基于Seislet域分数阶阈值去噪算法的地震资料去噪

相较于由图像领域发展的去噪算法,Seislet阈值去噪算法更好适用于地震数据的去噪处理,但在Seislet阈值去噪算法中,常规硬阈值函数在阈值处存在断点,软阈值函数处理得到的系数与原有系数之间存在恒定偏差,且传统阈值确定准则难以适用于Seislet域。为此,将Riemann-Liouville分数阶积分理论应用到阈值函数中,推导出分数阶阈值函数;再根据地震数据在Seislet域低尺度中有效信号分量远多于高尺度中有效信号分量的特点,提出了一种适用于Seislet域的尺度加权阈值;最后将分数阶阈值函数、尺度加权阈值和Seislet稀疏变换相结合,得到Seislet域分数阶阈值去噪算法。人工合成含噪地震记录和实际地震资料测试结果表明:常规硬阈值和软阈值去噪算法虽然能够在一定程度上压制噪声,但压制效果并不明显,且容易损伤与噪声差异较小的有效信号;分数阶阈值去噪算法较好地克服了硬阈值和软阈值去噪算法的缺点,能够有效压制地震资料中的随机噪声,减少了有效信号的损失,提高了地震资料的信噪比。     

利用基于深度学习的过完备字典信号稀疏表示算法压制地震随机噪声

曲波变换去噪处理使同相轴在断层等不连续区域发生畸变,对有效信号产生干扰。基于过完备字典信号稀疏表示（K-SVD）需要人工反复调整参数才能改善去噪效果。为此,将K-SVD去噪算法与深度学习网络相结合,综合考虑深度学习网络与稀疏表示方法的优点,研究了基于深度学习的过完备字典信号稀疏表示（Deep-KSVD）的地震数据随机噪声压制方法。为了使该网络有能力学习参数,在追踪阶段用一个等价的可学习的替代方案代替正交匹配追踪（OMP）算法。计算过程包括将数据分解为重叠的数据块、通过适当的追踪对每个数据块去噪以及通过去噪后的数据块加权重建整个数据,去噪处理包括稀疏编码、正则化系数估计以及数据块重建三个部分。模型数据和实际数据测试结果表明：当Deep-KSVD网络训练完成后,给定含噪数据,能够自适应地衰减地震噪声,并保护有效不连续性信息及数据结构特点,无需再进行参数调整;与K-SVD去噪方法相比,Deep-KSVD去噪方法的噪声压制效果更好,可提高全频带数据的信噪比。     

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。     

基于Shearlet变换的自适应阈值地震数据去噪方法

由于随机噪声的干扰,地震勘探的有效信号经常淹没其中难以识别,且在时间域难以分离随机噪声和有效信号。Shearlet变换是一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。Shearlet变换在去除随机噪声的同时,能够最大限度地保留有效信号,可以有效地提高地震数据的信噪比。针对传统的Shearlet变换阈值去噪方法不能随尺度和方向变化的不足,提出了随尺度和方向变化的自适应阈值,可以同时适应不同尺度和方向噪声水平的差异。利用Shearlet变换的自适应阈值算法与小波变换去噪方法,分别对理论和实际地震数据进行去噪。对比可知,Shearlet变换的自适应阈值算法具有更强的去噪能力,并能够最大限度地保留有效信号。     

基于曲波噪声估计的三维块匹配地震资料去噪

常规的三维块匹配（BM3D）算法在地震资料降噪处理中具有较好的效果,但在实际处理中因无法得到噪声先验信息,通常难以确定所需的滤波阈值等相关参数。为此,提出了一种基于曲波噪声估计的BM3D地震资料去噪方法。首先利用曲波变换估计地震资料的噪声方差,再通过改进的BM3D去噪算法自适应地选取合适的阈值参数并完成去噪处理。理论模型与实际资料的处理结果表明,所提算法与常规的BM3D去噪算法和曲波变换去噪算法相比,能在很好地去除随机噪声的同时更好地保护有效信号,且在去噪过程中对边界反射的细节信息保持较好,计算效率较高,在实际资料处理中得到良好的效果。     

一种改进的多次小波变换地震信号去噪方法

根据小波变换下信号和噪声在多尺度空间中的不同特性,对不同尺度下的小波系数用阈值处理,改进了多次小波变换应用于地震信号去噪的方法。数据仿真和实际应用表明,该方法可以有效压制随机噪声,对提高地震记录信噪比和分辨率都有较好的效果。     

三维曲波变换在地震资料去噪处理中的应用研究

考虑到二维曲波变换对于三维地震数据难以达到理想的去噪效果,提出了一种基于三维曲波变换的地震资料去噪方法。通过三维曲波变换使三维地震数据变换到曲波域,将三维地震数据分为多个方向和尺度,利用相关计算法判别代表有效信号和随机噪声的曲波系数,并根据曲波变换的性质,采用改进的非线性阈值方法对曲波系数进行处理,最后通过三维曲波反变换得到去噪后的地震信号。模型数据及实际地震资料的处理结果表明,三维曲波变换去噪处理方法可以有效压制三维地震资料中的随机噪声,同时较好地保护有效信号,提高了地震资料的信噪比。     

