基于小波变换的地震信号分时分频相关去噪

介绍了Donoho的小波域阈值去噪处理方法,提出了对小波变换尺度上小波系数进行分时分频相关处理去噪后,再重构小波系数的方法,以去除大部分随机噪声。然后,再对重构后地震剖面进行小波域阈值去噪处理。结果表明,使用上述新方法可以有效改善地震剖面处理效果,提高信噪比。      

基于经验模态分解(EMD)的小波熵阈值地震信号去噪

针对EMD阈值去噪算法中阈值由经验选取以及无法有效区分各固有模态函数上有用信息的不足,本文对各固有模态函数进行小波变换,对各层小波系数进行相关处理,以突出有效信息,抑制噪声;将细节系数的有效信号和突变点置零并等分为若干区间,选取小波熵最大子区间的高频小波系数平均值作为噪声方差计算得到阈值。该阈值选取方法依据小波熵的特点,自适应地根据对应尺度上信号自身的能量特征确定该尺度阈值。将该算法应用于仿真信号和实际地震信号去噪,结果表明该方法优于基于EMD的小波阈值去噪,在提高去噪效果的同时,也更好地保护有效信号。     

噪音剔除法在煤田地震资料处理中的应用

噪音剔除法是一种十分有效的去噪手段,能够较好地消除低信噪比地震剖面上的噪音,提高信噪比。本文简述了该方法的原理与实现过程,并以模型与实际资料的去噪处理说明方法的效果。     

小波阈值去噪黄金分割法

在小波去噪的方法中,应用最广泛的是Donoho阈值法,但由于其阈值的单一性,使它不能在每级尺度上将信号与噪声做最大分离,去噪效果并不理想。通过分析Donoho硬阈值和软阈值方法的特点,提出了一种黄金分割法,这种方法结合了硬阈值和软阈值方法各自的优点。仿真去噪结果表明,这种改进的小波阈值方法能够得到更好的去噪效果,信号的信噪比得到了进一步提高。     

基于奇异值分解的f-x-y域滤波方法

在简单回顾奇异值法压制随机噪音的基础上,提出了基于奇异值分解的f-x-y域滤波方法。该方法是一种三维去噪方法,它不需求取同相轴的倾角就可以去除倾斜同相轴的随机噪音,同时还可以较好地保持地震信号的振幅。经理论模型试算表明,该方法运算速度快,效果明显,是一种可行的去噪方法。     

基于小波变换的改进阈值函数自适应去噪方法

在多分辨分析小波阈值去噪方法的基础上[3],用一种改进的阈值函数和自适应阈值选取算法相结合的方法,克服了硬阈值法不连续性和软阈值法有偏差的缺点。该方法能自动跟踪噪声,不同尺度自适应采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高信噪比。仿真实验和地震资料处理结果表明,该方法去噪效果明显,可在各类消除随机噪声的信号处理中发挥作用。     

基于小波变换的分频最小光滑滤波去噪

在地震勘探中,随机噪音是一种频带较宽,严重影响有效波信噪比的干扰波。一般的去噪方法有:f-x、w-x、f-x奇异值分解等,但这些都只考虑横向上随机噪音的不相关性,而在一维方向上研究甚少。小波变换是一种时频分析的方法,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,就能有效地消除随机干扰,且保证了有效波的中、高频成份,经过小波包重构,可恢复有效波信号。该方法在去噪方面是十分有效的。     

小波阈值去噪方法在重力资料处理中的应用

简要介绍了小波变换的基本理论与小波阈值去噪实现过程。通过单球体与双球体模型试验,探讨了阈值去噪时小波基以及分解层数的选择问题;最后利用小波阈值去噪方法,对某实测布格重力资料进行处理,有效滤除了随机噪声。去噪后计算的水平方向导数明显比去噪前直接计算的水平方向导数效果好。     

改进阈值法在二代小波变换去噪中的应用

地震信号去噪能有效提高信号的信噪比和分辨率。二代小波变换可以在不同尺度上对含噪信号进行小波分解和多分辨率分析,实现窗口宽度自适应调整的局部化分析。但小波变换阈值法在去噪过程中会在信号的不连续邻域会产生伪吉布斯效应,而平移不变量阈值去噪方法通过平移-去噪-平均的思想可以很好的解决该问题。因此本文在已有的二代小波变换阈值去噪的基础上将平移不变量这一改进方法应用于二代小波变换中,实现了对地震信号更加快速有效的去噪处理,并在模拟数据试算和实际数据试算中取得了良好的去噪效果。     

