CN108254789A - 一种压制地震数据随机噪音的去噪方法、设备及介质 - Google Patents

一种压制地震数据随机噪音的去噪方法、设备及介质 Download PDF

Info

Publication number
CN108254789A
CN108254789A CN201810079403.8A CN201810079403A CN108254789A CN 108254789 A CN108254789 A CN 108254789A CN 201810079403 A CN201810079403 A CN 201810079403A CN 108254789 A CN108254789 A CN 108254789A
Authority
CN
China
Prior art keywords
data
denoising
random noise
neighborhood
point
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.)
Pending
Application number
CN201810079403.8A
Other languages
English (en)
Inventor
石颖
王维红
柯璇
刘伟
杨育臣
郭雪豹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Petroleum University
Original Assignee
Northeast Petroleum University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Petroleum University filed Critical Northeast Petroleum University
Priority to CN201810079403.8A priority Critical patent/CN108254789A/zh
Publication of CN108254789A publication Critical patent/CN108254789A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/364—Seismic filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/30—Noise handling
    • G01V2210/32—Noise reduction
    • G01V2210/324—Filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/30—Noise handling
    • G01V2210/32—Noise reduction
    • G01V2210/324—Filtering
    • G01V2210/3248—Incoherent noise, e.g. white noise

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供的一种压制地震数据随机噪音的去噪方法、设备及介质，方法为：对获取的含随机噪音地震记录数据进行局部梯度奇异值分解，得到局部特征描述子；根据局部特征描述子，生成数据相似集；根据相似集计算局部特征描述子的均值，进而确定滤波参数；根据滤波参数，结合以目标去噪点为中心的邻域和以相似点为中心的邻域的相似性权重，利用相似点及其权重的加权计算对含随机噪音地震记录数据进行去噪处理。本发明根据地震数据自相似性的大小，提取数据相似集，并计算相似集数据的权重因子，通过相似集数据的加权计算获得去噪数据，提高方法的细节保持能力，从而压制地震数据随机噪声。

