基于曲波变换的地震随机噪声压制新方法

此文提出了一种通过对曲波系数进行处理来实现地震随机噪声压制的新方法。地震信号经曲波变换得到的曲波系数在各尺度各方向的分布仍具有同相轴特征,但噪声部分的曲波系数的分布是随机的,故可将曲波系数作为新的目标信号,对其进行去噪,最后用经过处理的曲波系数还原地震数据实现对随机噪声的压制。数值算例验证了该方法的正确性和有效性,并与用离散余弦变换和小波变换两种方法处理曲波系数的结果进行对比。实验表明用曲波变换处理曲波系数的去噪效果要优于后两者,且比单纯进行一次曲波变换去噪的结果在信噪比上有明显提高。     

基于Shearlet变换的自适应地震资料随机噪声压制

传统的阈值选取方法是对所有变换域系数使用统一阈值,但对Shearlet变换而言,各尺度、各方向的有效信号和噪声均存在差异,因此全局硬阈值存在一定局限性;局部阈值可根据一定范围内的系数分布情况确定。针对地震数据去噪过程中传统阈值选取方法的局限性,通过改进自适应阈值函数压制随机噪声,在局部阈值的基础上改进贝叶斯阈值,形成一种适用于Shearlet变换的自适应阈值函数。具体做法为：将信噪比与阈值函数有机关联,并将信噪比作为阈值设定的因素,即不同的信噪比的权值系数不同,可以自适应求取不同尺度阈值,从而最大限度地改善去噪效果,避免有效信号损失,实现自适应去噪。模型试算与实际资料去噪效果表明,在保证有效信号不受损失的情况下,所提方法可恢复被噪声掩盖的弱信号,有效改善去噪效果。     

基于Shearlet变换的地震随机噪声压制

地震勘探中的噪声对地震信号产生严重的畸变和干扰,常规的地震去噪方法已经不能满足当前高精度地震勘探的要求。提出了基于Shearlet变换的地震数据去噪方法,Shearlet变换是一种新的多尺度变换方法,具有多方向、多分辨率及最佳稀疏逼近性质,并且计算效率高。Shearlet变换在去除随机噪声的同时能最大程度保留有效信号,有效地提高信噪比。利用Shearlet变换阈值去噪法与其他地震去噪方法分别对不同信噪比的合成地震记录和实际地震记录进行对比,结果表明Shearlet变换具有更强的去噪能力和更高的运算效率。     

应用平稳小波变换与深度残差网络压制地震随机噪声

常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。     

应用平稳小波变换与深度残差网络压制地震随机噪声

常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。     

基于三维曲波变换的地震数据去噪方法研究

作为一种非自适应的多尺度、多方向性几何分析方法,曲波变换能够近乎最优地表示含奇异点的高维曲线,地震数据在曲波域有更好的稀疏表达。对于多炮地震数据,三维曲波变换能够成功地实现信号分离,达到去除随机噪声的目的。阐述了三维曲波变换的基本原理;将三维曲波变换与阈值迭代法结合起来,对不同信噪比的模拟数据和实际地震资料进行去噪处理,并与传统的中值滤波法、F-X反褶积法及二维曲波阈值迭代法处理结果进行量化对比。结果表明,基于三维曲波变换的地震数据去噪方法不仅去除噪声能力更强,而且能够保护有用信息,是一种有效的多炮地震数据去噪方法。     

应用快速POCS算法的非均匀地震数据重建

凸集投影(Projection on Convex Sets, POCS)算法已经成功地应用于地震数据重建,灵活且简单。然而该算法要求重构数据必须是在规则网格上进行,由于障碍物等因素导致实际采集数据偏离预设网格点,重构效果不佳,且该算法的收敛速度仅为O(1/k),其中k为迭代次数。针对以上问题,首先构建了非均匀网格地震数据正演模型;然后从快速迭代收缩阈值算法(Fast Iterative Shrinkage Thresholding Algorithm, FISTA)出发,推导并提出了基于曲波变换的快速凸集投影算法(Fast POCS,FPOCS),该算法保留了迭代收缩阈值算法(ISTA)的计算简单性,具有全局收敛速度O(1/k²);是一种快速的地震数据重构方法;最后通过模拟和实际数据处理验证了本文方法的有效性。     