基于小波变换的分频最小光滑滤法去噪

在地震勘探中，随机噪音是一种频带较宽，严重影响有效波信噪比的干扰波，一般的去噪方法有：f-x、w-x、f-x奇异值分解等，但这些都只考虑横向上随机噪音的不相关性，而在一维方向上研究甚少。小波变换是一种时频分析的方法，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，就能有效地消除随机干扰，且保证了有效波的中、高频成份，经过小波包重构，可恢复有效波信号，该方法在去噪方面是十分有效的。     

改进的曲波变换及全变差联合去噪技术

运用常规的基于曲波变换和全变差的联合去噪技术,可以有效地衰减随机噪声,较好地克服使用曲波变换带来的强能量团以及在同相轴边缘产生的不光滑现象,但是这种常规的联合去噪方法对有效信号有一定的损害。笔者采用一种多尺度多方向改进的Donoho阈值去噪思想,较好地克服了常规的联合去噪方法的缺陷,保护了有效信号。该方法在应用曲波变换去噪时,对每一个尺度的每一个方向都选取一个合适的阈值因子,而不是常规的方法对整个曲波系数矩阵只选取一个固定比例的阈值因子。理论模型与实际资料的处理结果表明,该技术最大限度地保留了地震数据的有效信号,在地震资料处理中具有较好的应用前景。     

基于Shearlet变换的尺度方向自适应阈值地震数据随机噪声压制方法

地震勘探的有效信号常受到随机噪声的干扰而难以识别,需要进行随机噪声和有效信号的分离。传统Shearlet全局阈值不随方向与尺度变化,在去噪的同时也会损失许多有效信号。Shearlet变换作为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。本文将含噪地震信号通过Shearlet分解后计算各尺度与方向上Shearlet域系数的L₂范数,并对其进行数据重排后发现,随着方向改变L₂范数不断减小,进而提出一种基于L₂范数的尺度方向自适应阈值计算方法。将其与小波变换、曲波变换、Shearlet全局阈值去噪方法对比,模拟数据与实际地震记录去噪结果表明,本文方法在去除随机噪声的同时,深部弱信号也得到了很好的恢复,地震数据的信噪比比其他3种方法有所提高,在0.929 9 dB条件下提升至11.565 1 dB。     

基于地震资料有效信息约束的深度网络无监督噪声压制方法

地震资料处理是地震勘探中的关键环节,由于地下构造和地表条件的复杂性,地震资料的处理需要经过一系列复杂流程,从而形成多种不同类型的地震数据。不同种类的地震数据具有不同的数据特征,充分利用和发掘其中的数据特征,不仅可以充分发挥处理方法的技术潜力,消除各类非地质因素对地震资料处理质量的影响,同时可以增强地震资料处理的可靠性,改善地震资料的资料信噪比及分辨率,在复杂油气藏勘探开发中具有非常重要的基础作用。叠前地震成像道集（CRP）中的有效信号同相轴近似水平,叠后地震成像数据因为地层沉积的规律性,有效信号相比于随机噪声、成像画弧噪声等干扰具有规律、简单等特点。具体表现为CRP道集及叠后地震资料有效信号具有多尺度自相似性的特征,其高维Fourier （FK或FKK）域主要能量集中在低频、低波数区域。针对上述地震数据的特点,提出一种基于先验信息约束的深度网络地震资料无监督噪声压制方法。受到深度图像先验（DIP）的启发,神经网络的结构可以视为一种特殊的隐式先验信息,合理设计网络结构可以使得网络具有多尺度自相似性特征的提取能力。由于叠前地震成像道集数据和叠后地震成像数据有效信号的多尺度自相似性,而噪声不具备这一特性,因此,特定结构的网络可以从原始数据提取出有效信号,从而达到噪声压制的目的。叠前成像道集和叠后成像的实际数据随机噪声压制试验结果表明,本文方法具有良好的保真性与鲁棒性。此外,由于本文方法具有强大的特征提取能力,因此,对常规方法不易压制的弧状成像噪声也有良好的效果。      

密度分层组合合成技术及影象地质解译

密度分层组合成技术是通过对遥感图象密度层次的分折,以突出影象的结构信息为主的一种光孚图象处理方法。根据不同密度层次的多波段遥感图象具有不同类别结构的“信息丰度”的原理,通过对分层片的组合处理,比较成功地对影象信息进行增强和提取,从而获得较好的地质解译效果。实践表明,它不仅对构造解译是有效的,而且对地层、岩性解译也是可行的。在矿床、矿田构造解译力面,它可以获得一些以前没有被认识的信息。本文是基于对我国某铀矿田的卫片进行密度分层处理和解译,提出了矿田受菱形断裂构造块体控制的看法。它对认识铀矿田的构造特点,指导找矿是有一定意义的。     

Image Filtering by Factorial Kriging—Sensitivity analysis and application to Gloria side-scan sonar images