Description

一种压制地震数据随机噪音的去噪方法、设备及介质
技术领域
本发明涉及去噪技术领域，尤其涉及一种压制地震数据随机噪音的去噪方法、设备及介质领域。
背景技术
随着勘探目标的日趋复杂化，油气勘探对提高地震资料信噪比提出了更高的要求，针对压制地震资料噪音，提升地震资料品质，突出有效信号方面的需求，众多学者针对不同的噪音类型，提出了不同的解决方案。噪音分为规则噪音与随机噪音。针对随机噪音，常规的去噪方法有f-x域预测滤波，f-k域滤波等。f-x域预测滤波假设反射波同相轴具有线性或局部线性的特性，在f-x域中对每一个频率成分应用复数最小平方原理，求取预测算子对地震记录进行去噪。虽然f-x域预测滤波技术可以有效地压制随机噪声、增强相干信号的连续性，但只要是相干信号，不管是有效反射信号，还是面波、线性或近似线性干扰波，该技术都会对其进行加强。另外，由于高频段的信噪比较低，求取的预测算子受噪声成分的影响较大，这就使得去噪后高频段的有效信号严重畸变，不利于进一步提高分辨率。f-k域滤波基于有效信号与随机噪声在傅里叶域特征不同，将地震记录进行傅里叶变换，从而实现有效信号和随机噪声的分离。但是该方法会产生假频。传统方法的去噪效果已经难以满足当前勘探要求，非局部均值去噪算法逐渐成为研究热点。
非局部均值方法(The Nonlocal Means,简称NLM)最早由Buades(2005)等提出用于压制图像噪音。对每个像素点进行去噪处理时，需要所有像素点参与运算，因此，NLM算法本身计算成本很高。为降低计算成本，许多学者从不同角度开展研究。Sheng等(2009)利用算法的高度并行特点，利用GPU并行加速计算，节约了计算时间。Mahmoudi等(2005)以成像点为中心设置了一个范围，将求取相似系数限制在其中，大大减少了运算时间。Dowson等采用散列结构(2011)，相比于常规方法，计算效率提高15到180倍。NLM方法已经成功地应用于医疗数据，雷达数据，语音音频数据以及显微镜图像的去噪方面。Bonar等(2012)提出将NLM算法引入地震资料处理中，对随机噪声进行压制处理。但是，Bonar等(2012)提出的方法采用了常数滤波参数去噪，由于地震资料中每个数据都有各自的特征，使用同一个参数进行去噪，容易造成局部去噪不足或去噪过度。同时，Bonar等(2012)在搜索区域内对所有数据点去噪，没有考虑相似集的方法，在计算相似性时，虽然差异较大的数据被分配的权重较小，但仍然参与了运算，除了影响去噪效果外，也增加了计算成本。
发明内容
针对上述技术问题，本发明提供一种压制地震数据随机噪音的去噪方法、设备及介质，根据地震数据的自相似性的大小，提取数据相似集，并计算相似集数据的权重因子，通过相似集数据的加权计算获得去噪数据，提高方法的细节保持能力，从而压制地震数据随机噪声，与常规去噪方法相比，非局部均值去噪方法没有严格的去噪前提，不会产生假频，不会对同相轴间断处或弯曲同相轴过度平滑，能较好地保持数据的原始特征，对地震数据去噪效果良好。
为解决上述技术问题，本发明提供的技术方案是：
第一方面，本发明提供一种压制地震数据随机噪音的去噪方法，包括：
步骤S1，对获取的含随机噪音地震记录数据进行局部梯度奇异值分解，得到局部特征描述子；
步骤S2，根据所述局部特征描述子，生成数据相似集；
步骤S3，根据所述相似集计算局部特征描述子的均值，进而确定滤波参数；
步骤S4，根据所述滤波参数，结合以目标去噪点为中心的邻域和以相似点为中心的邻域的相似性权重，利用所述相似点及其权重的加权计算对所述含随机噪音地震记录数据进行去噪处理。
本发明提供的一种压制地震数据随机噪音的去噪方法，根据地震数据的自相似性的大小，引入权重因子，加强相似结构，压制随机噪声，与常规去噪方法相比，非局部均值去噪算法没有严格的去噪前提，不会产生假频，不会对同相轴间断处或弯曲同相轴过度平滑，对地震数据去噪效果良好。
进一步地，所述步骤S1，具体为：
将获取的地震记录定义为u，地震记录上的数据点记为i；
设以i为中心的邻域为N(i)，计算所述地震记录u中任意数据点i所在邻域的梯度，作为局部区域梯度；
对所述局部区域梯度进行奇异值分解，求解特征值λ(i)；
对所述特征值λ(i)求和，得到特征值的和E(i)；
对特征值的和E(i)进行归一化处理，得到局部特征描述子e(i)。
进一步地，所述步骤S2，具体为：
设j是以i为中心的搜索区域中的点，并计算得到所述j点邻域的局部特征描述子e(j)；
计算所述局部特征描述子e(i)和局部特征描述子e(j)之差的绝对值；
将所述绝对值与预设阈值进行比较，如果所述绝对值大于所述预设阈值，将所述绝对值对应的点j舍去，否则，将所述绝对值小于所述预设阈值的对应点j作为相似元素，归入到i的相似集中。
进一步地，所述步骤S3，具体为：
根据所述相似集计算局部特征描述子的均值，进而确定滤波参数；
计算所述相似集所包含数据点邻域的局部特征描述子的均值；
根据所述均值的大小，选取滤波参数。
进一步地，所述利用所述相似点及其权重的加权计算对所述含随机噪音地震记录数据进行去噪处理，具体为：
依据相似集数据及其权重值，采用非局部均值去噪的基础算法公式，进行最终去噪：
计算目标点i所在邻域与其相似点j所在邻域之间的相似性权重ω(i,j)；
根据所述相似性权重ω(i,j)，依据公式计算得到目标点i去除噪音后的值。
进一步地，所述计算目标点i所在邻域与其相似点j所在邻域之间的相似性权重ω(i,j)，具体为：
通过以下公式计算点i为中心的邻域与点j为中心的邻域之间的相似性权重ω(i,j)，
其中，Z(i)为归一化因子，D(i,j)为点i与点j之间的欧几里德距离，h为滤波参数；
所述归一化因子的计算公式为：
所述欧几里德距离平方的计算公式为：
其中，||||2表示高斯加权欧几里得距离的平方，a为高斯函数的标准差，Ga代表标准差为a的高斯函数，L为邻域内坐标的集合，l为邻域内任意一点的坐标，在二维数据中，高斯函数Ga可表示为：
其中，x0，y0为高斯函数的中心，坐标x，y对应为邻域内任意一点的坐标l。
