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。     

基于小波变换的最小光滑滤波去噪

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都不理想。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，结合一维方向上去噪的光滑滤波，能有效地消除随机干扰，并且能保证有效波的中、高频成分，经过小波包重构，可恢复有效波信号，该方法优于常规一维去噪方法。     

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     

叠前主分量重建随机噪声衰减

随机噪声是地震勘探中不可避免的一类干扰波,叠前记录中随机噪声的存在不但会引起资料信噪比的降低,而且会直接影响到动、静校正的精度,影响资料处理的质量。目前已有很多衰减随机噪声的方法在应用中见到了很好的效果,但由于它们大多基于叠后数学模型开发,在叠前应用有时会因为其理论基础或叠前资料本身的某些特点而使应用效果受到某种模型开发,在叠前应用有时会因为其理论基础或叠前资料本身的某些特点而使应用效果受到某种程     

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。     

小波变换及其在地震资料去噪中的应用

文章从傅立叶变换不能满足信号处理的要求入手引出小波变换,通过对实际地震资料小波变换去噪前后的效果比较,说明了小波变换是一种分离信号的好方法,能够提高地震资料的分辨率。     

基于小波变换与多级中值滤波的联合去噪方法

基于小波变换的阈值去噪方法存在阈值选取困难、低信噪比资料去噪后倾斜和弯曲同相轴连续性不好等问题。图像去噪方法中的多级中值滤波具有保护细节的特性,提出了基于多级中值滤波的小波域去噪算法。该方法利用最大和最小中值之差判断平坦区域和边缘区域,提高了小波域中去除噪声的能力,同时有效地保护了信号细节。模型数据与实际数据处理结果表明,该方法比阈值去噪方法分离信、噪的能力更强。     

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。     

小波变换去噪地震记录的熵谱分析及应用效果

油气检测过程中，去除噪声的干扰，小流变换是一个非常有效的手段，本介绍了小波变换去噪的原理及其在升平－汪家屯地区的应用效果，并与未做小波去噪的检测结果进行了对比。     

小波包分析法压制井间地震资料噪声

井间地震资料的随机干扰发育，由于随机干扰的存在，给后续的波场分离与反射成像带来很大困难，为此，必须进行噪声压制。运用coif3小波对两个相邻地震道进行同层次分解，在分解后的小波树中分别提取相同节点号的节点进行重构信号，并对此两重构信号做互相关估计，由于噪声的随机性，如果两重构信号相关系数趋近于零，返回该节点并对它的小波包分解系数进行阈值处理，以消除随机噪声成份。实际资料的处理试验表明，小波包分析法可以较好地压制井间地震资料的随机噪声。     

地震信号去噪的最优小波基选取方法

利用小波技术进行地震信号去噪处理的效果与最优小波基的选取有关。本文在剖析地震信号特点的基础上,首先从理论上讨论小波基选取准则,再从实验角度进行对比选择,提出在进行小波分解和重构时应分别选择不同的小波基函数,以保证重构信号的精确度,增强对地震信号的处理能力。此方法改变了以往分解与重构处理时均采用同一小波基函数的做法。文中最终选择适合于地震信号去噪处理的bior2.4小波基。对实际资料处理效果的对比分析表明,应用bior2.4小波基处理地震数据,不仅去噪效果好,而且在结果数据中能提取地震信号的有效低频和高频成分,拓宽了地震信号有效频带,并同时提高了地震信号的信噪比和分辨率。     

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。     

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。     

小波包相关阀值去噪

在地震勘探中，随机口音是一种频带较宽，严重影响有效波信噪比的干扰波，一般的一维去噪方法效果都不理想，小波包变换是一种时频分析的方法，在分析中，高频方面优于小波变换，它结合相关阀值，能有效地在地震勘探剖面中消除随机干扰。分析了小波包优优于波变换的基本原理，以及小波包在地震记录中的分解，相关阈值去噪和地震记录重构，进行了实例分析对比，说明了小波包相关阀值法去噪优于其它去噪方法，且该方法计算速度快，简便可行。     

小波变换在地震资料处理中的应用效果分析

通过分析传统傅里叶变换、窗口傅里叶变换和小波变换的各自特点 ,指出了传统傅里叶变换和窗口傅里叶变换的不足 ,以及小波变换可对信号任意时刻的任何细节进行细致分析和精细处理的优势。利用小波变换对地震信号进行分频处理 ,分别计算不同频段的数据体 ,校正后再进行小波重建 ,经过分频动校正和分频静校正 ,来减少不同频率校正量存在的误差影响 ,达到提高信号分辨率的目的。     

基于二次小波变换的地震信号去噪方法

本文在Donoho的小波域阚值去噪处理方法基础上，提出一种基于二次小波变换的地震信号去噪方法，该法是对地震信号进行多尺度小波变换，然后对主要由噪声控制的尺度1上的小波系数再进行第二次多尺度小波变换，并将二次小波变换后的尺度1上的小波系数置零，将其余尺度上的小波系数重构，最后对处理后地震剖面进行小波域阈值去噪处理。通过理论模型和实际资料的处理结果表明，本文所述方法能有效地改善地震剖面处理效果，提高地震资料的信噪比。