界点连接，不需作任何处理；蓝色层界点为某一层界的起始点，通过判断予以保留；红色层界点为间断层界点（灰色点为层界插值点）；红色矩形框为扩大搜索的范围，主要用于确定搜索是否存在连续层界线；灰色矩形框为需要寻找内插层界点的搜索范围，在灰色矩形框中仍按照粗提取中的原则寻找灰度突变点位置，其上下搜索范围需根据区域灰度变化的显著性及紧邻已搜索层界等原则来确定．5）对已连通的层界实施模板滤波，滤掉不满足条件的孤立层界，并对符合条件的连续层界加粗显示．层界精提取流程如图5所示.

4实验结果与分析

为验证上述方法的正确性，借助C－Boom浅地层剖面仪在山东烟台某水域开展了一条测线的浅地层剖面测量，同时开展了钻孔取芯，航迹线及取芯位置（ZK1，ZK2，…，ZK7））如图6所示．测量中，C－Boom的采样频率为4Hz，船速为4～5节，Ping间隔约为0．5m．数据处理时，首先对SEG－Y格式原始文件解码和转换，并以伪彩色显示形成如图7a所示的图像．从图7a可以看出，图像中噪声、多次波影响较严重，为消除上述因素影响，通过大量实验，在滑动中取滤波窗口大小平均为20像素、丢Ping修复中m取7（即利用待插值点前后共14个Ping的灰度值构建式（5）多项式函数）时滤波和Ping修复效果最好．处理后的图像如图7b所示．

比较图7a，7b预处理前、后图像效果可以看出，噪声得到了很好的压制，层界边缘的细节信息得到了很好保留，层界更加清晰．对预处理后的图像开展层界粗提取．为了凸现层界，对预处理后的图像进行灰度拉伸处理．分别取2，5，10，20，50Ping平均，得到虚拟Ping灰度变化曲线如图8所示．从图8可以看出，随着参与平均的Ping数增加，高频噪声得到了很好压制，曲线变得光滑，但同时曲线反映的小峰位置被作为噪声平滑掉．为了得到真实层界以及参与平均的合适Ping数，以钻孔层界分布为参考，当参与平均的Ping数为10时，可以很好地反映层界．根据上述原理即可得到虚拟Ping层界的分布，如图9所示．每10Ping构建虚拟Ping序列曲线，基于以上5个原则开展虚拟Ping内层界的划分；采用相同方法，沿航线构建虚拟Ping，划分层界．图9给出了所有虚拟Ping绘制的层界．与图7比较，可以看出，粗提取方法基本正确地反映了层界的分布变化，表明了算法的有效性．将提取出来的所有虚拟Ping中的层界绘制在图10a中，发现层界分布离散且存在伪层界．

因此，采用层界精提取方法，实现连续、合理层界的获取，采用4像素×60像素模板进行层界的连通，得到的浅地层层界如图10b所示，可以看出层界曲线已基本形成，但存在小跳变现象．采用2像素×7像素模板进行层界滤波并加粗，得到的层界如图10c所示，可以看出得到的层界曲线清晰地描绘了浅地层的层界分布．通过对基于图像处理技术得到的层界划分效果分析，结合测区的7个钻孔ZK1，ZK2，…，ZK7（图6）提供的层及对应深度DC信息（表1），分析以上层界划分的准确性．首先根据钻孔位置和图像坐标，实现钻孔数据与图像数据配准，并将ZK1，ZK2，…，ZK7表示在图像中（图11）．从图11可以看出，基于本文方法划分的层界与钻孔提供的层界具有很好的一致性．比较二者层界深度DCi（i＝1，2，3）及层间厚度ΔDi＋1，i（i＝1，2），可得层深度偏差dDi（i＝1，2，3）、层厚度差ΔΔi＋1，i（i＝1，2）及其相对误差见表1.从表1可以看出，提取的层界深度与钻孔数据提供的深度最大偏差为0．15m，最大标准差为±0．11m，二者的层厚度差最大为0．20m，最大标准差为±0．12m，比例误差最大为6．90％．钻孔数据提供的层界深度和层厚度为分米级，本文给出的层界提取方法也实现了分米级精度，与钻孔取芯精度一致．

5结论

1）相比简单的线性内插法，多项式模型法顾及了浅表层底质变化的渐进性，因此可准确地获得不同深度层的灰度值，是一种较好的丢失Ping插补方法．该方法对于异常Ping的修复同样适用．2）层界粗提取和精提取中的阈值法和拓扑法，考虑了回波的形成机制和层界的连续变化，二者结合，不但解决了单Ping层界的确定问题，而且实现了单Ping离散层界的滤除以及连续层界的提取．3）给出的基于图像处理技术的浅剖层界划分流程，实现了层界的自动划分；以钻孔取芯数据为参考，实现了最大绝对偏差0．15m、最大标准差±0．11m的层界划分精度．

作者：赵建虎 冯杰 施凤 张红梅 何林帮 单位：武汉大学 测绘学院 武汉大学 动力与机械学院