|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于稀疏冗余表示的三维地震数据随机噪声压制显示文摘传统的二维随机噪声压制方法应用于三维地震数据的随机噪声压制时,去噪效果往往不理想,为此提出基于稀疏冗余表示的压制三维地震数据随机噪声的方法。该方法在贝叶斯框架下,通过正交匹配追踪(OMP)和K-奇异值分解(K-SVD)不断迭代更新三维稀疏矩阵和三维超完备离散余弦变换(DCT)字典,利用三维超完备DCT字典作为三维地震数据的稀疏冗余表示,使三维地震数据中随机噪声得到压制。三维模拟数据和实际地震数据试算表明:与常规f-x反褶积法和K-L变换法相比,该方法既提高了三维地震数据体的信噪比,又有效地保护了地震反射信号,而且水平切片的连续性和平滑性很好,构造复杂区域的分辨率也得到提高。 | 张广智 常德宽 王一惠 李振振 赵阳 印兴耀 | 2015 | 石油地球物理勘探2015，50，4： | 17 |
| 2 | 基于联合深度学习的地震数据随机噪声压制显示文摘噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频域的特征提取,导致局部过平滑或纹理模糊的现象;此外,传统卷积神经网络的卷积核往往采用固定较小的尺寸,限制了感受野大小,容易导致地震数据特征信息提取不充分。为此,提出一种基于联合深度学习的地震数据随机噪声压制方法。首先,考虑时域和频域两方面的特征信息,利用联合误差定义损失函数,改善特征提取效果;其次,通过分析卷积核大小和网络深度对感受野大小的影响,采用扩充卷积的方式,增加地震数据特征提取的多样性,减少地震数据细节的损失;再次,根据网络输入与输出数据具有相似性的特点,引入残差学习策略;最后,利用批归一化算法加快模型收敛,提高地震数据去噪效率。与同类算法对比实验表明,应用所提出的方法可得到更好的同相轴纹理保持效果和较高的信噪比。 | 张岩 李新月 王斌 李杰 董宏丽 | 2021 | 石油地球物理勘探2021，56，1： | 15 |
| 3 | 一种遥感影像超分辨率重建的稀疏表示建模及算法显示文摘为了对单幅低分辨率遥感影像的空间分辨率进行增强,提出一种基于稀疏表示的超分辨率重建方法。该方法首先采用优化最小化方法学习高-低分辨率联合字典对,通过构造一个参数互相解耦的易于优化的代理函数,替代原来的参数互相耦合难以优化的目标函数,保证每一次迭代求解的值在局部范围内最优。然后,将学习的字典对用以指导其他低分辨率遥感影像的超分辨率重建。试验表明,与传统的插值方法相比,本研究算法在客观的评价指标上具有一定的提高,在主观的视觉效果上也取得一些改善,可为其他单幅低分辨率遥感影像的超分辨率重建提供有用的高频细节信息,具有一定的普适性。 | 钟九生 江南 胡斌 胡秋翔 | 2014 | 测绘学报2014，43，3： | 10 |
| 4 | 时频域变分模态分解地震资料去噪方法显示文摘强噪声干扰、信噪比过低是造成深层地震资料成像不佳的主要因素。为此,提出在时频域内将变分模态分解算法应用于分频地震资料的噪声压制处理的新思路。首先,通过希尔伯特-黄变换(HHT)构建地震数据的解析信号,将地震数据转换到时频域,在时频域进行分频变分模态分解;随后,分析有效信号与噪声在时频切片上的能量分布,在此基础上优选出有效信号模态分量重构时频切片;最后反变换回时空域,达到噪声压制的目的。应用模型数据分析了关键参数对去噪效果的影响;实际资料的应用结果表明该算法可有效压制较强的随机背景噪声,同时对陡倾角的线性干扰也有明显的压制作用。 | 胡瑞卿 何俊杰 李华飞 张晓莉 裴家定 刘亿伟 | 2021 | 石油地球物理勘探2021，56，2： | 9 |
| 5 | 自适应数据驱动的紧框架微地震数据随机噪声压制显示文摘地面微地震数据的信噪比很低,严重影响初至拾取的精度及反演结果的可靠性。本文首先采用基于弱纹理块的噪声估计方法求取含噪微地震数据中的噪声方差,然后采用数据驱动紧框架方法去噪,有效地压制实际微地震数据中的随机噪声,提高数据的信噪比。理论模型和实际资料的处理结果表明,该方法可以去除传统方法在低信噪比数据去噪后引入的背景斑块,且去噪后的信噪比得到了极大的提高。因此,相对于传统的方法,本文方法具有显著的优势及较好的应用价值。 | 唐杰 张文征 梁雨薇 谷玉田 | 2019 | 石油地球物理勘探2019，54，5： | 7 |
