本文研究的内容与当前热门的图像处理和人工智能有着紧密的关系,希望通过对图像处理领域的灰度共生矩阵纹理分析方法及人工神经网络中的自组织神经网络算法的研究,丰富地球物理勘探的研究内容,为地震勘探开发新方法提供一些新的思路。论文首先从纹理的定义出发,介绍了纹理特征及纹理分析方法,然后引入地震纹理属性,并讨论了地震纹理属性特征及提取方法。其次,本文重点研究了基于灰度共生矩阵(GLCM)的地震纹理属性特征值的提取方法,详细讨论了灰度共生矩阵的形成及其影响因素。最后,结合实际工区地震资料,在地震纹理属性特征研究的基础上,利用地震纹理属性特征值进行储层预测与解释,并将地震纹理属性特征值与自组织神经网络算法(SOM)相结合,探讨了利用自组织神经网络进行地震相自动化分的方法。通过与相干、曲率等其它地震属性的对比,地震纹理属性在储层解释及地震相划分等方面表现出了更加精细、准确的刻画效果。