共查询到20条相似文献，搜索用时 31 毫秒
1.
地震数据的随机噪声去除是地震数据处理中的一项重要步骤,双稀疏字典提供了两层稀疏模型,比单层稀疏模型可以更好地去除噪声.该方法首先利用contourlet变换对地震数据进行稀疏表示,然后在contourlet域中使用快速迭代收缩阈值算法（fast iterative shrinkage-thresholding algorithm,FISTA）对初始字典系数进行更新,接着采用数据驱动紧标架（data-driven tight frame,DDTF）在contourlet域中得到DDTF字典并通过FISTA得到更新后的字典系数,最后通过DDTF字典和更新后的字典系数获得新的contourlet系数,并对新的contourlet系数进行硬阈值和contourlet反变换得到去噪后的数据.通过模拟数据和实际数据的实验证明：与固定基变换去噪方法相比,该方法可以自适应地对地震数据进行稀疏表示,在地震数据较为复杂时得到更高的信噪比;与字典学习去噪方法相比,该方法不仅拥有较快的去噪速度,而且克服了字典学习因为缺少先验约束造成瑕疵的缺点. 相似文献
2.
Curvelet阈值迭代法地震随机噪声压制(英文) 总被引：5，自引：1，他引：4
本文将近些年发展起来的多尺度分析技术——Curvelet变换与求解优化反演问题的阈值迭代法相结合,研究了基于Curvelet变换的阈值迭代法在地震数据随机噪声衰减中的应用。充分利用了Curvelet变换对地震数据表示的稀疏性,提出将地震数据随机噪声压制问题转化为基于Curvelet稀疏变换的L1范数最优化问题,并采用前人提出的阈值迭代法求解。通过与常规的中值滤波、FX反褶积和小波阈值法去噪方法对比,理论合成数据和实际数据试算表明,Curvelet阈值迭代法去噪法具有优势,该法不仅能够获得较高的信噪比,而且对有效信号的损失较小。为充分利甩Curvelet的多尺度、多方向特性,提出了在Curvelet阈值迭代法去噪结果的基础上再进行方向控制,进一步提高了数据信噪比。 相似文献
3.
压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分（TGV）约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法（ADMM）求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性. 相似文献
4.
《地球物理学进展》2017,(5)
地震数据重建在地震数据处理中是非常关键的问题,针对传统地震数据重建方法受奈奎斯特采样定理的限制较大,重建数据易出现假频,以及变换基函数对于复杂地震波前信息的稀疏表示不够准确的问题,结合波原子对于简单纹理模型具有最优的稀疏表示能力,可以较好稀疏表示地震数据同相轴信息的特点,提出基于波原子域的地震数据压缩感知重建算法.首先,在波原子域建立地震数据压缩感知重建正则化模型,通过Landweber迭代算法,稀疏反演求解L1范数最小优化问题.其次,为克服波原子变换缺乏平移不变性,易在地震数据缺失道邻域产生伪吉布斯现象的缺点,数据重建过程中在检波器轴采用循环平移技术,对重建结果线性平均以抑制失真.最后,利用指数阈值收缩模型在迭代初期加速促进编码系数的稀疏程度,去除噪声,迭代接近结束时减缓阈值收缩,加强保留地震数据的细节信息与数据的主要特征.利用合成地震模型及实际数据,通过与现有算法对比实验,表明本文算法能有效提高重建地震数据SNR,并且可以更好的保持地震数据同向轴复杂区域的局部特征.理论及实验证明了以波原子域稀疏表示为基础,建立、求解地震数据压缩感知重建模型的合理性,以及结合循环平移技术、指数阈值收缩模型抑制重建数据中噪声的有效性. 相似文献
5.
