[发明专利]基于超分辨率深度学习的断裂检测方法及系统

说明书

本发明公开了基于超分辨率深度学习的断裂检测方法及系统，涉及油气地球物理领域。该方法包括：建立包含有第一类图像特征与第二类图像目标的映射关系的超分辨率深度学习模型，第一类图像的分辨率小于第二类图像的分辨率；获取目标层段的断裂检测几何属性地震数据体，从数据体中选取断裂图像；将断裂图像输入到超分辨率深度学习模型中，得到分辨率大于断裂图像的高分辨率断裂图像；根据高分辨率断裂图像得到目标层段的断裂发育情况。本发明提供的断裂检测方法及系统，能够更好地刻画断裂分布，增强断裂几何分布的收敛性与连续性，提高断裂图像的分辨率与信噪比。

技术领域

本发明涉及油气地球物理领域，尤其涉及基于超分辨率深度学习的断裂检测方法及系统。

背景技术

断层或裂缝(简称断裂)的发育与分布对油气的存储与聚集非常重要，是高产储层的重要影响因素。为了更好地开展储层评价油气检测，断裂的检测识别非常重要。对于叠后地震数据，基于几何属性的断裂检测技术能够较好地识别地震波形变化来识别断裂边界，被广泛使用。

而几何属性在计算过程中易受到算法的局限性以及噪声的干扰，通常断裂检测结果的信噪比或分辨率不够高，导致断裂检测图像不清晰。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于超分辨率深度学习的断裂检测方法、一种基于超分辨率深度学习的断裂检测系统及一种存储介质。

本发明解决上述技术问题的技术方案如下：

一种基于超分辨率深度学习的断裂检测方法，包括：

建立包含有第一类图像特征与第二类图像目标的映射关系的超分辨率深度学习模型，所述第一类图像的分辨率小于所述第二类图像的分辨率；

获取目标层段的断裂检测几何属性地震数据体，从所述地震数据体中选取断裂图像；

将所述断裂图像输入到所述超分辨率深度学习模型中，得到分辨率大于所述断裂图像的高分辨率断裂图像；

根据所述高分辨率断裂图像得到所述目标层段的断裂发育情况。

本发明的有益效果是：本发明提供的断裂检测方法，通过超分辨率深度学习方法对几何属性断裂检测图像进行超分辨率处理，能够更好地刻画断裂分布，增强断裂几何分布的收敛性与连续性，提高断裂图像的分辨率与信噪比。

基于超分辨率的深度学习，实现了端到端的优化学习，无需人为或者分步地开展预处理、优化求解等处理工作，能够直接得到具有理想效果的超分辨率图像处理的深度学习模型，并且深度学习得到的模型具有良好的泛化能力，能够对不同几何属性断裂检测图像开展超分辨率处理，不限制断裂检测所使用的几何属性方法，而是对其的一种增强处理过程，具有很好的适用性和实用性。

本发明解决上述技术问题的另一种技术方案如下：

一种基于超分辨率深度学习的断裂检测系统，包括：

建模单元，用于建立包含有第一类图像特征与第二类图像目标的映射关系的超分辨率深度学习模型，所述第一类图像的分辨率小于所述第二类图像的分辨率；

获取单元，用于获取目标层段的断裂检测几何属性地震数据体，从所述地震数据体中选取断裂图像；

处理单元，用于将所述断裂图像输入到所述超分辨率深度学习模型中，得到分辨率大于所述断裂图像的高分辨率断裂图像；

显示单元，用于根据所述高分辨率断裂图像得到所述目标层段的断裂发育情况。

本发明解决上述技术问题的另一种技术方案如下：

一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述技术方案所述的方法。