基于二维希尔伯特变换的地震倾角求取方法及其在构造导向滤波中的应用（英文）

在地震勘探数据采集中,随机噪声严重影响地震资料质量,给后期解释工作带来很大困难。如何在不损失剖面有效信息的前提下压制随机噪声,有效地提高地震资料的信噪比和保真度,是本文的研究目标。构造导向滤波技术的核心是构造方向表征的求取以及如何实现非平稳滤波,来达到提高地震数据信噪比和保真度的目的。本文首先通过分析函数二维导数与希尔伯特变换的频率响应关系,推导出了基于二维希尔伯特变换的非迭代地震同相轴倾角求取算子,进而达到了构造方向表征的求取;其次选取多项式拟合作为构造导向滤波中的非平稳滤波方法,扩展了非平稳多项式拟合的应用范围;最后沿构造倾角方向进行变振幅同相轴的非平稳多项式拟合,实现和构建了新的自适应构造导向滤波方法。理论模型和实际地震资料处理的结果表明,所提出的方法实现了既保护构造信息又有效地压制了随机噪声的目的。     

基于两步SVD变换的零偏VSP资料上下行波场分离方法

垂直地震剖面(Vertical Seismic Profiling,VSP)资料处理中波场分离是关键问题之一.随着属性提取技术的发展,新的属性参数(例如Q值)提取技术对波场分离的保真性要求越来越高.本文改进了传统奇异值分解(Singular Value Decomposition,SVD)法,给出了一种对波场的动力学特征具有更好的保真性,可以作为Q值提取的预处理步骤的零偏VSP资料上下行波场分离方法.该方法通过两步奇异值分解变换实现:第一步,排齐下行波同相轴,利用SVD变换压制部分下行波能量;第二步,在剩余波场中排齐上行波同相轴,使用SVD变换提取上行波场.在该方法的实现过程中,压制部分下行波能量后的剩余波场中仍然存在较强的下行波干扰,使得上行波同相轴的排齐比较困难.本文给出了一种通过极大化多道数据线性相关程度(Maximize Coherence,MC)排齐同相轴的算法,在一定程度上解决了低信噪比下排齐同相轴的问题.将本文提出的方法用于合成数据和实际资料的处理,并与传统SVD法的处理结果进行对比,结果表明本文提出的波场分离方法具有良好的保真性,得到波场的质量明显优于传统SVD法.通过对本文方法和传统SVD法处理合成数据得到的下行波场提取Q值,然后进行对比可知,本文方法可以有效提高所提取Q值的准确性,适合作为Q值提取的预处理步骤.     

S变换谱分解技术在深反射地震弱信号提取中的应用

在深反射地震资料处理中,当来自深部的有效弱信号和噪声干扰频带差异较小且难以区分时,传统滤波方法的应用会受到限制.谱分解方法是一种使用离散傅里叶变换,基于信号的频率-振幅谱等信息生成高分辨率地震图像的方法,通常用来识别介质物性横向分布特征,处理复杂介质内频谱变化和局部相位的不稳定性等问题,包括定位复杂断层和小尺度断裂等.S变换作为一种新的时频分析方法,具有自动调节分辨率的能力,近些年来被广泛应用到勘探地震、大地电磁等数据处理中,逐渐成为地球物理方法中噪声压制的有效方法之一.与常规石油反射地震资料相比,深反射主动源地震为了探测深部结构信息,常采用大药量激发方式、长排列观测系统等,导致深部有效信号基本湮灭在噪声干扰之中.针对深反射数据特点,本文结合谱分解和S变换技术,首先设计了简单的脉冲函数实验数据,证实S变换方法的有效性,同时说明谱分解方法的效果受所用时频分析方法影响较大,而其中决定分辨能力的变换窗函数的选取尤为重要.在此基础上,分别应用到深反射地震资料的单道和叠加剖面实际数据上,对比分析了传统变换谱分解和S变换谱分解的应用效果,单道资料对比结果表明:相比传统谱分解,S变换谱分解方法具有自动调节分辨率的能力,能够精确的标定深反射地震资料中弱信号不同时刻的频率分量;叠加剖面资料应用结果表明:由S变换谱分解得到的剖面结果与其他谱分解方法结果整体上具有较高的一致性,同时清晰地刻画出原叠加剖面上被噪声湮灭的低频细节特征,提高了剖面的分辨率及同相轴连续性;对比结果明显看出,Gabor变换谱分解方法得到的结果同相轴较为破碎,分析原因认为这是由Gabor变换的时频分解方法的定长窗函数所致,窗口大小不会随着信号频率的变化来调节长度,只能在处理的过程中根据一定的记录长度范围选取窗函数参数,而S变换谱分解方法在窗函数的选取时,通过时变信号的局部频率特征自动调节窗口长度,能够更好的刻画各个频段的细节特征,在深反射剖面成像应用中效果尤为明显.本文结果表明S变换谱分解技术在深地震叠加剖面上的应用有效地提高了来自深部弱反射信号的信噪比和分辨率,并刻画出了叠加剖面上所不具有的低频细节特征,在实际深反射地震资料处理中能有效保护低频弱信号获得更好的成像效果.本文为深地震反射资料中弱信号的保护处理找到一种有效的方法.     