由于野外采集环境的限制,常常无法采集得到完整规则的野外地震数据,为了后续地震处理、解释工作的顺利进行,地震数据重建工作被广泛的研究.自压缩感知理论的提出,相继出现了基于该理论的多种迭代阈值方法,如CRSI方法（Curvelet Recovery by Sparsity-promoting Inversion method）、Bregman迭代阈值算法（the linearized Bregman method）等.CSRI方法利用地震波形在Curvelet的稀疏特性,通过一种基于最速下降的迭代算法在Curvelet变换域恢复出高信噪比地震数据,该迭代算法稳定,收敛,但其收敛速度慢.Bregman迭代阈值法与CRSI最大区别在于每次迭代时把上一次恢复结果中的阈值前所有能量都保留到本次恢复结果中,从而加快了收敛速度,但随着迭代的进行重构数据中噪声干扰越来越严重,导致最终恢复出的数据信噪比低.综合两种经典方法的优缺点,本文构造了一种新的联合迭代算法框架,在每次迭代中将CRSI和Bregman的恢复量加权并同时加回本次迭代结果中,从而加快了迭代初期的收敛速度,又避免了迭代后期噪声干扰的影响.合成数据和实际数据试算结果表明,我们提出的新方法不仅迭代快速收敛稳定,且能得到高信噪比的重建结果. 相似文献
6.
在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,最后重构得到去噪后的记录.经合成记录和实际地震资料处理实验证明,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率. 相似文献
7.
本文研究了形态分量分析(MCA)算法含噪地震数据的重构问题.针对传统形态分量分析算法在含噪地震数据重构精度不足问题,提出组合方法以提高重构精度.给定随机缺失坏道地震数据,加入不同比率的高斯噪声,研究数据的重构效果.采用离散余弦、离散曲波和离散小波作为字典集合,对数据形态分量进行稀疏表达,并迭代优化各分量,以优化分量进行重构.分析不同随机缺失比率、不同信噪比模型仿真模拟结果.实际地震数据处理结果表明,组合MCA算法对随机缺失含噪地震数据具有较好的重构效果,并具有明显地随机噪声压制效果. 相似文献
8.
《地球物理学报》2020,(9)
压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分(TGV)约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法(ADMM)求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性. 相似文献
9.
《地球物理学进展》2016,(4)
反射地震采集的单炮数据中常有死道、坏道及空白道.又因深地震反射的地表条件更为复杂,所以这种现象更为常见.通过波场重建来提高原始单炮数据的利用率很有必要.基于变换域的重建方法计算速度快,对数据要求少,可以处理规则或不规则采样的数据,所以该方法适用于深地震反射数据的波场重建.Curvelet变换是一种方向性强的多尺度变换方法,因此地震数据在Curvelet域中可以稀疏的表示.利用压缩感知的原理,在Curvelet域中对深反射地震单炮记录中坏道及死道进行波场重建,并用阈值滤波技术去噪处理,结果显示该处理流程效果明显.与各向同性且均匀的介质模型检验结果区别之处是该方法能够很好地重建深层的波组抗界面的同相轴相位,但难以100%地恢复能量.这可能与地下的真实介质为各向异性的非均匀性质有关. 相似文献
10.
传统的地震数据采样必须严格遵循Nyquist采样定理,而野外实际数据的采集可能由于施工条件或者地表障碍物的限制,不一定能记录到完整的地震波场,所以地震资料处理中的数据重建是非常重要的问题.压缩感知理论最先来自信号处理领域,它所包括的问题类型有信号的稀疏表征和数学组合优化,它给地震数据重建这类问题指明了思考方向.而其中如何选择最优的迭代算法是数据重建中的关键问题.本文将地震数据插值问题归纳到约束最优化问题,选择能有效稀疏表征地震波场的傅里叶变换,对于压缩感知理论框架下的混合范数反问题,再用Bregman迭代方法去求解,在地震数据的重建过程中,传统的阈值参数收敛慢,为了降低迭代次数并且提高地震数据恢复的精度,总结出改进型指数衰减规律的阈值参数,选择用硬阈值算子来重建恢复地震数据．通过对理论模型和实际地震资料的处理结果表明该方法可以快速、有效的恢复地震波场的缺失数据． 相似文献
11.