第二方面，本发明提供一种压制地震数据随机噪音的去噪设备，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如第一方面所述的方法。
第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如第一方面所述的方法。
与现有技术相比，本发明的优点：
1、常规非局部均值去噪算法使用同一个滤波参数进行去噪，容易造成局部去噪不足或去噪过度。本发明的去噪方法能够根据数据的特征自适应的选取滤波参数，改善这种现象。
2、常规非局部均值去噪算法在计算每一个数据的相似性时，需要所有数据参与运算，虽然相似性小的数据被分配的权重较小，但仍然参与了运算，影响地震资料去噪效果。本发明选取相似元素生成相似集，只有与待去噪数据相似的元素参与去噪，节约了计算时间。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法的流程图；
图2示出了本发明实施例所提供的一种含随机噪音的岩丘模型数据示意图；
图3a示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中通过基础算法去噪结果示意图；
图3b示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中通过本发明的方法去噪结果示意图；
图3c示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中通过基础算法去噪结果局部输出示意图；
图3d示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中通过本发明的方法去噪结果局部输出示意图；
图3e示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中通过基础算法去除的噪声示意图；
图3f示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中通过本发明的方法去除的噪声示意图；
图4a示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中去噪前的叠后数据示意图；
图4b示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中去噪后的叠后数据示意图；
图5a示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据体x方向切片，x＝338时的示意图；
图5b示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据x方向切片通过基础算法去噪结果示意图；
图5c示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据x方向切片通过本发明方法的去噪结果示意图；
图6a示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据体y方向切片，y＝338时的示意图；
图6b示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据体y方向切片通过基础算法去噪结果示意图；
图6c示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据体y方向切片通过本发明方法的去噪结果示意图；
图7a示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据体z方向切片，z＝100时的示意图；
图7b示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据体z方向切片通过基础算法去噪结果示意图；
图7c示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法中三维数据体z方向切片通过本发明方法的去噪结果示意图；
图8示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。
实施例
图1示出了本发明实施例所提供的一种压制地震数据随机噪音的去噪方法的流程图；如图1所示，本实施例提供的一种压制地震数据随机噪音的去噪方法，包括：
步骤S1，对获取的含随机噪音地震记录数据进行局部梯度奇异值分解，得到局部特征描述子；
步骤S2，根据所述局部特征描述子，生成数据相似集；
步骤S3，根据所述相似集计算局部特征描述子的均值，进而确定滤波参数；
步骤S4，根据所述滤波参数，结合以目标去噪点为中心的邻域和以相似点为中心的邻域的相似性权重，利用所述相似点及其权重的加权计算对所述含随机噪音地震记录数据进行去噪处理。
本发明提供的一种压制地震数据随机噪音的去噪方法，根据地震数据自相似性的大小，提取数据相似集，并计算相似集数据的权重因子，通过相似集数据的加权计算获得去噪数据，提高方法的细节保持能力，从而压制地震数据随机噪声，与常规去噪方法相比，非局部均值去噪算法没有严格的去噪前提，不会产生假频，不会对同相轴间断处或弯曲同相轴过度平滑，能较好地保持数据的原始特征，对地震数据去噪效果良好。
优选地，所述步骤S1，具体为：
将获取的地震记录定义为u，地震记录上的数据点记为i；
设以i为中心的邻域为N(i)，计算所述地震记录u中任意数据点i所在邻域的梯度，作为局部区域梯度；
对所述局部区域梯度进行奇异值分解，求解特征值λ(i)；
对所述特征值λ(i)求和，得到特征值的和E(i)；
对特征值的和E(i)进行归一化处理，得到局部特征描述子e(i)。
其中，对特征值的和E(i)进行归一化处理，具体为：
其中，e(i)为局部特征描述子，E(i)为所有特征值的和，Emin(i)为所有特征值和的最小值，Emax(i)为所有特征值和的最大值。