基于S变换的软阈值滤波在深地震反射数据处理中的应用

深地震反射原始单炮数据是非平稳的弱能量反射信号,信噪比较低.如何提高信噪比一直是深地震反射数据前处理中的一大难题.S变换是一种适用于分析非平稳信号的时频变换方法.同其他分析时变信号的方法相比,S变换的基本小波不必满足小波在时间域均值为零的容许性条件,它的时频分辨率与分析信号的频率有关,且其在时间域的积分可以得到傅里叶频谱,其反变换也简单.因此,S变换容易表示深地震反射信号复杂的时频特性.本文在S变换的基础上,利用软阈值滤波方法对深地震反射数据进行处理,实验结果表明,该方法有效地提高了信噪比,压制了有效频带范围内的混频干扰,突出了弱反射信号,使得波组信息更加丰富,有利于连续追踪有效反射波组和识别薄地层,特别是提高了深部Moho界面反射层位的分辨率,为深地震反射剖面后续处理和准确解释奠定了基础.     

用于三分向记录震相识别的小波变换方法

应用包含在小波变换系数中的信号偏振信息,提出了一种确定单台三分向记录图中Ｐ波和Ｓ波震相的小波变换方法．主要的思路是寻找地震信号在不同尺度下小波变换系数的显著特性．通过对小波变换系数主成分的分析,得到不同尺度下的Ｐ波和Ｓ波识别因子,进而形成确定Ｐ波和Ｓ波初至的定位函数．通过对模拟资料和实际地震资料的分析,认为由小波变换方法形成的定位函数具有一定的抗噪声能力,在精确识别Ｐ波和Ｓ波初至方面是非常有效的．本文首先介绍了小波变换的基本概念和详细方法,然后应用小波变换对实际资料进行处理,并给出了研究结果．      

基于Curvelet变换的地震资料信噪分离技术

在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,最后重构得到去噪后的记录.经合成记录和实际地震资料处理实验证明,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率.     

小波变换的过零点特性与地震勘探信号的信噪比和分辨率

利用小波变换研究地震勘探信号小波变换的过零点特性，本文提出了用小波变换的过零点特性和地震勘探信号相邻道的横向相关性提高信号分辨率和信噪比的新方法．该方法包括两个主要步骤：①利用相邻地震道信号具有很好相关性，而噪音相关性差的特点以及小波变换的过零点特性得到有效反射波同相轴随空间坐标的变化信息．②利用奇异值分解和最小二乘（SVD-TLS）方法沿同相轴对振幅进行多项式拟合去噪并增加信号高频提高信号分辨率．     

图像边缘检测方法在地震剖面同相轴自动检测中的应用研究

为了提高地震剖面的信噪比和分辨率,使同相轴容易识别和追踪,便于地震资料解释,应用图像边缘检测方法检测地震剖面的同相轴.通过对比各种边缘检测方法对地震剖面的边缘检测效果,确定使用Canny算子对地震剖面进行边缘检测.但边缘检测的结果是灰度突变区域的包络线,并不能直接作为同相轴检测结果.根据地层反射同相轴灰度值较大这一特性,提取强灰度包络线的中轴作为同相轴的检测追踪结果,得到了正确的同相轴检测结果.并经过消除检测结果中的斑点边缘后,使同相轴显示更加清晰.     

基于小波分频叠前相干噪声压制方法

基于小波分析的去噪方法在地震资料叠前处理中得到了广泛应用.本文主要介绍利用小波变换的分频特性来压制相干噪声.通过小波分频技术将叠前地震信号分解为不同频带,然后利用有效波和相干干扰波的频谱差异来区分有效信号和噪声,最后利用加权方法去掉不需要的噪声信息来达到去除相干噪声的目的.实际资料的处理结果表明：基于小波分频方法能很好地压制相干噪声,从而提高地震资料信噪比和分辨率.     

