本站小編為你精心準備了淺地層層界劃分方法參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《中國礦業大學學報》2016年第二期

摘要：

針對現有淺地層剖面圖像中層界人工劃分方法效率低、準確度不高的缺陷，提出了基于圖像處理技術的層界自動劃分方法及層界提取流程．首先對淺地層剖面原始觀測數據解碼，并對每Ping的振幅數據轉換，形成原始淺地層剖面圖像；然后對原始圖像進行Ping插補、異常Ping修復、消噪和多次波壓制等處理，消除異常觀測值的影響，提高圖像質量；在此基礎上，根據回波振幅與層界的響應機制以及回波強度時序的變化特點，提出了基于灰度突變的閾值法層界粗提取及實施原則，實現了概略層界位置的確定；最后，顧及淺地層底質變化的漸進性和連續性，提出了基于拓撲理論的層界追蹤和精提取方法，實現了離散層界的濾除及連續層界的提取．該方法實現了層界的自動提取及與鉆孔取芯相同的劃分精度．

關鍵詞：

淺地層剖面；層界提取；灰度突變；拓撲算法；自動追蹤

海底淺地層底質結構及其層界對于判讀礦產、油氣資源的存在，開展海底工程施工等具有非常重要的作用［1－2］．淺地層底質結構和層界通常借助鉆孔取芯方式獲得，即通過在調查水域開展一定密度的鉆孔取芯工作，并結合實驗室分析，獲得不同位置、深度的層界及底質類別．該方法雖簡單、直接，但費時費力、作業成本高［3］．相對傳統鉆孔方法，聲學探測方法因其效率高、成本低等特點廣受學者和業界關注．淺地層剖面儀（淺剖）是一種典型的聲學探測設備，其原理是借助換能器向海床發射低頻聲波，聲波在海床下傳播并在不同深度返回，將多Ping回波強度序列轉換成灰度值并疊加，最終形成淺剖圖像［3－4］．由于在不同介質交界面會產生強回波，在圖像上表現為高灰度級影像，依此可判讀淺表層的底質層界．結合少量鉆孔數據，通過人工判讀可得到各層對應的底質類型．然而，噪聲、多次波、丟Ping等因素的干擾，淺剖圖像很不清晰，人工識別常會給層界判讀帶來嚴重的誤差，費時費力，且可靠性不高［4－5］．為此，本文提出一種基于圖像處理技術的淺地層層界自動追蹤和劃分方法，以消除上述干擾因素的影響，實現層界的自動、準確劃分．

1淺剖圖像生成

由于測量信息量非常大，淺地層剖面儀（淺剖）Ping測量數據通常以二進制方式存儲，如通用的SEG－Y文件格式．為形成淺剖圖像，需要對該文件解碼，獲得每Ping回波信息．淺剖的發射信號可看作是一個激勵信號，而收到的回波信號則可視為響應信號．以C－Boom為例，每Ping接收信號的瞬時采樣值以相對發射聲波振幅的形式記錄（圖1）．圖1中縱坐標為采樣值強度與發射強度的比值。

2淺剖圖像預處理

淺剖圖像客觀地反映了原始觀測狀態．測量中，換能器接收到的回波常受到船速、換能器性能及海洋環境等引起的Ping丟失、噪聲和多次波影響，進而導致圖像質量較低，嚴重時幾乎難以目視判讀．為提高圖像質量和利于后續淺地層層界劃分，首先需要對圖像進行預處理．

2．1Ping修復修復丟失Ping的前提是探測到其位置．由于丟失Ping的位置幾乎無回波，圖像中表現為列像素形成的序列灰度級相同，且等于背景灰度級．因此，沿淺剖航跡遍歷每Ping即可定位丟失Ping的位置．實際測量中可能存在離散的單Ping丟失，也可能存在多Ping丟失問題．前者可對相鄰Ping列灰度集采用均值內插的方法修復，后者則需基于底質的漸變原則，在不同深度層構建多項式模型來內插修復.

