Yugra State University BulletinYugra State University BulletinВестник Югорского государственного университета1816-92282078-9114Yugra State University10725110.18822/byusu202201134-144Mathematical modeling and information technologyМатематическое моделирование и информационные технологииResearch ArticleVisual duplicates search of fracture zones of seismic databasesbased on the method of solving the ICP variational problemin closed form and inverted indexПоиск по подобию зон трещиноватостей в базах данных сейсморазведочной информации на основе метода решения вариационной задачи ICP в замкнутой форме и инвертированного индексаVokhmintsevAlexander V.ВохминцевАлександр Владиславович
Russian Federation

Doctor of Technical Sciences, Head of Research Laboratory "Intelligent Information Technologies and Systems"

доктор технических наук, заведующий научно-исследовательской лабораторией «Интеллектуальные информационные технологии и системы»

vav@csu.ruBotovDmitriy S.БотовДмитрий Сергеевич
Russian Federation

Candidate of Technical Sciences, Associate Professor of the Institute of Information Technologies

кандидат технических наук, доцент Института информационных технологий

dmbotov@gmail.comPetrichenkoYuliya V.ПетриченкоЮлия Владимировна
Russian Federation

Candidate of Economic Sciences, Director of the Institute of Information Technologies

кандидат экономических наук, директор института информационных технологий

iit@csu.ruChelyabinsk State UniversityФГБОУ ВО «Челябинский государственный университет»100520221811341440905202209052022Copyright ©; 2022, Yugra State UniversityCopyright ©; 2022, Югорский государственный университет2022Yugra State UniversityЮгорский государственный университетhttps://creativecommons.org/licenses/by-sa/4.0https://vestnikugrasu.org/byusu/article/view/107251

In this paper fast methods are proposed for search the fracture zones in seismic databases on two types of data: seismic section (two-dimensional data) and seismic cube (three-dimensional data). These methods are an integral part of the mapping technology for filtering channels and large volumes of seismic data and useful for automating interpretation of heterogeneous seismic data. The proposed methods for searching the similarity of fracture zones were investigated using the Open Seismic Repository reference dataset, which contains information about geological rocks in the area of the North Sea and compared with other known methods for solving this problem, the results were discussed in the article.

В работе предложены методы для быстрого поиска зон трещиноватостей в базах данных сейсморазведки на двух типах данных: сейсмический разрез (двумерные данные) и сейсмический куб (трехмерные данные). Данные методы являются составной частью технологии картографирования фильтрующих каналов и больших объемов сейсмических данных и полезны для автоматизации процесса интерпретации разнородных сейсмических данных. Предложенные в работе методы поиска по подобию зон трещиноватостей были исследованы с использованием эталонного набора данных Open Seismic Repository, который содержит информацию о геологических породах в районе акватории Северного моря, и сравнены с другими известными методами решения задачи, полученные результаты были обсуждены в статье.