Factorial Kriging (FK) is a data- dependent spatial filtering method that can be used to remove both independent and correlated noise on geological images as well as to enhance lineaments for subsequent geological interpretation. The spatial variability of signal, noise, and lineaments, characterized by a variogram model, have been used explicitly in calculating FK filter coefficients that are equivalent to the kriging weighting coefficients. This is in contrast to the conventional spatial filtering method by predefined, data-independent filters, such as Gaussian and Sobel filters. The geostatistically optimal FK filter coefficients, however, do not guarantee an optimal filtering effect, if filter geometry (size and shape) are not properly selected. The selection of filter geometry has been investigated by examining the sensitivity of the FK filter coefficients to changes in filter size as well as variogram characteristics, such as nugget effect, type, range of influence, and anisotropy. The efficiency of data-dependent FK filtering relative to data-independent spatial filters has been evaluated through simulated stochastic images by two examples. In the first example, both FK and data-independent filters are used to remove white noise in simulated images. FK filtering results in a less blurring effect than the data-independent fillers, even for a filter size as large as 9 × 9. In the second example, FK and data-independent filters are compared relative to the extraction of lineaments and components showing anisotropic variability. It was determined that square windows of the filter mask are effective only for removing Isotropie components or white noise. A nonsquare windows must be used if anisotropic components are to be filtered out. FK filtering for lineament enhancement is shown to be resistant to image noise, whereas data-independent filters are sensitive to the presence of noise. We also have applied the FK filtering to the GLORIA side-scan sonar image from the Gulf of Mexico, illustrating that FK is superior to the data-independent filters in removing noise and enhancing lineaments. The case study also demonstrate that variogram analysis and FK filtering can be used for large images if a spectral analysis and optimal filter design in the frequency domain is prohibitive because of a large memory requirement.     

自适应加权改进窗口中值滤波

针对传统的多级二维中值滤波窗口函数及窗口大小对地震数据噪声处理存在影响,提出了一种自适应加权改进窗口多级二维中值滤波器。对传统的多级二维中值滤波窗口函数进行改进,使其具有保护线性和细节特征。在改进窗口函数的基础上,提出了自适应加权函数,加权函数的自适应性对噪声衰减和有效信号的保真奠定了基础,自适应加权改进窗口中值滤波器去除噪声明显。通过理论模型和实际数据处理的对比,表明本方法去除噪声和保护有效信号能力优于传统的二维多级中值滤波器。     

基于蚁群和Canny边缘检测算子混合算法的二维岩石图像裂隙特征提取与修复研究

岩石中常含有裂缝、岩脉等细小而重要的微观结构,需要高分辨率的成像技术来提取其特征。在岩石图像处理中,特征提取可以提取出岩石的主要结构信息从而极大降低数据量,然而某些细线状岩石特征(如裂缝、裂隙等)往往无法被完整识别出来而存在间断现象。本文在采用蚁群算法修复岩石细线状特征的基础上,综合利用蚁群算法、DBSCAN聚类算法和Canny算子提出一种新的岩石图像修复算法。根据设定的阈值,对提取的图像间断部分进行搜索并连接,以修复在图像特征提取过程中缺失的部分重要信息,同时去除修复过程产生的多余特征。实际结果表明,利用混合算法处理的岩石特征提取图像得到了较好的修复,能够提高岩石裂隙特征提取的准确性。     

Shearlet变换在GPR数据随机噪声压制中的应用

随机噪声是探地雷达(ground penetrating radar,GPR)数据处理存在的主要问题之一,直接影响到GPR数据后续处理及最终解释的准确性和可靠性。为了有效地去除随机噪声,同时更好地保留GPR信号的有效信息,本文提出基于Shearlet变换的GPR数据随机噪声去除方法。作为一种非自适应多尺度、多方向性的几何分析方法,Shearlet变换能够近乎最优地表示含奇异点的高维曲线。在Shearlet域,GPR数据能够得到更加稀疏的表示,通过阈值去噪的方法,有效地去除了随机噪声,使信噪比提高了4dB,最大程度地保留了GPR有效信号。利用理论和实际数据进行验证,体现了Shearlet变换阈值去噪方法的有效性和准确性。     

基于经验模态分解的MT数据脉冲类电磁噪声处理

电磁脉冲干扰是大地电磁测深系统(MT)信号的主要噪声之一,严重影响后续视电阻率和阻抗的计算及目标信息的提取。针对脉冲类噪声在时间域中的变化特征,利用经验模态分解（EMD）对脉冲类电磁噪声进行压制处理。首先,对大地电磁信号经EMD分解后得到N个本征模态函数（IMF）;然后,对每一阶的IMF选择一个合适的阀值,对于该IMF中超出该阀值的部分进行截断;最后,进行EMD重构。实测数据测试表明:改正后信号能量损失小, 与改正前信号相关性高, 可有效地抑制脉冲类噪声干扰。