2．2消噪處理受海洋環境等因素影響，淺剖圖像中存在大量噪聲，需濾除．文獻［8－10］研究表明，中值濾波借助鄰域序列灰度中值實施濾波，運算簡單且速度快，在有效濾除噪聲的同時，能很好地保護信號的細節信息．將其用于圖像消噪，可很好地抑制圖像中由環境噪聲及淺表層中離散介質產生的隨機噪聲，同時對二次回波引起的圖像灰度異常具有很好的抑制作用．中值濾波窗口長度直接決定著濾波效果，窗口過大會引起有效信息丟失，過小則噪聲壓制效果不明顯，因此需結合實際并通過實驗來給定．2．3多次波壓制多次波是指在層界中經多次反射后被換能器接收到的回波，圖像中表現為干擾信息，應予以壓制．預測反褶積法［11－13］是一種常用的多次波壓制方法，主要利用多次波的周期性特征。

3層界提取

3．1粗提取海底淺地層是不同時期沉積而成的，層間由于沉積物類型不同而形成了多個層界．根據水聲學原理，聲信號傳播到這些層界面會產生較強的回波反射［14－15］，在圖像上則表現為較強的灰度突變．因此，借助每Ping（列）形成的灰度序列的梯度突變，可以發現概略的層界位置（如圖2，3）．基于以上機理，對預處理后的淺剖圖像實施層界粗界定：首先在每Ping形成的列灰度序列中定義一個由一定數量采樣點的灰度值組合形成的統計窗口L；然后根據灰度突變，定位對應的層界．基于上述原則可在單Ping列序列內找到多個灰度梯度突變點，然而受殘余噪聲、多次波壓制不徹底等因素的影響，存在虛假層界信息．顧及淺地層結構為長期沉積作用的結果，其層界在Ping間具有連續分布特點，因此在以上基本原則基礎上增加如下附加原則：1）取相鄰的多Ping平均，形成虛擬Ping；2）采用中值濾波對虛擬Ping序列濾波，再借助基本原則1）和2）確定其突變點位置；3）突變位置的前段一定存在灰度陡變，而后段可能存在小幅度連續變化（對于連續層界），也可能存在另一個陡變（離散層界）；4）考慮聲強隨傳播距離衰減，后一個突變點的灰度值要小于前一個．基于以上原則，沿航跡線滑動構建虛擬Ping并劃分層界，實現整個淺剖圖像的層界劃分．

3．2精提取受殘余噪聲及粗提取方法影響，上述提取出的層界存在不連續問題，有必要在此基礎上進行精處理，可借助拓撲思想來實現相鄰同層界的連通．基本原理是：對第j個Ping中提取出的某個層界點，通過判斷其相鄰的（j－m）～（j＋m）（m為可選變量）范圍內Ping中是否存在與當前層界點相連續的層界點，來決定當前層界點的取舍以及層界點是否需要連通．整個連通過程遵循從左到右、自上而下的基本查找原則．其流程如下：1）查找目標層界點左側是否連續，如不連續則考慮是否為新一個層界的起始點．2）查找目標層界點右側是否連續，如果連續則不作任何操作，如不連續則考慮是否為層界間斷，并擴大層界的搜索范圍．3）在擴大的層界搜索范圍內繼續向右查找是否存在其他連續的層界線，如果存在則認為當前點屬于該層界并連接該點，如不存在且目標層界點左側也不連續則認為該點為偽層界．4）流程3）中確定的連續層界線位置仍采用灰度梯度突變原則來獲得．圖4中綠色孤立點代表異常層界點，需濾除；黃色層界點由于左右鄰域都有層界點連接，不需作任何處理；藍色層界點為某一層界的起始點，通過判斷予以保留；紅色層界點為間斷層界點（灰色點為層界插值點）；紅色矩形框為擴大搜索的范圍，主要用于確定搜索是否存在連續層界線；灰色矩形框為需要尋找內插層界點的搜索范圍，在灰色矩形框中仍按照粗提取中的原則尋找灰度突變點位置，其上下搜索范圍需根據區域灰度變化的顯著性及緊鄰已搜索層界等原則來確定．5）對已連通的層界實施模板濾波，濾掉不滿足條件的孤立層界，并對符合條件的連續層界加粗顯示．層界精提取流程如圖5所示.

