CN105158800B - 基于分频主成分分析的多次波消除方法及装置 - Google Patents
基于分频主成分分析的多次波消除方法及装置 Download PDFInfo
- Publication number
- CN105158800B CN105158800B CN201510447167.7A CN201510447167A CN105158800B CN 105158800 B CN105158800 B CN 105158800B CN 201510447167 A CN201510447167 A CN 201510447167A CN 105158800 B CN105158800 B CN 105158800B
- Authority
- CN
- China
- Prior art keywords
- multiple wave
- wave
- frequency
- real data
- principal component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于分频主成分分析的多次波消除方法及装置,该方法包括:对预测得到的多次波进行分频处理,得到多个多次波频段;分别从每个多次波频段中提取多次波特征;将从多个多次波频段中提取的多次波特征进行合成;根据合成结果重建实际数据中的真实多次波;将实际数据减去真实多次波,得到实际数据的完整一次波。该方法利用不同频率的预测多次波学习出不同的基向量,可以有效提取出多次波各个频率的显著特征,在多次波相减过程中,可以尽可能多减去多次波,而不损伤一次波。
Description
技术领域
本发明涉及地理物理技术领域,特别涉及一种基于分频主成分分析的多次波消除方法及装置。
背景技术
地震成像中常常含有多次波,很大程度影响了对地震资料的解释。有效去除地震数据中的多次波,可以大大提高地震数据的可靠性,对地震勘探意义重大。目前多次波压制主要有两种方法,一种是滤波法,另外一种是预测减去法。预测减去法利用波动方程模拟实际波长或反演地震数据预测地震数据中的多次波,然后将预测出的多次波自适应减去得到最终的去除多次波以后的数据。由于预测减去法效果显著,已经成为多次波压制的主要手段。常用的自适应相减方法包括基于L2范数的匹配滤波器方法、基于L1范数的匹配滤波器方法、基于ICA的多次波相减方法。
预测减去法中预测的多次波由于和真实多次波存在一定相位振幅差异,因此,预测减去法虽然根据预测的多次波可以消除原始数据中的多次波,但是不能够保证有效波不受损伤。
发明内容
本发明的目的旨在至少解决上述的技术缺陷之一。
为此,本发明的一个目的在于提出一种基于分频主成分分析的多次波消除方法。该方法利用不同频率的预测多次波学习出不同的基向量,可以有效提取出多次波各个频率的显著特征,在多次波相减过程中,可以尽可能多减去多次波,而不损伤一次波。
本发明的另一个目的在于提出一种基于分频主成分分析的多次波消除装置。
为了实现上述目的,本发明的第一方面的实施例公开了一种基于分频主成分分析的多次波消除方法,包括以下步骤:对预测得到的多次波进行分频处理,得到多个多次波频段;分别从每个多次波频段中提取多次波特征;将从所述多个多次波频段中提取的多次波特征进行合成;根据合成结果重建实际数据中的真实多次波;以及将所述实际数据减去所述真实多次波,得到所述实际数据的完整一次波。
另外,根据本发明上述实施例的基于分频主成分分析的多次波消除方法还可以具有如下附加的技术特征:
在一些示例中,所述对预测得到的多次波进行分频处理,得到多个多次波频段,进一步包括:对预测得到的多次波分成低频部分、中频部分和高频部分,以得到多次波低频片段、多次波中频片段和多次波高频片段。
在一些示例中,所述分别从每个多次波频段中提取多次波特征,具体包括:利用主成分分析方法PCA分别对所述多次波低频片段、所述多次波中频片段和所述多次波高频片段进行分解,得到对应的三组正交基,其中,所述三组正交基为:
在一些示例中,所述将从所述多个多次波频段中提取的多次波特征进行合成,得到一组基,所述一组基为:B=[B1,B2,B3]。
在一些示例中,所述根据合成结果重建实际数据中的真实多次波,具体包括:利用误差2范数最小化准则重建所述实际数据,X=argminX‖s-BX‖2;估计所述实际数据中的真实多次波,
在一些示例中,将所述实际数据减去所述真实多次波,得到所述实际数据的完整一次波
本发明第二方面的实施例公开了一种基于分频主成分分析的多次波消除装置,包括:分频模块,用于对预测得到的多次波进行分频处理,得到多个多次波频段;提取模块,用于分别从每个多次波频段中提取多次波特征;合成模块,用于将从所述多个多次波频段中提取的多次波特征进行合成;重建模块,用于根据合成结果重建实际数据中的真实多次波;以及处理模块,用于将所述实际数据减去所述真实多次波,得到所述实际数据的完整一次波。
根据本发明的实施例,能够有效去除多次波,同时保留一次波不受损伤。主要采用了基于模式识别的方法提取多次波的主要特征,利用这些特征重建原始数据的多次波,从而能够在自适应相减过程中仅减去多次波,有效避免一次波受到损伤;另外,为了能够更有效减去尽可能多的多次波,本发明的实施例将多次波分成若干个频段,分别提取各个频段的特征。