| 6 | 基于曲波变换的地震数据压缩感知重构算法显示文摘为提高地震数据压缩感知重构的信噪比和保真度,提出一种基于曲波变换的地震数据压缩感知重构算法。建立了地震数据压缩感知重构模型,分析了基于曲波变换稀疏表示的地震数据各尺度之间能量与熵的分布特性,结合分块压缩感知技术降低随机观测的计算复杂度,利用曲波变换稀疏表示高频区域各尺度之间的相关性,设计了随信息熵变化的自适应双变量收缩阈值迭代重构的方法。实验结果表明,在相同的采样率下,该算法重构的地震数据峰值信噪比提高了1.5 d B以上,并且具有良好的细节信息保持能力。 | 张岩 任伟建 唐国维 | 2015 | 吉林大学学报(信息科学版)2015，33，5： | 7 |
| 7 | 基于改进K-SVD字典学习方法的地震数据去噪显示文摘为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。 | 程时俊 韩立国 于江龙 张凤蛟 | 2018 | 世界地质2018，37，2： | 6 |
| 8 | 基于稀疏反演的同步震源地震数据分离方法显示文摘同步震源混合地震数据的有效分离方法是同步震源采集技术得到广泛应用的关键之一。为此,在时间随机抖动的混合采集框架下,提出了一种同步震源混合地震记录分离方法。首先将未混合的共炮点记录作为训练样本,基于字典学习,得到学习型字典;然后基于稀疏反演构造分离混合地震记录的反问题表达式,并将待分离记录基于学习型字典的稀疏表示作为约束项,利用交替迭代策略进行求解。复杂模型数据和实际资料算例表明,与基于局部离散余弦变换的稀疏反演结果相比,利用字典学习能够有效提高分离结果的精度,为后续的地震信号处理提供高质量的数据。 | 周艳辉 陈文超 | 2018 | 石油物探2018，57，1： | 4 |
| 9 | 主成分分析和字典学习联合地震数据去噪方法显示文摘为能获得高信噪比的地震数据,笔者提出了一种基于K-SVD字典学习和主成分分析(PCA)相结合的主成分字典学习算法。与K-SVD算法对误差项直接采用奇异值分解来更新字典原子不同,笔者采用PCA算法分解误差项,并使用第一主成分作为字典原子的更新。通过对复杂模型合成地震记录与实际地震记录进行对比实验,得出该方法较K-SVD算法信噪比大约提高1~1.5 dB,能更好地保护有效信号。 | 朱鹤文 韩立国 陈瑞鼎 | 2020 | 世界地质2020，39，3： | 3 |
| 10 | Radon域下的K-SVD字典的混采分离显示文摘基于地震反演来分离混采数据的方法,笔者提出用K次迭代奇异值分解(K-SVD)来更新Radon域下混叠信号中的字典原子的方法:在同步源采集和地震稀疏反演的背景下,将混合地震信号的分离视为稀疏反演问题,将共检波点域的数据表示在Radon域内,此时有效信号同相轴收敛;对数据阈值滤波后进行分块字典学习,进一步稀疏地表示地震数据;最后,固定字典,更新恢复信号和稀疏系数完成分离。模拟和实际资料处理结果表明:该方法对于混采数据的分离相对中值滤波、小波变换等更有效、分离质量明显提升,可应用于实际混叠数据中。 | 李慧 韩立国 张良 贾帅 | 2019 | 世界地质2019，38，1： | 1 |
| 11 | 基于C-WNNM的地震随机噪声压制方法显示文摘针对低信噪比情况下地震信号同相轴不易识别的问题,提出用C-WNNM方法来压制地震勘探资料中的随机噪声.给出了基于WNNM的低秩逼近理论,利用地震信号在时间和空间上具有一定的相似性这一特点来构建近似低秩矩阵,并且由CEEMD分解得到的IMF1分量来近似估计局部噪声方差,从而获得更加精确的权值.经过迭代逼近得到最终去噪后的信号.对由雷克子波生成的模拟地震勘探资料进行C-WNNM滤波处理.结果表明,在地震数据存在强噪声的情况下,该方法能够有效压制随机噪声并且能够更好地保留有效信号,信噪比相比于原始WNNM算法提高了3 d B左右. | 王代香 李娟 孟可心 | 2017 | 江苏大学学报(自然科学版)2017，38，2： | 1 |