4實驗結果與分析

為驗證上述方法的正確性，借助C－Boom淺地層剖面儀在山東煙臺某水域開展了一條測線的淺地層剖面測量，同時開展了鉆孔取芯，航跡線及取芯位置（ZK1，ZK2，…，ZK7））如圖6所示．測量中，C－Boom的采樣頻率為4Hz，船速為4～5節，Ping間隔約為0．5m．數據處理時，首先對SEG－Y格式原始文件解碼和轉換，并以偽彩色顯示形成如圖7a所示的圖像．從圖7a可以看出，圖像中噪聲、多次波影響較嚴重，為消除上述因素影響，通過大量實驗，在滑動中取濾波窗口大小平均為20像素、丟Ping修復中m取7（即利用待插值點前后共14個Ping的灰度值構建式（5）多項式函數）時濾波和Ping修復效果最好．處理后的圖像如圖7b所示．

比較圖7a，7b預處理前、后圖像效果可以看出，噪聲得到了很好的壓制，層界邊緣的細節信息得到了很好保留，層界更加清晰．對預處理后的圖像開展層界粗提取．為了凸現層界，對預處理后的圖像進行灰度拉伸處理．分別取2，5，10，20，50Ping平均，得到虛擬Ping灰度變化曲線如圖8所示．從圖8可以看出，隨著參與平均的Ping數增加，高頻噪聲得到了很好壓制，曲線變得光滑，但同時曲線反映的小峰位置被作為噪聲平滑掉．為了得到真實層界以及參與平均的合適Ping數，以鉆孔層界分布為參考，當參與平均的Ping數為10時，可以很好地反映層界．根據上述原理即可得到虛擬Ping層界的分布，如圖9所示．每10Ping構建虛擬Ping序列曲線，基于以上5個原則開展虛擬Ping內層界的劃分；采用相同方法，沿航線構建虛擬Ping，劃分層界．圖9給出了所有虛擬Ping繪制的層界．與圖7比較，可以看出，粗提取方法基本正確地反映了層界的分布變化，表明了算法的有效性．將提取出來的所有虛擬Ping中的層界繪制在圖10a中，發現層界分布離散且存在偽層界．

因此，采用層界精提取方法，實現連續、合理層界的獲取，采用4像素×60像素模板進行層界的連通，得到的淺地層層界如圖10b所示，可以看出層界曲線已基本形成，但存在小跳變現象．采用2像素×7像素模板進行層界濾波并加粗，得到的層界如圖10c所示，可以看出得到的層界曲線清晰地描繪了淺地層的層界分布．通過對基于圖像處理技術得到的層界劃分效果分析，結合測區的7個鉆孔ZK1，ZK2，…，ZK7（圖6）提供的層及對應深度DC信息（表1），分析以上層界劃分的準確性．首先根據鉆孔位置和圖像坐標，實現鉆孔數據與圖像數據配準，并將ZK1，ZK2，…，ZK7表示在圖像中（圖11）．從圖11可以看出，基于本文方法劃分的層界與鉆孔提供的層界具有很好的一致性．比較二者層界深度DCi（i＝1，2，3）及層間厚度ΔDi＋1，i（i＝1，2），可得層深度偏差dDi（i＝1，2，3）、層厚度差ΔΔi＋1，i（i＝1，2）及其相對誤差見表1.從表1可以看出，提取的層界深度與鉆孔數據提供的深度最大偏差為0．15m，最大標準差為±0．11m，二者的層厚度差最大為0．20m，最大標準差為±0．12m，比例誤差最大為6．90％．鉆孔數據提供的層界深度和層厚度為分米級，本文給出的層界提取方法也實現了分米級精度，與鉆孔取芯精度一致．

5結論

1）相比簡單的線性內插法，多項式模型法顧及了淺表層底質變化的漸進性，因此可準確地獲得不同深度層的灰度值，是一種較好的丟失Ping插補方法．該方法對于異常Ping的修復同樣適用．2）層界粗提取和精提取中的閾值法和拓撲法，考慮了回波的形成機制和層界的連續變化，二者結合，不但解決了單Ping層界的確定問題，而且實現了單Ping離散層界的濾除以及連續層界的提取．3）給出的基于圖像處理技術的淺剖層界劃分流程，實現了層界的自動劃分；以鉆孔取芯數據為參考，實現了最大絕對偏差0．15m、最大標準差±0．11m的層界劃分精度．

作者：趙建虎 馮杰 施鳳 張紅梅 何林幫 單位：武漢大學 測繪學院 武漢大學 動力與機械學院