具有如下优点:利用不同频率的预测多次波学习出不同的基向量,可以有效提取出多次波各个频率的显著特征,在多次波相减过程中,可以尽可能多减去多次波,而不损伤一次波。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1为本发明一个实施例的基于分频主成分分析的多次波消除方法的流程图;
图2为本发明一个实施例的基于分频主成分分析的多次波消除方法的详细流程图;
图3为本发明一个实施例的基于分频主成分分析的多次波消除方法与相关技术中的多次波消除技术的实验仿真结果示意图;以及
图4为本发明一个实施例的基于分频主成分分析的多次波消除装置的结构框图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图描述根据本发明实施例的基于分频主成分分析的多次波消除方法及装置。
图1是根据本发明一个实施例的基于分频主成分分析的多次波消除方法的流程图。如图1所示,并结合图2,根据本发明一个实施例的基于分频主成分分析的多次波消除方法,包括如下步骤:
S101:对预测得到的多次波进行分频处理,得到多个多次波频段。对预测得到的多次波进行分频处理是为了后续能有效提取多次波的特征。
如图2所示,作为一个具体的示例,对预测得到的多次波分成低频部分、中频部分和高频部分,以得到多次波低频片段、多次波中频片段和多次波高频片段,即:首先利用带通滤波将预测多次波m分成低频(L)、中频(M)、高频(H)三个成分,当然,在本发明的其它示例中,也可以分为其它若干个成分,只要能够有效提取多次波的特征即可。
需要说明的是,如果实际数据s的高频部分不含一次波,高频部分也可以直接从实际数据中获得。
S102:分别从每个多次波频段中提取多次波特征。
例如:利用主成分分析方法PCA(Principal Components Analysis)分别对所述多次波低频片段、多次波中频片段和所述多次波高频片段进行分解,得到对应的三组正交基,其中,三组正交基为:
S103:将从多个多次波频段中提取的多次波特征进行合成。
例如:将上述三组正交基进行合成,得到一组基,为:B=[B1,B2,B3]。
S104:根据合成结果重建实际数据中的真实多次波。
S105:将实际数据减去真实多次波,得到实际数据的完整一次波。
具体而言,将以上提取的特征综合在一起作为基,利用估计误差的2范数最小化准则重建实际数据中的真实多次波,将实际数据减去估计出的真实多次波,即可以得到实际数据的完整一次波。
具体而言,利用误差2范数最小化准则重建所述实际数据,X=argminX‖s-BX‖2;估计所述实际数据中的真实多次波,然后,将实际数据减去真实多次波,得到实际数据的完整一次波。即
为了验证本发明方法的优势与可靠性,这里将本发明所提出的方法应用于实际地震数据中。为了对比展示本发明的方法的有效性,这里同时给出经典多次波自适应相减方法基于L1范数的匹配滤波器方法的处理结果。
如图3(a)所示,为含有大量多次波的原始数据,图3(b)为预测多次波,图3(c)为基于L1范数的匹配滤波器方法得到自适应相减以后的数据,图3(d)为基于L1范数的匹配滤波器方法从原始数据中减去的多次波。图3(e)为本发明处理得到自适应相减以后的数据,图3(f)为本发明的方法从原始数据中减去的多次波的示意图。对比可知,本发明的方法能够更为有效减去原始数据中的多次波,同时,对一次波的保护更好。
根据本发明实施例的基于分频主成分分析的多次波消除方法,能够有效去除多次波,同时保留一次波不受损伤。主要采用了基于模式识别的方法提取多次波的主要特征,利用这些特征重建原始数据的多次波,从而能够在自适应相减过程中仅减去多次波,有效避免一次波受到损伤;另外,为了能够更有效减去尽可能多的多次波,本发明的方法将多次波分成若干个频段,分别提取各个频段的特征。
具有如下优点:利用不同频率的预测多次波学习出不同的基向量,可以有效提取出多次波各个频率的显著特征,在多次波相减过程中,可以尽可能多减去多次波,而不损伤一次波。
图4是根据本发明一个实施例的基于分频主成分分析的多次波消除装置的结构框图。如图4所示,根据本发明一个实施例的基于分频主成分分析的多次波消除装置400,包括:分频模块410、提取模块420、合成模块430、重建模块440和处理模块450。
其中,分频模块410用于对预测得到的多次波进行分频处理,得到多个多次波频段。提取模块420用于分别从每个多次波频段中提取多次波特征。合成模块430用于将从所述多个多次波频段中提取的多次波特征进行合成。重建模块440用于根据合成结果重建实际数据中的真实多次波。处理模块450用于将所述实际数据减去所述真实多次波,得到所述实际数据的完整一次波。
根据本发明实施例的基于分频主成分分析的多次波消除装置,能够有效去除多次波,同时保留一次波不受损伤。主要采用了基于模式识别的方法提取多次波的主要特征,利用这些特征重建原始数据的多次波,从而能够在自适应相减过程中仅减去多次波,有效避免一次波受到损伤;另外,为了能够更有效减去尽可能多的多次波,本发明的装置将多次波分成若干个频段,分别提取各个频段的特征。
