基于空间分数阶复扩散的地震勘探噪声压制

沙漠地震勘探数据信噪比低,随机噪声主要为非平稳、非高斯的低频色噪声,利用常规噪声压制方法很难有效辨识与表征地震勘探信号,导致弱纹理结构信号的损失。针对此问题,引入分数阶梯度算子,提出空间分数阶复扩散随机噪声压制算法。该算法利用空间分数阶梯度增强地震信号的弱纹理和细节,在复扩散框架下,根据同相轴结构控制扩散强度。实验采用合成地震勘探数据和实际沙漠地震勘探数据评估算法性能,结果表明,提出的空间分数阶复扩散滤波算法可压制沙漠勘探随机噪声并保留有效信号结构。     

基于C-WNNM的地震随机噪声压制方法

针对低信噪比情况下地震信号同相轴不易识别的问题,提出用C-WNNM方法来压制地震勘探资料中的随机噪声.给出了基于WNNM的低秩逼近理论,利用地震信号在时间和空间上具有一定的相似性这一特点来构建近似低秩矩阵,并且由CEEMD分解得到的IMF1分量来近似估计局部噪声方差,从而获得更加精确的权值.经过迭代逼近得到最终去噪后的信号.对由雷克子波生成的模拟地震勘探资料进行C-WNNM滤波处理.结果表明,在地震数据存在强噪声的情况下,该方法能够有效压制随机噪声并且能够更好地保留有效信号,信噪比相比于原始WNNM算法提高了3 d B左右.     

Curvelet域蒙特卡罗估计的随机噪声衰减

针对低信噪比地震资料进行噪声压制时,传统滤波方法容易损伤有效波。研究认为,curvelet多尺度多方向的分析能力可以有效分离随机噪声,提出基于蒙特卡罗估计的自适应非线性阈值函数法衰减噪声能量,实现在压制噪声的同时保持有效反射信息。模型算例及大巴山地区某地震资料的处理实例表明,该方法能够有效地压制随机干扰,同相轴连续性与剖面信噪比较传统小波方法显著提高,一定程度上改善了常规滤波处理方法在压制噪声的同时对有效波的影响。     

EHGFs方向可控滤波压制地震勘探随机噪声

为有效提取地震信号同相轴信息, 解决以哈密特-高斯函数(HGFs: Hemite-Gauss Functions)为核函数的方向可控滤波器因无方向性而导致同相轴被降频的问题, 引入以拉伸哈密特-高斯函数(EHGFs: Elongated Hemite-Gauss Functions)为核的方向可控滤波去噪方法。该方法考虑有效信号与随机噪声在方向性上的差异,
通过近似拟合方法构造EHGFs 方向可控滤波器, 借助EHGFs 具有明确的方向性, 滤波时沿着轴向进行滤波,提高线性度, 减少平滑作用, 取得方向滤波数据后再根据数据局部数字特征进行数据重组, 达到去噪效果。实验结果表明, 该方法具有明显压制随机噪声、恢复有效信号的效果。     

自适应径向道TFPF压制地震记录随机噪声

针对传统时频峰值滤波(TFPF: Time-Frequency Peak Filtering)未考虑地震信号记录道与道之间的相关性以及径向道TFPF 未考虑实际同相轴走向的问题, 在假设反射同相轴局部线性的基础上, 提出自适应径向道时频峰值滤波算法。该算法利用自适应函数获取局部区域内同相轴的走向, 通过径向道变换(RTT: Radial-Trace
Transform)将同相轴拉伸到径向道域, 提高其线性度, 更好地满足TFPF 无偏估计的条件, 减小因信号非线性引起的估计误差。实验结果表明, 该方法在随机噪声压制和有效信号恢复方面都取得了更好的效果。相同窗长下, 该算法相比传统TFPF 信噪比提高了5 dB 左右, 相比径向道TFPF 信噪比提高了3 dB 左右。     

双密度双树复小波域统计模型的地震信号降噪

随机噪声的存在降低了地震信号的信噪比,淹没了有效信号,影响后续的地质解释。文章根据随机噪声的特性以及地震信号道间相关性,建立双密度双树复小波域统计模型压制地震信号中的随机噪声。首先对含噪地震信号进行双密度双树复小波变换,分别对不同尺度、不同方向上的噪声方差和含噪地震信号方差进行估计,计算阈值;再运用最大后验概率估计方法从含噪地震信号小波系数中估计出源地震信号的小波系数;最后利用双密度双树复小波逆变换对源地震信号的小波系数估计值进行重构,得到降噪后的地震信号。仿真实验和对实际地震信号的处理结果表明该方法能够有效地压制随机噪声,提高了信噪比,较好地保留了有效信号。     