优选地，所述步骤S2，具体为：
设j是以i为中心的搜索区域中的点，并计算得到所述j点邻域的局部特征描述子e(j)；
计算所述局部特征描述子e(i)和局部特征描述子e(j)之差的绝对值；
将所述绝对值与预设阈值进行比较，如果所述绝对值大于所述预设阈值，将所述绝对值对应的点j舍去，否则，将所述绝对值小于所述预设阈值的对应点j作为相似元素，归入到i的相似集中。相似集的可靠性在很大程度上决定着随机噪音的压制效果。其中，每个点i对应的相似集内包含相似元素个数记为total。
优选地，所述步骤S3，具体为：
根据所述相似集计算局部特征描述子的均值，进而确定滤波参数；
计算所述相似集所包含数据点邻域的局部特征描述子的均值；
根据所述均值的大小，选取滤波参数。
经验表明，在地下介质速度变化剧烈之处，依据相似集计算所得到的局部特征描述子的均值较大，如岩丘模型边界处，对这些均值较大的数据点，选取较大的滤波参数去噪；反之，对局部特征描述子的均值较小的数据点，选取较小的滤波参数去噪。
具体地，根据以下公式计算均值，均值记为e(i)；
其中，S(i)为目标数据点i的相似集。
优选地，所述利用所述相似点及其权重的加权计算对所述含随机噪音地震记录数据进行去噪处理，具体为：
依据相似集数据及其权重值，采用非局部均值去噪的基础算法公式，进行最终去噪：
计算目标点i所在邻域与其相似点j所在邻域之间的相似性权重ω(i,j)；
根据所述相似性权重ω(i,j)，依据公式计算得到目标点i去除噪音后的值。
优选地，所述计算目标点i所在邻域与其相似点j所在邻域之间的相似性权重ω(i,j)，具体为：
通过以下公式计算点i为中心的邻域与点j为中心的邻域之间的相似性权重ω(i,j)，
其中，Z(i)为归一化因子，D(i,j)为点i与点j之间的欧几里德距离，h为滤波参数；
所述归一化因子的计算公式为：
所述欧几里德距离平方的计算公式为：
其中，||||2表示高斯加权欧几里得距离的平方，a为高斯函数的标准差，Ga代表标准差为a的高斯函数，L为邻域内坐标的集合，l为邻域内任意一点的坐标，在二维数据中，高斯函数Ga可表示为：
其中，x0，y0为高斯函数的中心，坐标x，y对应为邻域内任意一点的坐标l。
通过以下具体去噪过程对本发明的去噪方法进行说明：
参见图2，为含随机噪音的岩丘模型数据示意图，图3a为通过基础算法去噪结果示意图，图3b为通过本发明的方法去噪结果示意图，图3c为通过基础算法去噪结果局部输出示意图，图3d为通过本发明的方法去噪结果局部输出示意图，图3e为通过基础算法去除的噪声示意图，图3f为本发明的方法去除的噪声示意图，由图3中(c)和(d)对比，(e)和(f)的对比可知，基础算法去噪结果出现去噪不足的现象，而本发明的方法改善了此现象，通过本发明方法去除的噪声更接近白噪声。
图4a为含随机噪音的实际数据示意图，图4b为为采用本发明方法去噪后的实际数据示意图；由图4中(a)和(b)对比可以看出，本发明中的去噪算法去除随机噪音效果良好。
对三维数据体切片分别进行基础算法与本发明的去噪方法去噪，输出x，y，z方向的切片去噪结果，图5a为三维数据体x方向切片，x＝338时的示意图；图5b为三维数据体x方向切片通过基础算法去噪结果示意图；图5c为三维数据体x方向切片通过本发明方法的去噪结果示意图；图6a为三维数据体y方向切片，y＝338时的示意图；图6b为三维数据体y方向切片通过基础算法去噪结果示意图；图6c为三维数据体y方向切片通过本发明方法的去噪结果示意图；图7a为三维数据体z方向切片，z＝100时的示意图；图7b为三维数据体z方向切片通过基础算法去噪结果示意图；图7c为三维数据体z方向切片通过本发明方法的去噪结果示意图；图5(b)和(c)对比、图6(b)和(c)对比与图7(b)和(c)对比可知本发明的方法在去除大部分噪声的同时对原始记录结构特征保持的更好。
第二方面，本发明提供一种压制地震数据随机噪音的去噪设备，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如第一方面所述的方法。
结合图8描述的本发明实施例的一种压制地震数据随机噪音的去噪方法可以由一种压制地震数据随机噪音的去噪设备来实现。图8示出了本发明实施例提供的一种压制地震数据随机噪音的去噪设备的硬件结构示意图。
压制地震数据随机噪音的去噪设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在数据处理装置的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种压制地震数据随机噪音的去噪方法。
在一个示例中，压制地震数据随机噪音的去噪设备还可包括通信接口403和总线410。其中，如图8所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将压制地震数据随机噪音的去噪设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
第三方面，结合上述实施例中的一种压制地震数据随机噪音的去噪方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种压制地震数据随机噪音的去噪方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
与现有技术相比，本发明的优点：
1、常规非局部均值去噪算法使用同一个滤波参数进行去噪，容易造成局部去噪不足或去噪过度。本发明的去噪方法能够根据数据的特征自适应的选取滤波参数，改善这种现象。
2、常规非局部均值去噪算法在计算每一个数据的相似性时，需要所有数据参与运算，虽然相似性小的数据被分配的权重较小，但仍然参与了运算，影响地震资料去噪效果。本发明选取相似元素生成相似集，只有与待去噪数据相似的元素参与去噪，节约了计算时间。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (8)