随着陆地地震勘探工作的加深,勘探环境变得越来越复杂,获得的地震信号信噪比越来越低,这给地震成像和数据解释带来了巨大的困难.为了解决这一技术难题,本文针对云南山地金属矿区的勘探环境提出了一种基于自适应阈值递归循环平移的Shearlet变换去噪算法（Recursive Cycle Spinning Shearlet Transform,RCSST）.首次将递归循环平移与Shearlet变换相结合,利用Shearlet变换的多尺度多方向特性对平移后的地震资料进行分解变换,之后,我们又提出了一种全新的自适应阈值,避免了信号系数被过度扼杀,同时也保护了有效信号.实验表明基于自适应阈值的RCSST算法克服了传统Shearlet变换去噪算法在低信噪比下易出现假轴的弊端并且能够有效地保护信号的幅度.在处理较低信噪比的模拟和实际云南山地地区地震资料的过程中,本文方法能够较好的压制随机噪声和保护有效信号. 相似文献
12.
实际地震信号通常可表示为具有波形特征差异的多种基本波形信号的线性组合,如叠前道集中的工频干扰噪声与有效波信号、面波噪声与体波信号等.选择单一数学变换方法,往往不易实现地震信号的稀疏表示.近年来发展的形态成分分析理论,通过联合多种数学变换,可实现对复杂信号的稀疏表示.本文根据单道地震记录中面波与体波信号波形结构特征的差异性,提出一种基于形态成分分析的面波噪声衰减方法.针对面波的低频、窄带以及频散特性选择一维平稳小波变换作为其稀疏表示字典,而针对体波波形的局部相关特性选择局部离散余弦变换作为其稀疏表示字典,建立基于双波形字典的形态成分分析模型,通过求解该稀疏优化问题获得最终的信噪分离结果.理论模型和实际地震资料处理证实该方法不仅能够衰减单炮地震记录中的强面波干扰噪声,同时能够更好地保护有效信号的波形特征与频谱带宽,为地震资料的后续处理和分析提供良好的数据基础. 相似文献
13.
随着山地和丘陵地震勘探环境的复杂化,传统的消噪方法已经难以有效地压制地震记录中的随机噪声.Shearlet变换是一种新的多尺度多方向的时频分析方法,具有良好的稀疏表示特性,并且在每个尺度进行方向分解,非常适合用于地震信号随机噪声的压制.但是传统的Shearlet变换去噪方法采用的是硬阈值,在抑制随机噪声的同时也消除了很多有效信号,使得去噪之后的地震资料出现虚假的同相轴,为了解决这一问题我们提出高阶加权阈值函数.高阶加权阈值函数不但整体上连续性较好,而且克服了硬阈值函数存在剧烈的变化的缺点以及软阈值在处理较大Shearlet系数总存在恒定偏差的问题,同时保留了传统的软硬阈值函数的优点.实验结果表明这种基于高阶加权阈值函数的Shearlet变换去噪的方法,可以有效的消除模拟地震信号和实际丘陵地带地震信号中的随机噪声,同时很好的保留有效信号的幅度. 相似文献
14.
传统地震数据稀疏重建方法面临着:(1)叠前共炮点道集或CMP道集反射波为双曲线型同相轴,地震数据重建会损害有效波;(2)地震信号存在噪声和畸变,要求重建方法具有较好的噪声鲁棒性.针对这两个问题,提出一种基于L_1-L_1范数稀疏表示的共偏移距道集地震数据重建方法.该方法利用了共偏移距道集中地震波为水平同相轴,无道间时差,满足空间重建要求,和L_1-L_1范数稀疏表示具有较好的噪声鲁棒性.首先抽取共偏移距道集地震数据,并根据地震采集信息构造复合采样矩阵,然后采用L_1-L_1范数稀疏表示对数据稀疏重建后,再将数据反变换回共炮点道集或CMP道集,能够同时实现地震信号稀疏重建和随机噪声压制.理论模型和实际数据试算结果验证所提方法具有较好重建精度和噪声鲁棒性. 相似文献
15.