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。     

基于广义S变换及高斯平滑的自适应滤波去噪方法

常规基于广义S变换的噪声压制方法需要人为确定高频噪声在时频域的压制范围。针对这一问题,联合广义S变换的自适应时频滤波函数和高斯平滑去噪算法发展了一种自适应去噪方法。首先对信号进行广义S变换获得时频域数据,在S反变换重构时间域信号过程中采用数据自适应时变滤波函数去除大部分高频随机噪声;然后对时间域信号采用高斯平滑滤波函数去除信号中剩余高频随机噪声。模型和实际资料试算结果表明,本文的滤波去噪方法能够有效去除地震数据中的高频随机噪声,具有较强的适应性和实用性。与常规的随机噪声衰减预测法相比,本文方法受处理参数影响较小,且处理后有效信号在时频谱上的时频分辨率较高。     

基于自相似块匹配的地震数据信噪分离方法研究

传统的基于三维曲波变换的随机噪声压制方法在同相轴不连续处会损害有效信号,存在伪影,难以取得理想的去噪效果,因而不能准确检测地震数据中地质体的边界信息。研究了基于自相似块匹配的三维地震资料去噪和边缘检测方法。自相似块匹配方法将含噪数据划分成相似数据块集合,同一数据块集合中的子块波形近似。该方法充分利用了三维地震数据的自相似性和冗余性信息,通过阈值界定相似程度将三维地震数据中的相似数据块聚集,将在常规域中难以压制的噪声变换到四维域中进行衰减,然后再进行逆变换得到去噪后的剖面。自相似块匹配方法有效提升了地震数据的信噪比和保真度,去噪结果无伪影。自相似块匹配Canny边缘检测结果表明,该方法很好地保存了不连续处的信息,能有效识别地质体边界信息。理论模型和实际资料的处理结果表明,该方法能有效压制三维地震资料中的随机噪声;与传统曲波变换阈值方法相比,该方法对有效信号的保护能力更强,能够保留原始数据中的不连续性信息,使基于自相似块匹配的Canny边缘检测方法能够实现对地质体边界的准确检测。     

基于小波变换与奇异值分解的地震资料去噪新方法

为了有效地去除地震资料中的随机噪声,充分利用小波变换(WT)去噪和奇异值分解(SVD)去噪方法的优点,提出了一种新的基于小波变换和奇异值分解(WT-SVD)的地震资料去噪方法。该方法首先进行小波软阈值去噪,有效地降低噪声的方差;然后进行基于倾角扫描的奇异值分解去噪,识别噪声点,自动追踪同相轴,并进行同相轴拉平处理,充分利用了奇异值分解方法处理水平同相轴噪声效果好的优点。理论模型和实际资料的去噪结果表明,该研究提出的WT-SVD方法简单易行,比单一的SVD方法和WT方法的去噪效果更显著,有效地消除了地震资料中的随机噪声,显著地提高了地震资料的信噪比。     

时变中值滤波技术在地震随机噪声衰减中的应用

 地震勘探中的随机噪声一直是影响地震信号信噪比的主要因素之一。本文针对一维经典中值滤波器对地震信号去噪能力过强而导致有用信息被破坏的缺点，基于噪声特性设定一个窗口长度控制阈值，再根据地震数据与阈值的关系选取合适的时变窗口进行中值滤波， 以取得有效信号与不同强度噪声之间的最佳平衡效果。通过理论模型处理及对多个处理方法的对比，表明本方法的去噪能力优于二维多级中值滤波器，而保护有效信号的能力要优于经典中值滤波器。实际剖面的处理效果也表明，此方法不仅能有效地滤除脉冲噪声，而且能很好地保护有用信号。     

一种自动判定保留的奇异值个数的地震随机噪声压制算法

对于地震数据去噪来说,基于降秩的方法需要将地震数据分成不同的块,然而每个块对应的奇异值个数不同,目前需要人工估计每个块的有效奇异值个数,计算效率低,无法实现产业化。为此,提出一种自动判定保留的奇异值个数的地震随机噪声压制算法——自适应阻尼多道奇异谱分析（ADMSSA）算法。该方法利用Akaike信息准则自动地确定地震信号的奇异值个数,然后基于阻尼多道奇异谱分析（DMSSA）算法去噪。首先介绍了多道奇异谱分析（MSSA）方法的去噪原理,然后给出确定有效奇异值个数的Akaike信息准则和经验方法,经验方法可以验证Akaike信息准则的有效性。去噪过程采用DMSSA方法的框架,在ADMSSA算法中仅需要确定信号的主频范围,就可以自动地去噪。模拟和实际数据实验表明,所提方法能够自动地确定可靠的奇异值个数,并且获得高信噪比的去噪结果,在工业化应用中具有巨大潜力。     