具有如下优点:利用不同频率的预测多次波学习出不同的基向量,可以有效提取出多次波各个频率的显著特征,在多次波相减过程中,可以尽可能多减去多次波,而不损伤一次波。
需要说明的是,本发明实施例的装置的具体实现方式与本发明实施例的方法的具体实现方式类似,具体请参见方法部分的描述,为了减少冗余,此处不做赘述。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种基于分频主成分分析的多次波消除方法,其特征在于,包括以下步骤:
对预测得到的多次波进行分频处理,得到多个多次波频段;
分别从每个多次波频段中提取多次波特征;
将从所述多个多次波频段中提取的多次波特征进行合成;
根据合成结果重建实际数据中的真实多次波;以及
将所述实际数据减去所述真实多次波,得到所述实际数据的完整一次波。
2.根据权利要求1所述的基于分频主成分分析的多次波消除方法,其特征在于,所述对预测得到的多次波进行分频处理,得到多个多次波频段,进一步包括:
对预测得到的多次波分成低频部分、中频部分和高频部分,以得到多次波低频片段、多次波中频片段和多次波高频片段。
3.根据权利要求2所述的基于分频主成分分析的多次波消除方法,其特征在于,所述分别从每个多次波频段中提取多次波特征,具体包括:
利用主成分分析方法PCA分别对所述多次波低频片段、所述多次波中频片段和所述多次波高频片段进行分解,得到对应的三组正交基,其中,所述三组正交基为:
其中,所述L、M和H分别为预测多次波m的低频、中频以及高频三个成分,所述B1,B2,B3分别对多次波低频片段、多次波中频片段和所述多次波高频片段进行分解得到的三组正交基。
4.根据权利要求3所述的基于分频主成分分析的多次波消除方法,其特征在于,所述将从所述多个多次波频段中提取的多次波特征进行合成,得到一组基,所述一组基为:B=[B1,B2,B3]。
5.根据权利要求4所述的基于分频主成分分析的多次波消除方法,其特征在于,所述根据合成结果重建实际数据中的真实多次波,具体包括:
利用误差2范数最小化准则重建所述实际数据,X=argminX‖s-BX‖2;
估计所述实际数据中的真实多次波,
6.根据权利要求5所述的基于分频主成分分析的多次波消除方法,其特征在于,将所述实际数据减去所述真实多次波,得到所述实际数据的完整一次波
7.一种基于分频主成分分析的多次波消除装置,其特征在于,包括:
分频模块,用于对预测得到的多次波进行分频处理,得到多个多次波频段;
提取模块,用于分别从每个多次波频段中提取多次波特征;
合成模块,用于将从所述多个多次波频段中提取的多次波特征进行合成;
重建模块,用于根据合成结果重建实际数据中的真实多次波;以及
处理模块,用于将所述实际数据减去所述真实多次波,得到所述实际数据的完整一次波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510447167.7A CN105158800B (zh) | 2015-07-27 | 2015-07-27 | 基于分频主成分分析的多次波消除方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510447167.7A CN105158800B (zh) | 2015-07-27 | 2015-07-27 | 基于分频主成分分析的多次波消除方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105158800A CN105158800A (zh) | 2015-12-16 |
CN105158800B true CN105158800B (zh) | 2018-06-22 |
Family
ID=54799715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510447167.7A Active CN105158800B (zh) | 2015-07-27 | 2015-07-27 | 基于分频主成分分析的多次波消除方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105158800B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112147694B (zh) * | 2020-09-27 | 2021-09-07 | 北京中恒利华石油技术研究所 | 一种面向主成分的avo趋势去除多次波的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334482A (zh) * | 2008-08-05 | 2008-12-31 | 中国海洋石油总公司 | 一种预测地震波中的多次波和一次波信号的方法 |
CN101598809A (zh) * | 2008-06-04 | 2009-12-09 | 中国石油天然气集团公司 | 一种自适应消除线性规则噪声以及多次波干扰的方法 |
-
2015