曲波域随机噪声压制方法——以沙漠地区叠后地震资料为例

沙漠地区油气勘探中,随机噪声是影响地震资料信噪比的主要因素之一。如何有效地压制随机噪声是沙漠地区地震资料处理必须解决的重要难题。传统小波域去噪将地震数据当作一种图像,对其进行多尺度分析,并通过阈值处理进行去噪。由于其无法表达二维地震图像的线性特征,在处理时存在一定的局限性。具有多尺度、多方向分析能力的曲波变换更适合具有曲线或者超平面奇异性的高维信号,将其引入到二维地震图像处理中,利用随机噪声和有效信号在方向上的差异,对噪声通过阈值收缩进行衰减。模型数据试验和实际叠后地震资料处理结果表明,曲波域去噪方法能够比小波域去噪方法更有效地压制随机噪声,减少对有效地震反射信号的损伤,从而证明了该方法的有效性和实用价值。     

随机噪声的多尺度多方向域压制方法研究

介绍了信号的多尺度多方向特性和具有此功能的第2代curvelet变换的基本原理,阐述了对于光滑且二阶连续可微的函数,第2代curvelet变换所具有的最优逼近性能。给出了地震资料随机噪声衰减的阈值方法。基于理论模型讨论了多尺度多方向域(curvelet域)的去噪特性,并将其与传统小波变换的去噪效果进行了对比。最后,将该方法应用于实际地震资料处理,结果表明,与传统小波变换相比,多尺度多方向域阈值法充分利用了信号与噪声在方向上的差异,使随机噪声得到了较好的衰减,有效提高了地震资料的信噪比,较好地保留了地震记录的有效信号。     

用正交多小波压制地震信号的随机噪声

正交多小波可同时具有短支集、对称性或反对称性和正交性，这是一般的正交单小波所没有的性质，因而在处理信号时能取得更好的效果。本文详细说明了应用GHM正交多小波对地震信号进行去噪处理的原理，并给出实际例子说明该方法的有效性。     

基于曲波变换的地震数据去噪方法

地震记录中的随机噪声频带较宽,采用常规的去噪方法效果不理想;小波变换去噪方法虽然可以压制随机噪声,但会损伤有效信号,且去除二维信号中的随机噪声时存在一定的局限性。针对此局限性,Candè提出了脊波变换,但对于整幅图而言,脊波变换的效果并不理想。由此,发展了曲波变换,即基于小波变换和脊波变换的多尺度几何分析方法。该方法能够表示具有方向性的线性奇异边缘,克服了小波变换在表达图像边缘的方向特性等方面的内在缺陷。曲波变换结合了脊波变换的各向异性特点和小波变换的多尺度特点,可以在压制随机噪声的同时保护有效信号,达到更好的去噪效果。仿真数据和实际资料去噪结果验证了曲波变换压制随机噪声的可行性及其效果。     

基于二维小波变换的随机噪声压制方法研究

在地震勘探中,随机噪声是一种频带较宽、严重影响有效波的干扰波,常用的一维去噪方法效果不理想。小波变换是一种时频分析方法,根据它的分频和局部分析能力,能有效地消除随机干扰,保留有效波的中、高频成分,经过小波重构,可恢复有效波信号。针对地震信号随机干扰的特点,运用二维小波变换的理论,设计了相应的变换域去噪滤波器。此方法的特点是计算速度快,稳定性好,自适应性强,能对各种地震数据进行去噪处理,模型数据与实际数据的应用效果证明,二维小波变换具有较强的信噪分离能力。     