基于改进EMD的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

Shearlet域深度残差CNN用于沙漠地震信号去噪

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB,具有更好的去噪效果。     

基于多模态低秩处理的沙漠地震随机噪声压制

沙漠地带的随机噪声使沙漠地震记录中的有效信号很大程度上被淹没。针对此问题,提出将自适应噪声 辅助的集合经验模态分解方法(CEEMDAN: Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)与鲁棒标准正交子空间方法 (ＲOSL: Ｒobust Orthonormal Subspace Learning) 有效融合。首先利用 CEEMDAN 算法对沙漠地震数据进行分解,将分解得到的所有模态拼成一幅新记录,并对其进行低秩分解,再 将得到的稀疏部分中每道的所有模态重新叠加获得去噪结果。二者相结合,不仅解决了单一的低秩处理对沙 漠地震数据效果不明显的问题,同时也规避了要对 CEEMDAN 算法分解得到的模态进行取舍的难题。模拟实 验和实际数据处理表明,该算法压制低频随机噪声具有明显的优势,同时对有效信号的保幅均能保证在 85% 以上,对实际数据中面波的压制也相对比较彻底。     

基于组结构字典稀疏表示的地震数据随机噪声压制

基于地震数据自身学习得到的自适应字典能够更精确地表示地震数据,针对稀疏表示传统方法训练出来的自适应字典的无结构性问题,文章提出一种基于组结构字典稀疏表示的地震数据随机噪声压制算法。该算法首先通过地震数据本身训练得到自适应学习型并具有一定结构性的组结构字典,然后利用该组结构字典对地震数据进行稀疏表示,通过得到的表示系数重建地震数据。所用的组结构字典能够更好地适应地震数据自身特性,对地震数据进行稀疏表示可得到更加稀疏的表示系数,滤除了通常系数很小的随机噪声,从而能够有效压制随机噪声。实验表明,文中所提出的地震数据随机噪声压制算法具有良好的去噪效果。     

频率域奇异值分解压制随机噪声方法

 奇异值分解(SVD)是提高信噪比的一种较新的有效手段之一。本文从数学角度阐述了奇异值分解SVD滤波技术增强地震资料信噪比的原理,对比了时间域和频率域SVD技术压制随机噪声的处理效果。结果表明,时间域SVD技术只能对水平或接近水平的同相轴进行信号增强,对倾斜同相轴的处理效果较差;而频率域SVD技术既可以处理水平同相轴,也可以处理倾斜同相轴,对提高地震剖面信噪比具有很好的效果。本文用3个简单的合成地震记录和1个实际地震资料检验了SVD两种方法的应用效果。结果表明,本文方法可以达到随机噪声压制的效果。     

论地震勘探噪声压制方法的研究与应用

在目前地震勘探过程中,为了达到对地震信号的有效分析,需要我们对地震勘探中出现的噪声进行有效压制,并在此条件下优化地震勘探过程,提高地震勘探效果.通过对目前地震勘探噪声压制方法了解后发现,基于离散余弦变换的地震随机噪声压制技术目前取得了良好的效果,不但有效降低了噪声对地震信号的影响,也实现了对有效波的保护.因此,我们开展地震勘探噪声压制方法的研究是很有必要的,不但论证了基于离散余弦变换的地震随机噪声压制技术的实效性,也便于这种技术在日后地震勘探噪声压制中的推广,为今后地震勘探噪声压制提供了新的方法和参考.     

小波复扩散及在DTI图像恢复中的应用

扩散张量图像中广泛存在的赖斯噪声会给张量计算和脑白质追踪等带来严重的影响.为了减少噪声影响,采用小波复扩散方法对多通道扩散加权图像进行了恢复.小波复扩散滤波方法即在小波域中进行复扩散.该方法能够有效消除噪声影响而且具有较好的边缘保持特性.采用峰值信噪比（PSNR）和信号均方差之比（SMSE）来定量地评估本滤波器消除赖斯噪声的性能.基于模拟和真实数据对张量场的表面扩张系数等进行了计算并进行了人脑白质纤维追踪.把去噪方法和多通道小波方法以及复扩散方法进行了比较,实验结果表明本滤波方法具有良好的去噪性能.     

改进的软硬阈值法及其在地震数据降噪中的研究

采集的野外地震数据伴随有随机噪声干扰,需要将其消除。软硬阈值法能够压制地震数据的噪声信号,但是降噪效果并不理想。因此,提出了一种改进的软硬阈值算法用于地震数据降噪。首先利用软硬阈值法原理构建了一种新的阈值降噪法,并对新算法相关特性进行了研究,通过仿真实验确定了新阈值算法的小波基为sym 3,利用均方差和信噪比对新阈值降噪法的降噪效果进行了评价。最后,将新阈值降噪法用于实际地震数据降噪,结果发现新阈值降噪法能够去除地震数据中的随机噪声,降噪效果较软硬阈值法更理想。     

一种基于卷积网络的地震探测数据随机噪声去除方法

为有效提高地震数据信噪比,通过卷积神经网络(convolutional neural network,CNN)的方法研究了地震勘探数据去除随机噪声问题.该方法包含17个卷积层,使用线性整流(rectified linear unit,ReLU)激活函数避免梯度消失,使用批量标准化(batch normalization,BN)提高网络的泛化能力.所构建的网络应用残差学习策略,即输入为含噪地震正演叠前数据,输出为CNN网络学习获得的随机噪声.然后从地震记录中减去网络预测的噪声数据,从而达到去除随机噪声的目的.同时,根据地震勘探数据振幅随探测时间衰减的规律,在网络训练过程中进行深度加权,使得CNN对于深部噪声的学习效果更好.网络在PyTorch框架下训练,应用图形处理器并行计算可以有效提高网络训练速度.利用训练好的网络进行去噪实验,结果表明与传统的时空域预测滤波法相比,该网络能更好地压制随机噪声.可见针对地震勘探数据,CNN能够有效提取含噪数据中的噪声信息,证明了该方法在去除随机噪声方面的合理性与有效性.     

基于改进互补集合经验模态分解的自适应 小波熵阈值地震随机噪声压制算法

针对互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)后不易有效区分有用信号和噪声的问题,以及传统小波去噪阈值选取的不足,提出基于改进CEEMD的自适应小波熵阈值地震随机噪声压制算法。将地震信号进行CEEMD后,基于互信息熵和互相关系数获取高频含噪本征模态函数(intrinsic mode function,IMF);对含噪IMF进行多尺度小波分解,将高频小波系数等分为若干区间计算各区间小波熵,在此基础上得到不同尺度的自适应阈值,同时设计了改进阈值函数进行小波阈值去噪。仿真实验中,去噪残差和频谱分析表明,算法能在保留有用信号的同时有效去除随机噪声,实现保幅去噪。实际地震资料处理表明,相比其他去噪算法,算法能有效提高信噪比(signal-to-noise ratio,SNR) 1 d B以上,降低均方误差(root mean square error,RMSE),具有良好的去噪能力。     

基于区域划分的SAR图像相干斑各向异性扩散滤波算法

经典的细节保持各向异性扩散滤波算法(DPAD)在抑制SAR图像乘性相干斑噪声时,存在同质区块效应现象与边缘区噪声残留问题,为此提出了一种基于区域划分的各向异性扩散滤波算法。该算法通过在DPAD扩散方程中耦合方向扩散来抑制边缘区域相干斑与同质区块状起伏;通过阈值化的边缘强度映射对SAR图像实施同质区与边缘区的区域划分,并对不同区域采用不同尺度局域窗分别实施各向异性扩散滤波,从而在抑制同质区相干斑的同时有效保护边缘。实验结果表明：与多种各向异性扩散抑斑算法相比,本文算法在保护边缘的同时,能明显降低同质区块效应现象与边缘区噪声残留问题。     

用小波变换和多项式拟合提高地震资料分辨率

用小波变换研究了地震勘探信号小波变换的过零点特性。提出了用小波变换的过零点匹配提取地震勘探信号同相轴变化信息，并利用所提取信息和多项式拟合消除随机噪声，同时增强信号高频，使信号信噪比和分辨率都得到显著提高的新方法。该方法对地震道进行小波变换，对变换结果进行过零点匹配求出地震同相轴变化信息，沿同相轴对地震道的小波变换系数进行多项式拟合得到去噪的小波变换系数，对去噪后小波变换系数进行高频增强并进行反变换便得到具有高信噪比和高分辨率的地震道。理论分析和实际处理结果表明，该方法能有效地提高地震勘探信号的信噪比和分辨率。     

时间-频率域联合局部SVD压制随机噪声

全局奇异值分解(SVD)算法存在难以处理非水平同相轴问题的先天局限,局部SVD算法在一定程度上能克服这一局限,但时间域局部SVD技术的去噪效果受制于时窗参数的准确性,频率域局部SVD技术则会损坏部分频带内的有效信号。对于宽频带随机噪声,单独使用上述任何一种方法都难以取得满意的压制效果。综合两种方法特点,研究时间、频率域联合局部SVD去噪方法:依据资料特点对输入数据进行合理的时窗划分;在时间域对时窗内数据进行同相轴拉平处理并进行时间域局部SVD去噪;将经上述处理的各时窗数据变换到频率域并构建Hankle矩阵,采用SVD技术对该矩阵进行去噪处理并变换回时间域。算法克服了单域处理的局限性,在有效压制随机噪声的同时,保护高低频有效信号。模型与实测资料的应用效果证明了联合去噪方法的有效性。     

结构增强扩散在地震资料构造解释中的应用

为了提高地震资料构造解释的效率和准确性,提出结构增强扩散方法提高地震资料质量.将地震资料转换为地震图像,通过提取地震图像结构张量,使用双边滤波器求取梯度值,结构增强扩散方法根据地震图像纹理不连续的方向和强度信息自动判断阈值,实现在断点处保持不连续特征的同时,增强地震同相轴的连续性,从而提高地震图像横向分辨率和突出地震资...