دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 12 2 2026 09 23 Developing an Automatic Algorithm for Salt Dome Detection Based on Seismic Attributes and Mathematical Morphology Operators توسعه یک الگوریتم خودکار بر مبنای نشانگرهای لرزه ای و عملگرهای ریخت شناسی ریاضیاتی برای آشکارسازی گنبد نمکی 89 98 3761 10.22044/jrag.2026.17088.1377 FA سید سجاد حسینی جنبذی دانشجوی کارشناسی ارشد، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران محمد رداد استادیار، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران امین روشندل کاهو دانشیار، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران Journal Article 2025 11 04 This study addresses the critical challenge in seismic interpretation of accurately delineating salt dome boundaries, which is essential for hydrocarbon exploration and subsurface modeling. It introduces a novel, fully automated hybrid algorithm designed to detect these boundaries and construct corresponding 3D models directly from seismic data. The methodology integrates seismic attribute analysis with mathematical morphological operators. In the first step, attribute analysis is performed on the seismic data volume to detect the salt dome texture. Three seismic attributes, texture energy, texture entropy, and chaos have been examined. The attribute volume is then normalized, binarized, and processed through a sequence of morphological operations, including opening and hole-filling to produce a high-resolution refined final salt dome volume. The algorithm was successfully tested and validated on a 3D seismic dataset from the geologically complex Strait of Hormuz in Iran. The evaluation of the results showed that the proposed method not only performs with good accuracy, close to manual interpretation, but also achieves this result within a very reasonable and acceptable runtime of approximately 30 seconds. Furthermore, quantitative evaluation of the results indicated that among the seismic attributes used, the texture energy attribute exhibits the best performance with the highest average symmetric surface distance (ASSD) in identifying salt dome boundaries. This capability minimizes the reliance of the interpretation process on the interpreter's subjective judgment and enables efficient processing of large-scale seismic data in an industrial context. گنبدهای نمکی، به عنوان ساختارهای زمین‌شناسی پیچیده، با ایجاد الگوهای بازتابی آشفته در داده‌های لرزه‌ای، چالش‌های متعددی را در فرآیند تفسیر به وجود می‌آورند. از سوی دیگر، با توجه به حجم بسیار زیاد داده‌های لرزه‌ای و زمانبر بودن تفسیر دستی آنها، توسعه روش‌هایی که توانایی ارائه خودکار یک مدل نهایی سه‌بعدی از گنبد نمکی را داشته باشند، جذاب و کاربردی است. این پژوهش با هدف توسعه روشی خودکار و کارآمد برای شناسایی مرز گنبدهای نمکی در داده‌های لرزه‌ای سه‌بعدی و تولید مدل سه‌بعدی از گنبد انجام شده است. برای دستیابی به این هدف، الگوریتمی ترکیبی مبتنی بر تحلیل نشانگرهای لرزه‌ای و عملگرهای ریخت‌شناسی ریاضیاتی طراحی و پیاده‌سازی شده است. در مرحله اول، تحلیل نشانگری بر روی حجم داده لرزه ای و برای تشخیص بافت گنبد نمکی انجام می شود. سه نشانگر لرزه‌ای انرژی بافتی، بی‌نظمی بافتی و آشفتگی مورد بررسی قرار گرفته اند. در مرحله بعد، حجم نشانگر پس از نرمال سازی به حجم باینری تبدیل می گردد. سپس، با اعمال توالی مناسبی از عملگرهای ریخت‌شناسی (شامل عملگرهای باز کردن و پر کردن حفره)، حجم نهایی پالایش شده گنبد نمکی با وضوح بالا استخراج می شود. الگوریتم بر روی یک حجم داده لرزه ای سه بعدی مربوط به تنگه هرمز ایران و شامل 280 خط گیرنده، 311 خط چشمه و 426 نمونه زمانی اعمال شده است. ارزیابی نتایج نشان داد که روش پیشنهادی نه تنها قادر است با دقتی خوب و نزدیک به تفسیر دستی عمل کند، بلکه این نتیجه را در بازه زمانی بسیار معقول و قابل قبول حدوداً 30 ثانیه به دست می‌آورد. همچنین ارزیابی کمّی نتایج نشان داد که در میان نشانگرهای لرزه‌ای استفاده شده، نشانگر انرژی بافتی بهترین عملکرد را با بالاترین مقدار معیار فاصله سطحی متقارن متوسط در شناسایی مرز گنبد نمکی داراست. مزیت اصلی این پژوهش، ارائه الگوریتمی خودکار است که در بازه زمانی بسیار معقول و قابل قبول، قادر به تولید مدل سه‌بعدی نهایی از گنبد نمکی می‌باشد. این قابلیت، وابستگی فرآیند تفسیر به قضاوت ذهنی مفسّر را به حداقل رسانده و امکان پردازش کارآمد داده‌های حجیم لرزه‌ای در مقیاس صنعتی را فراهم می‌سازد. https://jrag.shahroodut.ac.ir/article_3761_7a22ba783125cc3bebabaf0509653b77.pdf