10.13810/j.cnki.issn.1000-7210.2023.05.005
一种新的K-SVD字典学习地震数据去噪方法
地震数据去噪是地震资料处理的关键步骤之一,高信噪比的数据是后续高质量处理和解释的基础.目前,已推出多种类型的去噪方法,其中稀疏表示方法虽具有利用较少的基本信号的线性组合表示大部分或者全部的原始信号,即充分挖掘数据中含有的信息,最大化利用数据的优点,但用于稀疏表示的K-SVD字典学习算法存在去噪结果损失了部分原始信号和计算效率不太理想等问题.为了进一步优化解决这些问题,研发了一种新的用于地震数据去噪的K-SVD字典学习方法.首先,从样本数据中提取随机位置的块,并删除空白块,初始化字典;然后,进行字典学习,自适应地由地震数据本身特征构造出稀疏表示数据的最新字典;最后,利用学习到的字典对含噪地震数据分块进行去噪,对去噪后的块取平均处理再重构图像块得到去噪图像,完成地震数据的去噪.合成数据和实际数据的试验结果表明:所提K-SVD字典学习算法的去噪效果与当前用于稀疏表示的K-SVD字典学习算法相比,在信噪比、计算时间以及地震数据局部特征保持方面更有优势.
稀疏表示、压缩感知、字典学习、K-SVD、地震数据去噪
58
P631
国家自然科学基金;基于字典学习的多震源数据高效高精度最小二乘偏移方法研究;湖北省自然科学基金;油气资源与勘探技术教育部重点实验室青年创新团队项目
2023-11-15(万方平台首次上网日期,不代表论文的发表时间)
共12页
1072-1083