Malhas Numéricas a partir de Imagens Sísmicas Karl Apaza Agüero Orientador: Paulo Roma Cavalcanti...
Transcript of Malhas Numéricas a partir de Imagens Sísmicas Karl Apaza Agüero Orientador: Paulo Roma Cavalcanti...
Malhas Numéricas a partir de Imagens Sísmicas
Karl Apaza Agüero
Orientador: Paulo Roma Cavalcanti
COPPE – Sistemas - UFRJ
Conteúdo
Resumo. Introdução. Método.
●Realçar as características de interesse.
●Gerar um reticulado inicial de átomos.
●Minimizar a função de energia potencial total.
●Conectar os átomos.
Resultados.
Conclusões e Sugestões. 2
Resumo
• Confecção de malhas numéricas a partir de imagens sísmicas.
• Integra diversas técnicas:
– Processamento de imagens.
– Modelagem física.
– Otimização.
– Geometria Computacional.
Introdução
4
Métodos sísmicos●Baseiam-se na emissão de ondas na
subsuperfície da terra ou no mar. ●Método de reflexão:
Aquisição. Processamento. Interpretação.
Introdução
Tradicionalmente: sísmica modelo geométrico malha
5
Modelo geométrico = Conjunto de curvas e superfícies
● Horizontes: superfícies de separação entre camadas geológicas
● Falhas: descontinuidades causadas por deslizamento de camadas Modelo geométrico
Introdução
Proposta:sísmica malha
6
Malhas diretamente a partir de imagens sísmicas.
Não criação de um modelo geométrico intermediário.
Os horizontes e falhas são extraídos diretamente da malha. Malha
Aplicações
Imagens digitais podem ser utilizadas para obter malhas para processos computacionais.●Na indústria petrolífera, decisões podem
ser tomadas a partir de simulações de processos geológicos que utilizam malhas numéricas geradas a partir de dados sísmicos.
● Imagens do cérebro humano permitem obter malhas para simulação do fluxo do sangue em suas artérias.
7
Método Realçar as características de
interesse.● Técnicas de processamento de
imagens.
Visualização Volumétrica
Imagem Sísmica
Dados Sísmicos
Realce de Características de Interesse
Geração de ReticuladoInicial de Átomos
Minimizaçãode Energia Potencial
Conexão de Átomos
Malha Alinhada Simulação
Gerar um reticulado inicial de átomos em função das características de interesse.
● Modelo de forças entre átomos.● Algoritmo de Reticulado pseudo-
regular. Minimizar a função de energia
potencial total.● Modelo de forças entre átomos.● Método do gradiente descendente.
Conectar os átomos. ● Triangulação de Delaunay /
Diagrama de Voronoi.
Átomos
• Um átomo é um ponto na imagem sujeito a forças exercidas pelos seus vizinhos.
• Área de influência é função de uma distância limite D.
• Uma função de força inter-atômica deve satisfazer certas condições:
9
Interação entre átomos
Propriedades
●Ser nula a partir de uma distância pré-definida, limitando a zona de influência de um átomo.
●Ser uma função contínua da distância inter-atômica.
●Ser repulsiva (positiva) para evitar átomos muito próximos.
●Ser atrativa (negativa) para evitar grandes espaços vazios, quando os átomos estiverem muito distantes.
Distância Nominal
A distância nominal d é a distância na qual as forças de repulsão passam a ser forças de atração.
Modelo de Força
Força de interação entre átomos é uma função polinomial, definida por partes :
d
xxu
ji
12
d: distância nominal de um átomo.
, distância normalizada.
u
uuuuf5.10
5.104
5
8
19
8
9 32
Potencial Escalar
Para usar técnicas de minimização:• força pode ser definida pelo negativo do
gradiente de um potencial escalar.
duufu )()(
u
uuuuu5.10
5.1016
5
24
19
8
9
256
153 43
Energia Potencial Atômica
A energia potencial atômica A é o somatório ponderado da energia associada a cada átomo no sistema.
A energia de um átomo é o somatório das forças exercidas sobre ele pelos seus vizinhos:
14
n
i
n
j j
ji
n xd
xxxxxAA
1 121 2
1,...,,
Energia Potencial da Imagem
A energia potencial da imagem B é o somatório dos campos potenciais associados aos pixels da imagem que contenham átomos.