地面微地震监测采集到的微地震信号通常能量微弱,信噪比低,如何提高微震数据的信噪比是数据处理的难题.Shearlet变换是一种新型的多尺度几何分析方法,具有敏感的方向性和较强的稀疏表示特性,能起到很好的随机噪声压制效果.由于地面微震数据的有效信号大多被淹没在噪声中,基于传统阈值的Shearlet变换（the traditional threshold-based Shearlet transform TST）只考虑到尺度或方向的阈值,在去噪过程中会过度扼制有效信号系数,造成有效信号能量损失.因而,本文建立Context模型,得到基于Context模型的Shearlet变换（the Context-model-based Shearlet transform CMST）方法,改进传统Shearlet阈值方法的不足.我们通过所建立的Context模型将能量相近的各方向系数划分为同一组,并分组估计阈值,分别处理各部分系数,达到微弱同相轴有效恢复的目的.通过TST及CMST的模拟实验与实际地面微震记录处理结果对比可知,本文方法在低信噪比条件下比对比方法更加有效地恢复地面微震数据的微弱信号,随机噪声压制效果明显,在-10 dB条件下,提升信噪比18.3741 dB. 相似文献
16.
基于学习型超完备字典的地震数据去噪(英文) 总被引：6，自引：4，他引：2
基于变换基函数的方法,是地震去噪处理中最常用的技术之一,它利用地震数据在某种基函数变换域内的稀疏性和可分离性来达到剔除噪声的目的。但传统的做法是事先选定一组固定的变换基并在对应域内进行处理,其效果往往并不十分令人满意。为了探索新的改进方法,我们引入学习型超完备冗余字典,即根据地震模型数据进行学习和训练,以寻求最优的稀疏表示字典,而不是只选用固定的变换基。本文在字典学习中融入全变差最小化策略以压制伪吉布斯现象。我们选用离散傅里叶变换作为初始变换,并以随机噪声为例,对单一的全局变换、未经学习的超完备冗余字典和学习型超完备冗余字典做了比较。结果表明,利用经过训练的超完备冗余字典,在对地震数据进行稀疏表示的同时,也达到了有效去除噪声的目的,可视性和信噪比都得到了明显提高。我们也比较了均匀和不均匀字典子块的效果,结果表明,不均匀的字典子块更利于地震数据去噪。 相似文献
17.
海底地震仪（OBS）采集数据的去噪处理是开展OBS震相分析及后续处理反演的基础.本文结合曲波（Curvelet）变换及压缩感知提出一种稀疏化表达的OBS去噪方法,并通过与小波变化对比等探讨去噪效果.曲波变换具有抛物尺度及识别线性异常的优点,可以稀疏地表示OBS数据,再结合压缩感知思想对稀疏表达OBS数据进行去噪处理和重构.通过对变换后的系数进行基于L1范数的冷却阈值迭代滤波,获得最优的变换系数,本文指出基于曲波变换的冷却阈值迭代法能够很好地对OBS数据去噪.对比小波和曲波两种变换在相同迭代次数下对理论模型数据进行去噪处理,表明曲波变换得到的结果信噪比更高.利用本文方法对渤海地区采集的OBS数据进行去噪处理获得了更加清晰连续的震相,噪声压制效果更明显,为震相拾取及后续速度模型反演奠定了良好的基础. 相似文献
18.
基于Bregman迭代的复杂地震波场稀疏域插值方法 总被引：2，自引：1，他引：1
在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。 相似文献
19.
在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。 相似文献
20.
地震勘探目标区域环境的复杂多变性导致采集的地震数据存在不完整或者不规则等问题,针对这一问题,本文在压缩感知相关理论的支撑下,提出了基于超完备字典学习的缺失地震数据重构方法.首先利用K-SVD字典学习技术对地震样本数据进行训练,建立超完备字典对地震数据进行稀疏表示,然后引入高斯随机采样矩阵作为测量矩阵对地震数据进行采样;在数据重构阶段采用分段正交匹配追踪算法实现缺失地震数据的重构.通过与传统的地震数据重构方法对比,本文算法的重构效果在峰值信噪比、信噪比等指标上均优于对比算法,证明了超完备字典学习方法能更好的根据地震数据特征进行稀疏表示,从而获得较好的重构效果. 相似文献