目标识别技术一直都是研究的热点。它涉及图像处理、数据挖掘、模式识别等领域中的相关知识,是一项交叉性强的技术。目标识别技术广泛应用在军事活动、工业生产、日常活动中的很多方面。本文主要工作是应用相关技术识别地震图像中的层位。地震图像中的层位可以反映地下岩层形态,它对于预测、发掘地下能源和矿藏具有基础性作用。从海量的地震数据中自动识别或者追踪层位是相当具有挑战性的难题,其主要原因是层位会由于剧烈的横向变化或是受到断层的影响而导致连续性变差。目前层位的解释工作主要还是由人工来完成,人工解释的缺陷是精度不高,并且严重依赖解释人员的主观经验。并且人工解释效率低,容易成为制约整个解释工作的瓶颈。为了解决上述问题,开发具有更优性能的全层位自动追踪技术越来越受到重视。本文重点研究层位的特征化,提出了一个全新二维全层位自动追踪框架,该框架分为两个步骤:1、基于层位空间特征的层位片段形成算法。通过对大量实际层位数据的统计与观察,发现层位在空间上具有以下分布特征:同一层位基本是连续分布的,不同层位因为地质年代生成的原因,在垂直时间方向上大致是平行分布,即同一层位的点的密度大于不同层位之间的密度。基于这样的认识,本文提出了利用基于密度聚类的层位片段形成算法。它能将层位极值点中密度大的点聚合起来,从而得到连续的层位段。同时,为了使得聚类后层位片段更符合层位形态,本文使用数学形态学方法改进了基于密度的聚类算法DBSCAN。2、基于层位片段聚类的层位融合算法。基于层位空间分布特征的聚类仅仅只考虑到空间点分布的连续性,无法解决同一层位片段空间分离的问题。由于同一地质层位的岩石成分相近,导致在地震信号中层位波形是相似的。根据波形重建技术提取的切比雪夫多项式系数可以表征波形的特征,本文基于同一层位波形特征参数符合高斯分布的假设,使用基于有限高斯混合模型的聚类算法将波形相似的层位片段合并为完整的层位。由于实际情况复杂和模型误差导致层位段不能正确归类到对应的层位,本文引入层位段置信度的概念,依据置信度的大小灵活地合并层位段。最后,本文将提出的方案应用到多个实际工区中,并对比分析层位追踪与人工解释、商业软件识别的优劣。从测试结果来看,本文方法解释结果的分辨率要优于人工解释结果,整体解释效果达到商业软件水平。