O campo potencial de um ponto b(xi) é função
do valor do pixel (nível de cinza) associado à imagem.
n
iin xbxxxBB
121 ,...,,
Energia Potencial da Imagem
O valor do campo potencial b(xi) esta no intervalo [-1,0]
O valor do campo potencial depende do tipo de estruturação final dos átomos: Na Triangulação de Delaunay:
b(x) = (pixel/255)-1,
o que faz com que o nível branco (255) produza o potencial 0 e o nível preto (0) produza o potencial -1.
• No Diagrama de Voronoi:b(x) = -pixel/255,
o que faz com que o nível branco (255) produza o potencial -1 e o nível preto (0) produza o potencial 0.
Energia Potencial Total A energia potencial total P é dada pela soma
ponderada da energia potencial atômica e a energia potencial da imagem:
O fator de escala ß determina a contribuição relativa de A e B.• ß=0 os átomos formam um reticulado regular que não
necessariamente está alinhada às características de interesse da imagem.
• ß=1 os átomos são sensíveis apenas às características da imagem, obtendo-se um reticulado altamente irregular.
Depende do tipo de estruturação final dos átomos.
17
BxAxxxxPP ii )()(1,...,, 321
Realce
18
Dimensões: 220 x 220 pixels Dimensões: 206 x 198 pixels
Características de interesse podem ser simples de detectar! Ou não?
Detector de Sobel
• Identificar as características de interesse da imagem.
• Detector de Sobel: – diferenciação da
imagem– suavização da
imagem
19
Detector de Sobel
Atributo de caos
O atributo de caos realça mudanças (gradiente) ao longo das camadas de reflexão.
A partir das mudanças, a orientação dominante é calculada usando análise de componentes principais. Adicionar os gradientes dentro de
uma matriz de covariança. Decompor nos seus autovetores e
autovalores.
20
Atributo de caos Camadas suaves e não
quebradas têm uma direção dominante:
Camadas curvas têm duas direções:
Uma falha com regiões irregulares têm gradientes apontando em todas as direções:
As falhas são obtidas usando uma máscara vertical ou uma máscara ortogonal na orientação dominante.
21
Atributo de caos: máscara de 6 x 10
12
minmax
midJ
minmax mid
minmax mid
minmax mid
Operadores Morfológicos
• Para o realce das características de interesse são usados os operadores morfológicos de dilatação e erosão.
• Permitem o espaçamento ou adelgaçamento das características de interesse.
22
Dilatação: máscara de 3 x 9
Tipos de Reticulados
• Retangular
• Hexagonal
• Pseudo-Regular
23
Reticulado Inicial
O reticulado inicial de átomos deve ter as seguintes características:
● minimizar localmente a energia potencial atômica,● ser altamente regular, ● ser consistente com a função de distância nominal.
24
Função de Distância Nominal
Para uma função de distância nominal constante, é fácil gerar um reticulado regular inicial de pontos que cumpra as propriedades mencionadas.
Um reticulado retangular é a escolha mais simples. Um reticulado hexagonal é uma solução melhor
para um reticulado inicial de pontos.
Função de Distância Nominal
Para uma função de distância não constante pode-se usar um reticulado pseudo-regular de átomos, adaptado de métodos desenvolvidos para refinamento de malhas de Delaunay.
●O reticulado é altamente regular mesmo com características finas em 2D e 3D.
●Baseia-se no fator r/d que mede a razão entre o raio r do circuncírculo do triângulo de Delaunay e a distância nominal, d, do átomo na posição do circuncentro.
27
Imagem sísmica
Função de distância nominal dmin = 7 (pixels pretos)
dmax = 14 (pixels brancos)
Construa uma fila de prioridade de triângulos. Posicione um átomo nos 4 cantos da imagem e
outro numa posição pseudo-aleatória longe dos cantos.
Compute a triangulação de Delaunay das posições dos átomos e adicione os triângulos na fila de prioridade segundo o fator r/d
Enquanto a fila não estiver vazia ● Obtenha e remova o primeiro triângulo t da
fila (maior r/d)● Crie um novo átomo xi na posição do
circuncentro do triângulo t● Se xi estiver dentro dos limites da imagem
Adicione xi na triangulação de Delaunay.
Compute a nova triangulação de Delaunay, e adicione os triângulos na fila de prioridade se r/d(xi) > c.
Remova da fila de prioridade os triângulos que foram destruídos pela atualização da triangulação de Delaunay.
Defina o reticulado inicial de átomos com os vértices da Triangulação de Delaunay final.
Algoritmo: Reticulado
pseudo-regular de
átomos
2D: c = 0.760 3D: c = 0.803
Minimização da função de energia
●Após a geração do reticulado inicial, os átomos devem ser movidos para uma configuração que minimize a energia potencial total P.