- 2015-07-27 CN CN201510447167.7A patent/CN105158800B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101598809A (zh) * | 2008-06-04 | 2009-12-09 | 中国石油天然气集团公司 | 一种自适应消除线性规则噪声以及多次波干扰的方法 |
CN101334482A (zh) * | 2008-08-05 | 2008-12-31 | 中国海洋石油总公司 | 一种预测地震波中的多次波和一次波信号的方法 |
Non-Patent Citations (5)
Title |
---|
"Adaptive multiple subtraction using a constrained L1-norm";Pang Tinghua 等;《APPLIED GEOPHYSICS》;20090930;第6卷(第3期);第241-247页 * |
"基于L_1范数多项式拟合的多次波消除方法";陆文凯 等;《石油地球物理勘探》;20110630;第46卷(第3期);第386-389页 * |
"基于波动方程表面多次波预测与自适应相减方法研究";石颖 等;《地球物理学报》;20100731;第53卷(第7期);第1716-1724页 * |
"基于独立分量分析的多次波自适应相减技术";陆文凯 等;《地球物理学报》;20040930;第47卷(第5期);第886-891页 * |
"表面多次波压制的研究进展:回顾与展望";石颖 等;《地球物理学进展》;20111231;第26卷(第6期);第2046-2054页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105158800A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133465B (zh) | 基于空谱加权tv的非凸低秩松弛的高光谱图像恢复方法 | |
CN106874857B (zh) | 一种基于视频分析的活体判别方法及系统 | |
CN108604369B (zh) | 一种去除图像噪声的方法、装置、设备及卷积神经网络 | |
CN103116873B (zh) | 图像降噪方法 | |
CN103020939A (zh) | 利用多时相数据去除光学遥感影像大面积厚云的方法 | |
CN111723714B (zh) | 识别人脸图像真伪的方法、装置及介质 | |
CN105786764A (zh) | 一种获取个性化头相关传递函数(hrtf)的计算方法及装置 | |
KR20110123744A (ko) | 화상 내의 잠재적으로 변화된 객체의 검출 | |
CN103189715A (zh) | 立体图像处理装置及立体图像处理方法 | |
KR101405435B1 (ko) | 고해상도 영상 융합 방법 및 그 장치 | |
Georgieva et al. | Wavelet transform on multi-GPU for real-time pavement distress detection | |
Duan et al. | A fast augmented Lagrangian method for Euler’s elastica models | |
CN105158800B (zh) | 基于分频主成分分析的多次波消除方法及装置 | |
CN116579943A (zh) | 基于生成对抗网络的遥感sar-光学图像融合去云方法 | |
Su et al. | Fast hyperspectral image denoising and destriping method based on graph Laplacian regularization | |
CN105160630A (zh) | 一种光学超分辨率图像重建方法 | |
CN103606133A (zh) | 一种基于解析稀疏表示的图像去噪方法 | |
Mahmood | Shape from focus by total variation | |
CN110570376B (zh) | 一种图像去雨方法、装置、设备和计算机可读存储介质 | |
CN109558819B (zh) | 一种用于遥感图像目标检测的深度网络轻量化方法 | |
Xiao et al. | Adaptive DSPI phase denoising using mutual information and 2D variational mode decomposition | |
CN102551683B (zh) | 三维温度成像方法及系统 | |
Chen et al. | Recovering depth from a single image using spectral energy of the defocused step edge gradient | |
CN113920216A (zh) | 基于张量核范数和变换Lp范数的能谱CT重建方法及装置 | |
CN100545857C (zh) | 基于单幅图像的立木遮挡树枝识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |