基于一种三维低冗余曲波变换和压缩感知理论的地震数据重建

基于稀疏变换的重建方法是地震数据重建的研究热点,其中稀疏变换的性质对重建的效率和质量起关键作用。曲波变换对波场数据有非常稀疏的表示和可靠的数值效果,然而三维曲波变换的冗余度在24~32之间,须消耗很多的内存和计算时间。提出基于一种低冗余度曲波变换的地震数据重建方法,介绍低冗余曲波变换并且分析其优点,给出一个解基于分析的1范数模型的快速迭代阈值方法。数据实验结果表明:该低冗余变换将三维曲波变换的冗余度降低了60%,能够有效提高数据重建的计算效率;基于低冗余度曲波变换的数据重建的计算效率是基于原始曲波变换重建效率的4倍,对于10%的采样比例仍然能够得到较好的重建和去噪效果。     

基于FDCT的图像消噪算法

由于曲波(Curvelet)变换可以很好的逼近含线奇异的高维函数,近年来日益受到研究人员的普遍关注.传统的数字曲波变换是非正交的、冗余度较高,而本文采用的快速曲波变换(Fast Discrete Curvelet Trans form,FDCT)对物体边缘信息具有最优稀疏表示.通过实验表明,基于FDCT的图像消噪算法可以很好的保持图像边缘,使消噪后的图像获得较好的视觉效果,同时峰值信噪比(PSNR)也得到很大提高.     

小波(包)滤波方法的GUI及其在深地震测深数据处理中的应用

在深地震测深数据处理中,仍多用基于傅里叶变换的滤波方法和小波二阶相关去噪方法.鉴于傅里叶变换方法对非稳态的地震信号不能提供在时频上的任何局部信息,而小波和小波包方法弥补了傅里叶变换的不足,能够提供时频上的任何局部信息,且高阶相关比二阶相关对随机噪声有更好的抑制和去除作用,本文结合小波和小波包去噪方法以及高阶相关去噪方法,编写了深地震测深数据处理的小波和小波包滤波方法的人机交互软件,用于抑制和去除地震信号中的加性高斯随机噪声.该软件可以方便快捷地显示深地震测深的地震记录截面,进行小波域的自适应阈值去噪、小波域和小波包域的二阶和高阶相关去噪以及基于傅氏变换的常规滤波.实例计算结果表明,方法和程序是有效且可行的.     

基于小波变换的高分辨率地震信号瞬时参数提取方法

小波变换在时域以及频域具有良好的局域化特征,可用来实现对地震信号瞬时振幅、相位、频率等瞬时参数的提取.由于小波变换具有去噪的功能和分频处理的特点,在小波域提取的瞬时特征具有很好的抗噪性和可靠性.对小波变换提取地震信号瞬时参数的方法进行改进,通过对地震信号求导来增加其主频,对求导后的地震信号进行小波变换,从而得到高分辨率地震信号的瞬时参数.     

Shearlet域基于非局部均值的地震信号去噪

由于采集环境及仪器性能的限制,采集的地震信号中含有较强的随机噪声,对后续的处理和解释带来很大困难.多尺度几何分析近年来受到关注,在Shearlet变换域中引入非局部均值(NLM,non-local mean algorithm)算法对地震信号进行去噪,该算法首先对地震信号进行非下采样Shearlet变换,对近似服从广义高斯分布的Shearlet系数进行主成分分析(PCA,principal component analysis),然后采用非局部均值处理Shearlet系数,最后对新的Shearlet系数进行Shearlet反变换,得到去噪之后的地震信号.实验结果表明,文中算法在低噪声情况下能够获得优于非局部均值算法的去噪效果,对地震信号去噪具有可行性.     

一种快速的曲波变换图像去噪算法

第二代Curvelet变换有两种数值实现方法,一种是基于非均匀采样的快速Fourier变换;另一种是基于特殊选择的Fourier采样的卷绕。本文将这两种实现方法进行了比较,并且将其应用到图像去噪中,分析噪声进行curvelet变换后的系数特点,采用曲波硬阈值去噪。试验结果表明,wrapping曲波变换算法比usfft算法具有更好的去噪效果,并且运算速度显著提高。     

基于曲波变换与快速指数阈值迭代的多震源地震数据分离

传统的地震数据采集方式是炮与炮之间分开激发,施工效率较低,多震源地震混采技术通过多炮同时或延时激发,大幅提高了施工效率,但同时也给地震数据带来了较大的混合噪声,传统方法的去混效率偏低,为此,本文将曲波变换与快速阈值迭代法进行结合,在此基础上使用指数阈值模型,得到一种基于稀疏反演快速高精度的多震源数据分离方法。在曲波域分离过程中,采用软阈值函数和指数阈值模型,经过迭代获得了较好的分离结果,此外,本文还对其抗噪性能进行了相关的研究。理论数值模拟和实际数据的应用,表明本文方法相较于传统的分离方法,收敛速度更快,保留了更多的有效信号,具有更高精度的分离效果,且有良好的抗噪性能。     

稀疏分解在信号处理中的应用

稀疏分解和稀疏表示是信号处理的新方法,有着广泛的应用。本文主要介绍稀疏分解在信号去噪、弱信号检测、频率估计和盲源分离等信号处理中的应用。     

方差稳定变换下曲波域MR图像莱斯噪声去除算法

磁共振图像往往含有莱斯噪声,不同于加性高斯噪声,莱斯噪声的分布与图像的数据相关,使其更为难以去除.已有方法表明,方差稳定变换可以将莱斯噪声分布变换为方差稳定的高斯分布.利用该特性,结合曲波变换这一新的多尺度变换理论,提出一种磁共振图像莱斯噪声去除算法.算法分别采用了硬阈值和贝叶斯软阈值两种曲波域去噪方法,并针对这两种方法对曲波域低频系数层未做有效去噪的缺陷,提出对低频系数层进行软阈值去噪的改进.实验结果表明,改进算法在峰值信噪比和平均结构相似度的评价上均有较大提高,证明该算法在去除莱斯噪声及保护图像信息上的有效性.     

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。