改进的小波分频重构算法在石油地震勘探中的应用

在地震资料处理过程中,为了提高信号的信噪比以及保留数据的可靠频段,通常采用频率域滤波的方法.但是,传统的频率域滤波方法是基于傅里叶变换,在窗口与窗口之间的接合部位会出现假异常.且在滤除噪声的同时,很可能同时也将有用信息一起滤除掉. 本文针对上述问题,将小波域分频处理与重构的方法应用到石油地震勘探数据处理中.在提高信号信噪比的同时又可兼顾其它频段信息,使处理出的地震剖面信噪比提高,频带有所拓宽,从而达到最佳重构.文中先后给出了小波变换及其逆变换的数值计算方法以及最佳小波和最佳重构系数的求取方法.最后通过实例分析,其结果表明,该方法在理论上是正确的,实际应用效果也是成功的.     

Denoising of seismic data via multi-scale ridgelet transform

Noise has traditionally been suppressed or eliminated in seismic data sets by the use of Fourier filters and, to a lesser degree, nonlinear statistical filters. Although these methods are quite useful under specific conditions, they may produce undesirable effects for the low signal to noise ratio data. In this paper, a new method, multi-scale ridgelet transform, is used in the light of the theory of ridgelet transform. We employ wavelet transform to do sub-band decomposition for the signals and then use non-linear thresholding in ridgelet domain for every block. In other words, it is based on the idea of partition, at sufficiently fine scale, a curving singularity looks straight, and so ridgelet transform can work well in such cases. Applications on both synthetic data and actual seismic data from Sichuan basin, South China, show that the new method eliminates the noise portion of the signal more efficiently and retains a greater amount of geologic data than other methods, the quality and consecutiveness of seismic event are improved obviously as well as the quality of section is improved.     

基于提升算法和百分位数软阈值的小波去噪技术

在地震勘探领域,随机噪声一直是影响地震信号信噪比的主要因素之一,如何从被干扰的地震信号中有效去除随机噪声并保护有用信号具有重要的意义.针对经典小波变换在计算效率方面的缺陷,本文推荐应用提升算法实现第二代小波变换的构建,分析和对比了提升算法(Lifting Scheme)下不同小波变换方法的特性,选取更加符合小波域去噪原理的CDF 9/7双正交小波变换作为基本算法,同时应用了简单、有效的百分位数(Percentiles)软阈值进行信噪分离.通过理论模型处理,本方法可以在去噪能力和保护有用信号之间找到很好的平衡点.实际剖面的处理效果表明,此方法不仅能有效的滤除随机噪声,而且很好地保护有用信号,提高地震数据分析的精确性.     

Unsupervised separation of seismic waves using the watershed algorithm on time-scale images

This paper illustrates the use of image processing techniques for separating seismic waves. Because of the non‐stationarity of seismic signals, the continuous wavelet transform is more suitable than the conventional Fourier transforms for the representation, and thus the analysis, of seismic processes. It provides a 2D representation, called a scalogram, of a 1D signal where the seismic events are well localized and isolated. Supervised methods based on this time‐scale representation have already been used to separate seismic events, but they require strong interactions with the geophysicist. This paper focuses on the use of the watershed algorithm to segment time‐scale representations of seismic signals, which leads to an automatic estimation of the wavelet representation of each wave separately. The computation of the inverse wavelet transform then leads to the reconstruction of the different waves. This segmentation, tracked over the different traces of the seismic profile, enables an accurate separation of the different wavefields. This method has been successfully validated on several real data sets.     

Fast hyperbolic deconvolutive Radon transform using generalized Fourier slice theorem

The hyperbolic Radon transform has a long history of applications in seismic data processing because of its ability to focus/sparsify the data in the transform domain. Recently, deconvolutive Radon transform has also been proposed with an improved time resolution which provides improved processing results. The basis functions of the (deconvolutive) Radon transform, however, are time-variant, making the classical Fourier based algorithms ineffective to carry out the required computations. A direct implementation of the associated summations in the time–space domain is also computationally expensive, thus limiting the application of the transform on large data sets. In this paper, we present a new method for fast computation of the hyperbolic (deconvolutive) Radon transform. The method is based on the recently proposed generalized Fourier slice theorem which establishes an analytic expression between the Fourier transforms associated with the data and Radon plane. This allows very fast computations of the forward and inverse transforms simply using fast Fourier transform and interpolation procedures. These canonical transforms are used within an efficient iterative method for sparse solution of (deconvolutive) Radon transform. Numerical examples from synthetic and field seismic data confirm high performance of the proposed fast algorithm for filling in the large gaps in seismic data, separating primaries from multiple reflections, and performing high-quality stretch-free stacking.     