1.一种压制地震数据随机噪音的去噪方法，其特征在于，包括：
步骤S1，对获取的含随机噪音地震记录数据进行局部梯度奇异值分解，得到局部特征描述子；
步骤S2，根据所述局部特征描述子，生成数据相似集；
步骤S3，根据所述相似集计算局部特征描述子的均值，进而确定滤波参数；
步骤S4，根据所述滤波参数，结合以目标去噪点为中心的邻域和以相似点为中心的邻域的相似性权重，利用所述相似点及其权重的加权计算对所述含随机噪音地震记录数据进行去噪处理。
2.根据权利要求1所述的方法，其特征在于，
所述步骤S1，具体为：
将获取的地震记录定义为u，地震记录上的数据点记为i；
设以i为中心的邻域为N(i)，计算所述地震记录u中任意数据点i所在邻域的梯度，作为局部区域梯度；
对所述局部区域梯度进行奇异值分解，求解特征值λ(i)；
对所述特征值λ(i)求和，得到特征值的和E(i)；
对特征值的和E(i)进行归一化处理，得到局部特征描述子e(i)。
3.根据权利要求2所述的方法，其特征在于，
所述步骤S2，具体为：
设j是以i为中心的搜索区域中的点，并计算得到所述j点邻域的局部特征描述子e(j)；
计算所述局部特征描述子e(i)和局部特征描述子e(j)之差的绝对值；
将所述绝对值与预设阈值进行比较，如果所述绝对值大于所述预设阈值，将所述绝对值对应的点j舍去，否则，将所述绝对值小于所述预设阈值的对应点j作为相似元素，归入到i的相似集中。
4.根据权利要求1所述的方法，其特征在于，
所述步骤S3，具体为：
根据所述相似集计算局部特征描述子的均值，进而确定滤波参数；
计算所述相似集所包含数据点邻域的局部特征描述子的均值；
根据所述均值的大小，选取滤波参数。
5.根据权利要求3所述的方法，其特征在于，
所述利用所述相似点及其权重的加权计算对所述含随机噪音地震记录数据进行去噪处理，具体为：
依据相似集数据及其权重值，采用非局部均值去噪的基础算法公式，进行最终去噪：
计算目标点i所在邻域与其相似点j所在邻域之间的相似性权重ω(i,j)；
根据所述相似性权重ω(i,j)，依据公式计算得到目标点i去除噪音后的值。
6.根据权利要求5所述的方法，其特征在于，
所述计算目标点i所在邻域与其相似点j所在邻域之间的相似性权重ω(i,j)，具体为：
通过以下公式计算点i为中心的邻域与点j为中心的邻域之间的相似性权重ω(i,j)，
其中，Z(i)为归一化因子，D(i,j)为点i与点j之间的欧几里德距离，h为滤波参数；
所述归一化因子的计算公式为：
所述欧几里德距离平方的计算公式为：
其中，|| ||2表示高斯加权欧几里得距离的平方，a为高斯函数的标准差，Ga代表标准差为a的高斯函数，L为邻域内坐标的集合，l为邻域内任意一点的坐标，在二维数据中，高斯函数Ga可表示为：
其中，x0，y0为高斯函数的中心，坐标x，y对应为邻域内任意一点的坐标l。
7.一种压制地震数据随机噪音的去噪设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-6中任一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-6中任一项所述的方法。
CN201810079403.8A 2018-01-26 2018-01-26 一种压制地震数据随机噪音的去噪方法、设备及介质 Pending CN108254789A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810079403.8A CN108254789A (zh) 2018-01-26 2018-01-26 一种压制地震数据随机噪音的去噪方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810079403.8A CN108254789A (zh) 2018-01-26 2018-01-26 一种压制地震数据随机噪音的去噪方法、设备及介质