基于离散余弦变换的地震随机噪声压制技术

本文在离散余弦变换(DCT)域中利用预测滤波器压制地震数据中随机噪声方法的基础上,进一步对该法的压噪能力进行了评估,表明与离散傅里叶变换相比,DCT变换能够利用更少的系数来表征地震信号,即具有更好的能量压缩性能,从而可以更好地分离信号和随机噪声,实现随机噪声的压制。人工合成数据和实际数据的实验结果也表明,与F-X域预测滤波技术相比,采用DCT压噪不仅效果好,而且能更好地保护有效波。     

基于广义S变换的叠前高频噪声压制

在高分辨率黏性补偿处理中,高频噪声会随着频带的拓宽、有效信号的增强而增强,致使剖面信噪比降低。本文针对这一问题,提出了一种基于广义S变换的时变叠前高频噪声压制方法。该方法通过人机交互方式合理地确定地震数据在不同时刻的高频压制范围,使其既可以有效消除叠前数据中的高频噪声,又可以为后续的高分辨率补偿处理预留下合适的拓频空间。与频率-空间域滤波法相比,该方法具有时变和空变滤波特性,并可充分保留有效信号能量,非常适合于叠前高频噪声压制处理。实际数据处理结果充分证明了该方法的有效性。     

尺度自适应三维Shearlet变换地震随机噪声压制

应用尺度自适应三维Shearlet变换压制多炮地震数据随机噪声,通过将多炮数据变换到三维Shearlet域,充分考虑单炮记录及其间的相关性,在三维Shearlet域更稀疏地表示地震数据。由于有效信号主要分布在低尺度,随机噪声分布在各个尺度,因此在硬阈值的基础上,结合尺度自适应因子压制随机噪声。再通过三维Shearlet反变换,得到去噪地震数据。数值模拟和实际多炮地震数据去噪结果表明：尺度自适应三维Shearlet变换的去噪效果优于二维Shearlet变换、不结合尺度自适应因子的三维Shearlet变换;尺度自适应三维Shearlet变换去噪方法对服务器内存要求较高,且可能对幅值相对较小的有效信号产生损害。     

基于三维各向异性拉普拉斯滤波的随机噪声压制方法及应用

准噶尔盆地叠后地震资料随机噪声压制主要采用三维空间预测滤波（FXY）方法。由于假设同相轴在短距离内是线性的,因此该方法在提高强能量信号信噪比的同时,也会损伤相对弱小信号,模糊断层和裂缝等线性相关性较差的地质体的信号特征。为此,基于GeoEast系统研发了利用三维各向异性拉普拉斯滤波的随机噪声压制方法。模型试验和在准噶尔盆地不同地区的实际资料应用结果均表明,本文方法对随机噪声的压制效果优于FXY方法,能明显提高地震资料信噪比、较好地保护有效信号、清晰展现地质体边缘特征细节及提高断层成像精度,为后续储层反演和精细地震资料解释夯实了基础。     

小波变换用于去除高频随机噪声

小波变换以小波奇性分析中得出的一些结论作为理论依据，利用连续小波变换情况下信号与噪声呈现出的不同性质来确定信噪比较 的部分，去掉相应的正交小波分量，再经反变换后可达到压制噪声的目的。小波变换用于去除高频随机噪声方法的主要特点是；可以自动地判定低信噪比区间，且无论在时间域或频率域均可局部地进行去除噪声。     

基于稀疏冗余表示的三维地震数据随机噪声压制

传统的二维随机噪声压制方法应用于三维地震数据的随机噪声压制时,去噪效果往往不理想,为此提出基于稀疏冗余表示的压制三维地震数据随机噪声的方法.该方法在贝叶斯框架下,通过正交匹配追踪(OMP)和K-奇异值分解(K-SVD)不断迭代更新三维稀疏矩阵和三维超完备离散余弦变换(DCT)字典,利用三维超完备DCT字典作为三维地震数据的稀疏冗余表示,使三维地震数据中随机噪声得到压制.三维模拟数据和实际地震数据试算表明:与常规f-x反褶积法和K-L变换法相比,该方法既提高了三维地震数据体的信噪比,又有效地保护了地震反射信号,而且水平切片的连续性和平滑性很好,构造复杂区域的分辨率也得到提高.