●O método do Gradiente (Steepest Descent Algorithm - SDA) é usado para minimizar a função de energia potencial total, que pode possuir vários mínimos locais.
●A busca é repetida até que o mínimo mais adequado seja encontrado.
Otimizador do Reticulado de Átomos
29
A tolerância Є permite controlar as iterações até que o decremento em P seja insignificante.
Imagem sísmica
Perturbação = 0.2 x d
Obter o reticulado inicial x1, x2, ...,
xn
Computar a energia potencial total do reticulado inicial P
Fazer {
● P0 = P
● Perturbar x1, x2, ..., xn
● Fazer{
Pi = P
Executar um passo do Método do Gradiente
} Enquanto Pi – P > Є |Pi|
} Enquanto P0 – P > Є |P0|
Triangulação de Delaunay • O reticulado de átomos
otimizado é estruturada via triangulação de Delaunay ou diagrama de Voronoi.
• Triangulação de Delaunay e Diagrama de Voronoi tendem a criar bordas (em 2D) e faces (em 3D) alinhadas às características da imagem.
• A triangulação de Delaunay sempre conecta os átomos com seus vizinhos mais próximos.
30
Triangulação de Delaunay
316 átomos
Diagrama de Voronoi
31
O diagrama de Voronoi conecta os circuncentros dos triângulos de Delaunay.
Os átomos ficam mais concentrados junto à fronteira das características de interesse.
32
Diagrama de
Voronoi
652 átomos
Reticulado
inicialdmin= 5
dmax = 10
Reticulado
otimizado
Pert. = 0.2 x d
Diagrama
de Voronoi
sobre o
reticulado
otimizado
Resultados
33
Triangulação de Delaunay
495 átomosdmin = 10 (pixels pretos)
dmax = 20 (pixels brancos)Perturbação = 0.1 x d
Diagrama de Voronoi
775 átomosdmin = 8 (pixels pretos)
dmax = 16 (pixels brancos)Perturbação = 0.1 x d
Resultados
34
Sobel
3 x 3
Dilatação
3 x 3Cérebro
Resultados
35
Malha renderizadacor do pixel = circumcentros
de triângulos
Reticulado otimizadodmin = 3 (pixels pretos)
dmax = 9 (pixels brancos)Perturbação = 0.2 x d
Malha1700 átomos
Resultados
36
Triangulação de Delaunay gerada
sobre o Volume Sísmico do
Campo Stratton, no Sul do Texas.
Conclusões
37
O realce de características de interesse é fundamental no método apresentado para que o otimizador de pontos produza bons resultados.
Nos resultados constata-se que o método alinha a malha adequadamente às características de interesse para imagens suaves em níveis de cinza.
Os parâmetros usados no pré-processamento da imagem devem ser estudados mais adequadamente, para que permitam uma automatização no realce dos horizontes e falhas em imagens sísmicas pouco nítidas.
Conclusões
38
No resto do método, os parâmetros apresentados nos resultados são aplicáveis a maioria das imagens.
Se a imagem de entrada não permitir obter regiões fechadas, talvez porque tenha sido filtrada inapropriadamente, o método não será capaz de fechar os "buracos".
O método implementado pode ser usado para segmentar imagens em geral.
O número de átomos do reticulado deve ser grande o suficiente para garantir que a maioria deles se alinhem às características de interesse.
Sugestões
39
Existem algoritmos de visualização volumétrica [Silva2004] que ajudam a realçar de modo apropriado características geológicas de interesse na sísmica.
Por outro lado, pode-se melhorar a qualidade da malha através de uma fase de pós-processamento.
O método implementa um modelo de forças que praticamente é independente do minimizador de energia, o que significa que o método pode ser estendido usando outros modelos de forças.
Etapa direta de segmentação da malha gerada.
Referências
40
[Hale2001] “Atomic images – A Method for Meshing Digital Images”. Proceedings of the 10th International Meshing Roundtable, pp. 185-196. 2001.
[Hale2002] “Atomic meshes: from seismic imaging to reservoir simulation”. Proceedings of the 8th European Conference on the Mathematics of Oil Recovery. 2002.
[Jalba2004] “CPM: A Deformable Model for Shape Recovery and Segmentation Based on Charged Particles”. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2004.
[Silva2004] “Visualização Volumétrica de Horizontes em Dados Sísmicos 3D”. Tese de Doutorado. PUC-Rio . 2004.