小波时空变阈值去噪方法在可控震源资料处理中的应用

 鉴于常规的消除地震资料中随机噪声的增强信号或压制噪声方法的局限性,本文基于小波变换阈值去噪和加权叠加的思路,提出一种小波时空变阈值去噪方法：以逐点方差为加权叠加的权系数,通过迭代计算修正权系数得到准确的时空变方差,再进行小波阈值去噪,从而做到多道识别噪声,单道保真压噪。这种方法可消除满足高斯白噪条件和不满足高斯白噪条件的随机噪声。经理论模型和相关未叠加可控震源资料的处理证明,这种小波时空变阈值去噪方法有效而实用。     

基于反射波各向异性特征的保真去噪方法

联合地震数据的L_2范数以及各向异性函数所表达的地震波组特征的L1范数,定义了空间域加权叠加系数,将传统的地震信号非均匀叠加转化为均匀叠加,压制随机噪声、改善同相轴连续性,提高地震资料后期处理解释的精度。针对地震资料保真去噪的要求,基于反射波的各向异性与随机噪声的各向同性特征,构造各向异性函数并通过加权叠加数据的保真实现地震数据的压噪。模型及实际资料的处理结果表明,该方法能够有效压制随机干扰,尤其对弱反射波的处理具有较好的保幅效果。     

用小波分析和反演方法联合去除随机噪声的研究

在时熔域用反法衰减地震噪声,虽能避免预测滤波的缺陷和保持信号振幅,但在处理剖面口仍然存在,而且一些有用信息丢失了。本文通过分析信号与随机噪声的频率特怀及在不同信噪比情况下噪声对滤波器的影响;研究了小波变换域中的反去噪情况,提出分频反演去噪方法。在处理参数相同的情况下,该方法的去噪效果比一般反法要好,地震剖面中有更多的信息被很好地保存下来,这为解释工作提出了更可靠的资料。模型数据与实际数据的应用效果     

基于单道SVD和振幅比的地面微地震资料去噪方法

针对地面微地震资料强周期干扰和随机干扰突出的特点以及单一去噪方法无法有效压制噪声的问题,提出了基于单道奇异值分解(singular value decomposition,SVD)和振幅比的联合去噪方法。首先利用单道微地震记录构建分解矩阵,使矩阵各维具有较强的相关性,然后对分解矩阵进行奇异值分解,选取数值居中部分奇异值进行矩阵重构,以达到压制单道微地震记录强周期干扰的目的。其次采用具有伸缩特性时窗的振幅比法改善有效信号与随机噪声的统计特性差异,有效压制微地震资料中的随机噪声。理论模型数据和四川某地区地面微地震射孔资料应用结果表明,联合去噪方法有效地压制了微地震记录中的噪声,提高了资料的信噪比,在很大程度上改善了单一去噪方法无法较好突出微地震有效信号的不足,为后期微地震资料的处理与解释奠定了良好的基础。     

基于经验小波变换的地震资料噪声压制方法

噪声压制是地震资料处理中重要的环节,目前已有的去噪技术存在着噪声去除不干净、有效信号丢失、不能处理非线性非平稳信号等问题。经验小波变换(Empirical Wavelet Transform,简写为EWT)是一种能自适应分解原始信号的算法,其相较于经典的经验模态分解(Empirical Mode Decomposition,简写为EMD)具有更好的自适应性和完善的数学理论基础。将EWT算法引入到地震资料噪声压制中,选取合适的小波函数并利用EWT算法对目标地震信号进行自适应分解,得到其各个频率尺度的固有模态分量;然后根据原始地震信号的主频设定阈值范围,选取主频值在阈值范围内的固有模态分量进行重构,最终获取去噪后的地震信号。结果表明将EWT噪声压制算法应用于数值模型和实际地震资料中,可以很好地实现有效信号和噪声的分离,结果均比常规算法的去噪效果要好。     

基于卷积降噪自编码器的地震数据去噪

噪声压制是地震勘探中一个长期存在的问题,虽然一些传统方法能够压制数据中的噪声,但存在有效信号丢失、噪声残留等问题。为此,提出了一种基于卷积降噪自编码器的无监督地震数据去噪算法。该算法首先对地震数据进行一定程度的随机损坏,然后将损坏后的地震数据输送到编、解码框架。编码框架负责捕捉地震数据波形特征,据此消除噪声;解码框架能够对特征图进行扩大并恢复地震数据细节信息,从而得到重构的地震数据。最后,将重构地震数据与原始地震数据之间的误差作为收敛代价进行模型训练。考虑到地震数据的复杂性与特殊性,在编码和解码阶段使用了多尺度卷积模块提取地震数据特征。合成数据与实际数据的验算结果表明,该方法在保护地震信号的同时能够有效压制随机噪声、提高地震信号的信噪比。