Publications (1)

Publication Number Publication Date
CN108254789A true CN108254789A (zh) 2018-07-06

Family

ID=62742022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810079403.8A Pending CN108254789A (zh) 2018-01-26 2018-01-26 一种压制地震数据随机噪音的去噪方法、设备及介质

Country Status (1)

Country Link
CN (1) CN108254789A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112907458A (zh) * 2021-01-21 2021-06-04 成都晶石石油科技有限公司 用于地震勘探的f-xy域改进非局部均值去噪方法及设备
CN113126162A (zh) * 2019-12-30 2021-07-16 中国石油天然气集团有限公司 随机噪声衰减计算方法及装置
CN114200520A (zh) * 2021-12-09 2022-03-18 中国科学院地质与地球物理研究所 一种地震数据去噪方法
CN117111155A (zh) * 2023-10-25 2023-11-24 东北石油大学三亚海洋油气研究院 一种基于集成框架的微地震数据去噪方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103839234A (zh) * 2014-02-21 2014-06-04 西安电子科技大学 一种基于可控核的双几何非局部均值图像去噪方法
CN105513026A (zh) * 2015-12-17 2016-04-20 浙江大学 一种基于图像非局部相似的压缩感知重构方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103839234A (zh) * 2014-02-21 2014-06-04 西安电子科技大学 一种基于可控核的双几何非局部均值图像去噪方法
CN105513026A (zh) * 2015-12-17 2016-04-20 浙江大学 一种基于图像非局部相似的压缩感知重构方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许光宇: "非局部图像去噪方法及其应用研究", 《中国博士学位论文全文数据库》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113126162A (zh) * 2019-12-30 2021-07-16 中国石油天然气集团有限公司 随机噪声衰减计算方法及装置
CN113126162B (zh) * 2019-12-30 2024-05-28 中国石油天然气集团有限公司 随机噪声衰减计算方法及装置
CN112907458A (zh) * 2021-01-21 2021-06-04 成都晶石石油科技有限公司 用于地震勘探的f-xy域改进非局部均值去噪方法及设备
CN112907458B (zh) * 2021-01-21 2024-04-16 成都晶石石油科技有限公司 用于地震勘探的f-xy域改进非局部均值去噪方法及设备
CN114200520A (zh) * 2021-12-09 2022-03-18 中国科学院地质与地球物理研究所 一种地震数据去噪方法
CN114200520B (zh) * 2021-12-09 2022-10-14 中国科学院地质与地球物理研究所 一种地震数据去噪方法
CN117111155A (zh) * 2023-10-25 2023-11-24 东北石油大学三亚海洋油气研究院 一种基于集成框架的微地震数据去噪方法
CN117111155B (zh) * 2023-10-25 2023-12-26 东北石油大学三亚海洋油气研究院 一种基于集成框架的微地震数据去噪方法

Similar Documents

Publication Publication Date Title
CN108254789A (zh) 一种压制地震数据随机噪音的去噪方法、设备及介质
CN104574342B (zh) 视差深度图像的噪声识别方法和噪声识别装置
CN111007566B (zh) 一种曲率驱动扩散全卷积网络地震数据坏道重建与去噪方法
CN111242854B (zh) 一种图像去噪方法
CN102411930A (zh) 生成音频模型的方法、设备和检测场景类别的方法、设备
CN105519089A (zh) 图像处理装置
CN113436112B (zh) 一种图像增强方法、装置及设备
CN111598796A (zh) 图像处理方法及装置、电子设备、存储介质
CN109146803B (zh) 基于多角度图像的sar图像辐射分辨率提升方法及装置
CN106027854B (zh) 一种应用于相机中适于fpga实现的联合滤波降噪方法
CN113538263A (zh) 基于改进DeblurGAN模型的去运动模糊方法、介质及设备
Zhang et al. Depth enhancement with improved exemplar-based inpainting and joint trilateral guided filtering
CN112686869A (zh) 一种布匹瑕疵检测方法及其装置
CN116309676A (zh) 一种冠脉血管图像分割方法、装置、电子设备及存储介质
CN104036461A (zh) 一种基于联合滤波的红外复杂背景抑制方法
Hu et al. Cluster driven anisotropic diffusion for speckle reduction in ultrasound images
Liu et al. Facial image inpainting using multi-level generative network
CN114155161A (zh) 图像去噪方法、装置、电子设备与存储介质
CN111144347B (zh) 一种数据处理方法、装置、平台及存储介质
CN112102208B (zh) 带边缘保持的水下图像处理系统、方法、装置和介质
CN116756486A (zh) 基于声光电磁多源数据融合的海上目标识别方法及装置
CN114170113B (zh) 一种无人机航空测绘三维建模方法及系统
CN114372925A (zh) 医学图像的处理方法及装置
CN113567129A (zh) 一种列车轴承振动信号基于ceemd的降噪方法
Altakrouri et al. Image to image translation networks using perceptual adversarial loss function

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180706