| 12 | 基于分块字典学习理论的地震数据去噪显示文摘随着油气勘探观测环境愈发复杂,采集的地震数据常常掺杂各种噪声信号,导致勘探目标引起的有效微弱信号被覆盖,严重影响高精度的地震勘探数据解译,因而有效的压制地震勘探数据噪声显得越发重要。本文采用字典学习策略,将复杂地震数据进行分块,通过分块数据的字典学习获取字典原子,构建高精度的字典学习地震数据稀疏表示,通过两次迭代更新字典原子,进行数据去噪。将本文的字典学习算法应用于含随机噪声的模拟数据和实测地震勘探数据处理,验证该算法的可行性及有效性。结果表明,本文算法有效去除了随机噪声,保留了有效信号同相轴,提高了信噪比,可为复杂含噪地震数据的去噪处理提供新的技术手段。 | 周俊捷 吴相伶 李文杰 李静和 | 2022 | CT理论与应用研究(中英文)2022，31，5： | 0 |
| 13 | 混采地震数据高效高精度分离处理方法研究进展显示文摘高效率采集是提高“两宽一高”采集效率的有效方式。对高效率地震数据采集和处理方法进行了综述,着重介绍了混采地震数据的高效高精度分离方法研究进展,包括:噪声压制类方法、反演类方法和预测相减类方法,并对各类方法的发展进行了评述。噪声压制类方法效率高、较稳定、易实现;反演类方法可以获得比噪声压制类方法更高信噪比和保真度的结果,但计算效率有待提高;预测相减类方法可以获得精度很高的分离效果,但算法受预测波场精度的影响,稳定性较差。基于3类方法的特点,分析认为多方法联合是混采地震数据分离处理的主要发展方向,多方法联合将进一步提高数据分离的精度和效率,并且适用于复杂地区的混采地震数据分离,从而拓宽“两宽一高”采集方式的应用范围,提高勘探精度,推动行业发展。 | 石太昆 徐海 黄亮 舒国旭 高正辉 霍守东 | 2020 | 石油物探2020，59，5： | 0 |
| 14 | 基于低冗余度曲波变换的三维地震信号处理显示文摘地震信号的插值和去噪问题是地震信号处理的重要研究内容,基于稀疏变换的方法将地震信号在变换域中稀疏表示,根据信号和噪声在变换域的不同表现采用阈值法实现插值和去噪.介绍了一种低冗余度三维曲波变换,并将其用于地震信号的插值和去噪.数值结果表明,该变换冗余度低,在保证曲波变换对地震信号处理有较好的数值效果的同时,将计算速度提高了4倍左右. | 胡之英 | 2017 | 宁夏大学学报(自然科学版)2017，38，4： | 0 |
| 15 | 基于组结构字典稀疏表示的地震数据随机噪声压制显示文摘基于地震数据自身学习得到的自适应字典能够更精确地表示地震数据,针对稀疏表示传统方法训练出来的自适应字典的无结构性问题,文章提出一种基于组结构字典稀疏表示的地震数据随机噪声压制算法。该算法首先通过地震数据本身训练得到自适应学习型并具有一定结构性的组结构字典,然后利用该组结构字典对地震数据进行稀疏表示,通过得到的表示系数重建地震数据。所用的组结构字典能够更好地适应地震数据自身特性,对地震数据进行稀疏表示可得到更加稀疏的表示系数,滤除了通常系数很小的随机噪声,从而能够有效压制随机噪声。实验表明,文中所提出的地震数据随机噪声压制算法具有良好的去噪效果。 | 徐小红 张洋 屈光中 毕云云 | 2017 | 合肥工业大学学报(自然科学版)2017，40，2： | 0 |