fracture zonesfractured systems mappingseismic explorationimage matchingregistration problemзоны трещиноватостикартирование трещинных системсейсморазведкасопоставление изображенийрегистрация облаков точекГлухманчук, Е. Д. Межслоевой сдвиг в породах баженовской свиты как региональный фактор внутриформационного разрывообразования / Е. Д. Глухманчук, В. В. Крупицкий, А. В. Леонтьевский. – Текст : непосредственный // Недропользование XXI век. – 2014. – № 5 (49). – C. 24−26.Глухманчук, Е. Д. Характеристика зон трещиноватости по неоднородности структуры поля деформаций отражающих горизонтов / Е. Д. Глухманчук. – Текст : непосредственный // Геология и геофизика. – 2013. – Т. 54, № 1. – С. 106−112.Мельниченко, А. Методы поиска изображений по визуальному подобию и детекции нечетких дубликатов изображений / А. Мельниченко, А. Гончаров. – Текст : непосредственный // ЛММИИ на РОМИП-2009 : труды РОМИП (Петрозаводск, сентябрь 2009). – Санкт-Петербург : НУ ЦСИ, 2009. – С. 108–121.Matching and retrieval based on the vocabulary and grammar of color patterns / R. Mojsilović, J. Kovačević, J. Hu [et al.] // IEEE Transactions on Image Processing. – 2000. – Vol. 9. – P. 38–54.Lowe, D. G. Distinctive image features from scale-invariant keypoints / D. G. Lowe // Inter-national journal of computer vision. – 2004. – Vol. 60 (2). – P. 91–110.Tamura, H. Textural features corresponding to visual perception / H. Tamura, S. Mori, T. Yamawaki // IEEE Transactions on. Systems, Man and Cybernetics. – 1978. – Vol. 8 (6). – P. 460–473.Murala, S. Color and texture features for image indexing and retrieval / S. Murala, A. B. Gonde, R. P., Maheshwari // Proceedings of the IEEE International Advance Computing Conference Advance Computing Conference, IACC (Patiala, India, March 2009). – 2009. – P. 1411–1416.Face recognition based on matching algorithm with recursive calculation of local oriented gradient histogram / A. V. Vokhmintcev, I. V. Sochenkov, V. V. Kuznetsov, D. V. Tikhonkikh // Doklady Mathematics. –2016. – Vol. 466 (3). – P. 453–459.Charles, R. PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation / R. Charles, Qi H. S., M. Kaichun // Arxiv. – 2016. – URL: https://arxiv.org/pdf/1612.00593.pdf (date of application: 15.01.2022).Komarichev, A. A-CNN: Annularly Convolutional Neural Networks on Point Clouds / A. Komarichev, Z. Zhong, J. Hua // Arxiv. – 2019. – URL: https://arxiv.org/pdf/1904.08017.pdf (date of application: 15.01.2022).Smith, E. J. GEOMetrics: Exploiting Geometric Structure for Graph-Encoded Objects / E. J. Smith, S. Fujimoto, A. // Arxiv. – 2019. – URL: https://arxiv.org/pdf/1901.11461.pdf (date of application: 15.01.2022).PyTorch-BigGraph: A Large-scale Graph Embedding System / A. Lerer, L. Wu, J. Shen [et al.] // Proceedings of The Conference on Systems and Machine Learning. – 2019. – URL: https://arxiv.org/pdf/1903.12287.pdf (date of application: 15.01.2022).Zhou, Y. End-to-end learning for point cloud based 3d object detection / Y. Zhou, O. Tuzel Voxelnet // IEEE/CVF Conference on Computer Vision and Pattern Recognition. – 2018. – P. 4490–4499.. Riegler, G. OctNet: Learning Deep 3D Representations at High Resolutions / G. Riegler, A. O.man Ulusoy, A. Geier // Proceedings of the IEEE Conference on Computer Vision and Pat-tern Recognition. – 2017. – P. 3577–3586.Wang, P.-S. O-CNN: A Patch-based Deep Representation of 3D Shapes / P.-S. Wang, C.-Y. Sun, Y. Liu // ACM Transactions on Graphics. – 2018. – URL: https://arxiv.org/pdf/1809.07917.pdf (date of application: 15.01.2022).Brock, A. Generative and Discriminative Voxel Modeling with Convolutional Neural Net-works / A. Brock, T. Lim, J. M. Ritchie // Arxiv. – 2016. – URL: https://arxiv.org/pdf/1608.04236.pdf (date of application: 15.01.2022).Besl, P. A method for registration of 3-D shapes / P. Besl, N. McKay // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1992. – Vol. 14 (2). – P. 239–245.Stricker, M. A. Color indexing with weak spatial constraints / M. A. Stricker, A. Dimai // Proceedings of the SPIE Electronic Imaging: Science and Technology: Storage and Retrieval for Still Image and Video Databases IV (San Jose, USA, February 1996). – 1996. – Vol. 2670. – P. 29–40.Content-based query of image databases, inspirations from text retrieval: inverted files, frequency-based weights and relevance feedback / D. M. Squire, W. Müller, H. Müller, J. Raki // In Pattern Recognition Letters. –1999. – P. 143–149.Вохминцев, А. В. Комбинированные методы навигации и составления карты на основе решения вариационной задачи точка-плоскость ICP для аффинных преобразований в трехмерном пространстве / А. В. Вохминцев, А. В. Мельников, C. В. Пачганов. – Текст : непосредственный // Информатика и ее применения. – 2020. – Т. 14 (1). – С. 101–112.Netherlands Dataset: A New Public Dataset for Machine Learning in Seismic Interpretation / R.-M. Silva, L. Baroni, D. S. Civitarese [et al.] // ResearchGate. – URL: https://www.researchgate.net/publication/332139063] (date of application: 02.04.2021).