随着石油工业和计算机技术的发展,利用图像处理算法分析地震剖面图已成为一种研究趋势,而基于地震剖面图的相似性分析对地质体进行分类已成为研究的热点。地震剖面图是典型的自然纹理图,其相似性分析的基础和关键环节是纹理特征的提取,因此,本文将纹理特征提取算法作为研究的重点。首先,鉴于纹理特征提取方法的有效性和地震剖面的纹理特点,本文以Haar型LBP特征的提取方法为基础进行纹理特征提取算法的研究。其次,针对Haar型LBP特征提取过程中存在的阈值主观性强、局部性差,所提取的纹理细节和边缘模糊等问题,提出一种融合多特征的纹理特征提取算法。该算法引入高斯加权矩阵,并将其融入Haar型LBP特征的提取过程中,以获取自适应的阈值和融合特征。最后,通过与LBP算法和Haar型LBP算法进行对比,验证该算法的合理性和有效性,证明其具有更高的描述能力。采用直方图相交法和卡方统计检验法度量直方图化后的融合特征间的相似度,分析地震剖面图的内部相似性和自然纹理图的外部相似性。实验表明,本文算法有效地避免了人为设定阈值对纹理特征的影响,所提取的融合特征可以更加准确地描述图像,为地震剖面和自然纹理图的相似性分析奠定了良好的数据基础。