小波变换在地震宽角反折射资料处理中的应用

小波分析方法用于地震宽角反折射资料处理 ,它可将地震信号的分辨率由传统的1 /2- 1 /4λ（波长 ）提高到优于 1 /6λ .利用小波分析方法对沙雅-布尔津地震宽角反折射剖面资料进行处理 ,发现天山造山带的壳幔过渡带由 7- 8个高低速相间的薄层构成 ,平均速度较低 ,总厚度约 2 0km .而塔里木盆地北缘与准噶尔盆地的壳幔过渡带不具有这一特点 ,壳幔间主要以一级间断面实现过渡 .天山造山带与准噶尔盆地壳幔过渡带详细结构及其二者之间的差异特征为天山造山带地球动力学“层间插入消减模型”的建立提供了重要依据     

第二代小波变换及其在地震信号去噪中的应用

本文讨论了第二代小波变换的基本原理和变换过程，并将第二代小波变换引入到地震资料去噪处理中，基于提升法的小波变换是一种柔性的小波构造方法，它使用线性、非线性或空间变化的预测和更新算子，并能确保变换的可逆性。通过对模拟数据和实际资料的处理，证明了的它对地震信号去噪具有很好的效果。离散信号的小波去噪可分为三步：小波分解，系数缩减（切除噪声部分），信号重建。目前常用的小波去噪的方法有硬阈值法和软阈值法，这里采用软阈值法去噪。本文的提升变换采用的是Deslauriers-Dubuc（4，2）小波，基于以上变换方法，分别对含噪的模拟数据及实际地震数据进行3级可逆提升变换，对每一级上的细节信号按上述的软域值法进行处理，削减小波系数中的噪声部分，从而实现了信号去噪，结果证明去除随机噪声的效果是令人满意的。     

Weak Seismic Signal Extraction Based on the Curvelet Transform

Seismic signal denoising is a key step in seismic data processing. Airgun signals are easy to be interfered with by noise when it travels a long distance due to the weak energy of active source signal of the airgun. Aiming to solve this problem, and considering that the conventional Curvelet transform threshold processing method does not use the seismic spectrum information, we independently process the Curvelet scale layer corresponding to valid data based on the characteristics of the Curvelet transform of multi-scale, multi-direction and capable of expressing the sparse seismic signals in order to fully excavate the information features. Combined with the Curvelet adaptive threshold denoising the algorithm, we apply the Curvelet transform to denoising seismic signals while retaining the weak information in the signal as much as possible. The simulation experiments show that the improved threshold denoising method based on Curvelet transform is superior to the frequency domain filtering, wavelet denoising and traditional Curvelet denoising method in detailed information extraction and signal denoising of low SNR signals. The calculation accuracy of the relative wave velocity variation of underground medium is improved.     

HFE在提高地震数据分辨率中的应用

提高地震数据分辨率是地震勘探中获得高质量数据的关键,而分辨率与信噪比的相互制约关系是高分辨率处理的根本问题。本文基于反褶积的基本原理,采用压缩子波的方法,对原始地震数据进行高频拓展法(High Frequency Expanding,HFE)处理。通过测试子波压缩参数,分析研究可选参数对地震资料分辨率和保真度的影响,确定最佳处理参数,并应用于实际地震资料处理中。应用结果表明,HFE处理后的地震资料,其品质得到了明显的改善,处理后的剖面弱反射带层间细节反射更为丰富,横向变化清晰,频带变宽,分辨率得到了很大提高。     

Theory and seismic applications of the eigenimage discrete wavelet transform

Discrete wavelet transforms are useful in a number of signal processing applications. To improve the scale resolution, a joint function of time, scale and eigenvalue that describes the energy density or intensity of a signal simultaneously in the wavelet and eigenimage domains is constructed. A hybrid method, which decomposes eigenimages in the wavelet domain, is developed and tested on field data with a variety of noise types. Several illustrative examples examine the ability of wavelet transforms to resolve features at several scales. Successful applications to time‐lapse seismic reservoir monitoring are presented. In reservoir monitoring, the scale‐dependent properties of the eigenstructure of the 4D data covariance matrix enable us to extract the low‐frequency time‐lapse signal that is the result of internal diffusive losses caused by fluid flow.     

Singularity detection of the thin bed seismic signals with wavelet transform

IntroductionIn1977,Sheriff(1977)provedthedetectiftglimitthatwasdefinedasminimumthicknessofthereflectionthinbedtobel/30wavelength.Applyingthesingularitydetectionprinciplewithwavelettransforminthispaper,weanalyzethereflectionseismicsignalsofthethinbed...