Professional Documents
Culture Documents
Laboratoire LIS
ENSIEG, Domaine Universitaire, BP 46, 38402 SAINT MARTIN DHERES CEDEX, France
2
ELF Aquitaine
Avenue Larribau, PAU, France
Sofiane.Lariani@imag.fr, Jean-Marc.Chassery@imag.fr
Naamen.Keskes@elf-p.fr
Rsum : Linterprtation des images sismiques reprsente un travail important et dlicat o le gologue est sens dterminer les structures
pertinentes de limage pour minimiser les risques dun forage avort. Lautomatisation de certaines tches et laide linterprtation laissera
plus de temps au gologue pour la rflexion et la prise de dcision. Nous prsentons une mthode fonde sur lanalyse du comportement
oculaire de lobservateur lors de linterprtation des images sismiques pour aller vers une pr-sgmentation des images en rgions dintrts.
Abstract : The interpretation of seismic images is an important and thiky work. In this paper we propose a method in order to
make things easier for the geologist. We hope to automate some laborious tasks of interpretation. The originality of this method
is that its based on the oculor behavior of the geologist looking at the seismic images.
1.
Introduction
Au cours des dernires dcennies, lanalyse et la
comprhension de la vision humaine a permis dans plusieurs
domaines damliorer lenvironnement de travail de lhomme
et de lui venir en aide dans la ralisation de ses tches. La
nature du travail de loprateur humain se voit compltement
change ; les tches automatiques et pnibles cdent la place
plus de temps pour la rflexion, donc une bonne prise de
dcisions et, dans des contextes conomiques, une meilleure
productivit. Nous pouvons citer, comme exemple la
conception dinterfaces homme-machine, la navigation
arienne et la conduite automobile[1,7]
Notre article concerne linterprtation des images sismiques.
Les images sismiques sont une chographie du sous-sol. Elle
nont de sens que pour lil expert et entran du gologue.
La tche du gologue interprtateur devant une image
sismique est dextraire les informations pertinentes et
didentifier les diffrentes structures telles que les horizons,
les failles, les discordances et les facis. Pour cela, le
gologue se base sur ses connaissances antrieures et sur un
mcanisme dinterprtation trs compliqu acquis au cours de
son exprience.
Le cadre gnral de notre travail est la comprhension du
processus de la vision humaine, en partie pour linterprtation
et lexploitation des images sismiques, afin de venir en aide
aux spcialistes et rendre leurs taches plus rapides. Lobjectif
est lautomatisation partielle de linterprtation sismique. Il
est clair que nous ne cherchons pas reproduire de manire
exacte et prcise le fonctionnement de la perception des
gologues. Nous voulons plutt tablir des correspondances
entre les principales tapes fonctionnelles effectues par la
perception au cours dune interprtation dune part et les
modles algorithmiques dautre part.
2.
Mthodologie
347
348
M 2( ) =
H (l ) =
1
N
1
N
( Xi )( X
i =1
(X
i =1
i+
) / 2
l)
avec
349
Sens danimation
Fig5 Bloc sismique reprsent par six sections.
2.3. Prdiction :
Laide linterprtation sappuie sur la prdiction des
zones dintrts, cest dire les rgions de limage qui ont le
plus de probabilit dattirer lattention du gologue. La phase
de prdiction se base sur ce quon appris dans les deux
premires tapes. Donc, partir dune donne sismique, nous
souhaitons estim les rgions importantes pour
linterprtateur et, du coup, raliser une premire
segmentation en rgions de limage sismique. Il est noter
que la prsence du gologue reste primordiale pour valider les
rsultats et traiter les rgions ; notre but se limitant une aide
a linterprtation sismique.
Conclusion
Nous prsentons une mthode pour mettre en place un
modle danalyse des images sismiques. Cette mthode
combine deux processus : tude du comportement oculaire
des gologues lors de linterprtation des images sismiques et
analyse quantitative des images perues par le biais de
lanalyse de textures et de lestimation de mouvements. Le
but est dintgrer la stratgie oculaire dgage dans des
algorithmes daide linterprtation sismique. Cette aide se
manifeste surtout sous la forme dune prdiction de
segmentation.
4. Rfrences
[1] Acier B., Contribution la conception et lvaluation
dinterface homme-machine par lanalyse du
comportement visuel dun superviseur humain. Thse de
Doctorat en Automatique industrielle et Humaine,
Valenciennes, dcembre 1993.
[2] Simon P., Contribution de lanalyse du mouvement
oculaire lvaluation de la charge de travail mental.
Thse de Doctorat en Automatique industrielle et
Humaine, Valenciennes, janvier 1990.
[3] Ma S., Modlisation et synthse de texture, application
linfographie. Thse de Doctorat en Mathmatiques,
Physiques Naturelles, Paris Juin 86.
[4] Gagalowicz A., vers un modle de texture. Thse de
Doctorat en Science Mathmatiques. Paris mai 83.
[5] Julez B. Texton, the fundamental elements in preattentive
vision and perception of texture. Human Factors and
Behavioral Science. September 1981.
[6] Neboit M., Evolution de lexploration visuelle avec
lapprentissage et avec lexprience professionnelle. Le
Travail Humain, Vol. 46, n1, page 49 63, 1983.
[7] Papin J.P., lexploration visuelle en radiologie du thorax.
Rapport de recherche C.E.R.M.A, juillet 81.
[8] Pauget F. Utilisation du Flux Optique Pour lAide
linterprtation dimages Sismiques. Thse de Doctorat
en Sciences Cognitives, Paris, Janvier 99.
350