| 16 | Seismic data denoising based on data-driven tight frame dictionary learning method显示文摘Because of various complicated factors in seismic data collection,the random noise of seismic data is too difficult to avoid.This random noise reduces the quality of seismic data and increases the difficulty of seismic data processing and interpretation.Improving the denoising technology is significant.In order to improve seismic data denoising result,a novel method named data-driven tight frame(DDTF)is introduced in this paper.First,we get the sparse coefficients of seismic data with noise by DDTF.Then we remove the smaller sparse coefficient by using the hard threshold function.Finally,we get the denoised seismic data by inverse transform.Furthermore,the DDTF is compared with curvelet transform in the stimulation and practical seismic data experiments to validate its performance.DDTF can raise the signal-to-noise ratio of seismic data denoising and protect the effective signal well. | ZHENG Jialiang WANG Deli ZHANG Liang | 2020 | Global Geology2020，23，4： | 0 |
| 17 | 基于深度学习的地震随机噪声衰减方法研究进展显示文摘分析了卷积神经网络(CNN)、去噪卷积神经网络(DnCNN)、U⁃Net深度神经网络、前反馈(BP)神经网络、空洞卷积神经网络(DCNN)、残差网络(ResNet)、迁移学习等为代表的深度学习方法的概念、发展现状、方法原理、去噪效果以及优缺点等;对比了传统去噪方法、字典学习及深度学习方法的去噪效果;展望了深度学习技术在地震去噪领域的发展前景。获得以下认识:①深度学习方法的实际去噪效果优于传统方法和字典学习方法,不需要设定结构模型,泛化性更强,且计算时间短、精度更高。②深度学习方法存在诸多不足:实际数据的去噪效果往往差于合成数据;普适性不强;神经网络的“黑匣子”特性使其物理可解释性大大降低;网络性能与训练数据的泛化性密切相关;用于训练网络的数据集因人而异,难以评价网络性能。③期待深度学习在以下方面取得进展和突破:搭建适用于不同噪声的去噪神经网络结构,并将更优的网络结构引入地震随机噪声压制;将地震信号转换到变换域构造网络的损失函数;改进学习策略的同时制作更具代表性的数据集,尽可能地使训练数据覆盖所有类型的解,提高网络泛化性;自动化的参数调优;结合模型驱动与数据驱动的方法。 | 崔扬 王燕楠 陈万利 张虹 朱丹丹 白敏 | 2023 | 石油地球物理勘探2023，58，5： | 0 |
| 18 | 干扰控制K均值序贯泛化二维地震信号去噪显示文摘K均值序贯泛化(SGK)去噪算法在字典更新阶段会引入噪声干扰。为了控制噪声干扰对字典原子的影响,构建一种干扰控制K均值序贯泛化(C-SGK)地震信号去噪算法。该算法在字典更新阶段通过判断信噪比值与设定阈值间的大小来决定是否更新原子。若信噪比值大于设定阈值,则顺序更新原子,反之则不更新原子。对人工合成和实际地震信号的去噪结果表明,本算法能够很好地控制噪声干扰,且与传统SGK算法比较发现,本文算法对地震信号的去噪效果更优。 | 冯振杰 张欢 张成 | 2019 | 激光与光电子学进展2019，56，3： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员