CN114255179A - 地震图像噪声压制方法、装置及电子设备 - Google Patents
地震图像噪声压制方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114255179A CN114255179A CN202111496608.4A CN202111496608A CN114255179A CN 114255179 A CN114255179 A CN 114255179A CN 202111496608 A CN202111496608 A CN 202111496608A CN 114255179 A CN114255179 A CN 114255179A
- Authority
- CN
- China
- Prior art keywords
- current pixel
- pixel point
- point
- filtering
- value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000001629 suppression Effects 0.000 title claims abstract description 48
- 238000001914 filtration Methods 0.000 claims abstract description 156
- 230000002146 bilateral effect Effects 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 12
- 239000006002 Pepper Substances 0.000 abstract description 16
- 230000008569 process Effects 0.000 abstract description 6
- 235000002566 Capsicum Nutrition 0.000 description 12
- 241000722363 Piper Species 0.000 description 12
- 235000016761 Piper aduncum Nutrition 0.000 description 12
- 235000017804 Piper guineense Nutrition 0.000 description 12
- 235000008184 Piper nigrum Nutrition 0.000 description 12
- 150000003839 salts Chemical class 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 244000290594 Ficus sycomorus Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种地震图像噪声压制方法、装置及电子设备，涉及图像处理技术领域，该方法包括：对原始地震图像中每个像素点依次进行如下滤波修复处理，得到噪声压制处理后的目标地震图像：根据当前像素点对应的邻域内的各个近邻点的灰度值，对当前像素点进行中值滤波，得到滤波值；根据该滤波值，确定每个近邻点对应的灰度权重；根据各个近邻点对应的灰度权重，对当前像素点进行双边滤波，得到当前像素点对应的目标修复值。这种结合了中值滤波和双边滤波的滤波修复方式，能够同时有效去除地震图像上的高斯噪声和椒盐噪声，与对原始地震图像先后进行中值滤波和双边滤波的滤波方式相比，简化了去噪流程，提高了信噪比。
Description
技术领域
本发明涉及图像处理技术领域，尤其是涉及一种地震图像噪声压制方法、装置及电子设备。
背景技术
在地震勘探中，地震图像的高信噪比处理可以直接影响后续的反演和偏移成像精度。地震图像去噪是提高地震信号信噪比(SNR，signal-to-noise ratio)的一个不可缺少的环节，在地震振幅随偏移距的变化(AVO，Amplitude variation with offset)分析、地震属性分析和微地震监测等许多地震勘探技术中，采用高信噪比地震图像是至关重要的。在野外地震图像采集过程中，通常采用拓宽信号频带宽度来获取更加丰富的地震反射波信息，这样，在获取有效波的同时，不可避免地会记录各种噪声干扰，从而降低地震图像的信噪比，因此压制随机噪声是提高地震图像信噪比的关键。
随机噪声压制方法有很多，传统的去噪方法主要有空间去噪算法、变换域去噪算法，以及结合空间去噪算法和变换域去噪算法的综合去噪算法。然而采用现有的随机噪声压制方法处理地震图像得到的去噪结果，其信噪比仍然较低。
发明内容
本发明的目的在于提供一种地震图像噪声压制方法、装置及电子设备，以提高地震图像的信噪比。
第一方面，本发明实施例提供了一种地震图像噪声压制方法，包括：
对原始地震图像中每个像素点依次进行如下滤波修复处理，得到噪声压制处理后的目标地震图像：
根据当前像素点对应的邻域内的各个近邻点的灰度值，对所述当前像素点进行中值滤波，得到滤波值；
根据所述滤波值，确定每个所述近邻点对应的灰度权重；
根据各个所述近邻点对应的灰度权重，对所述当前像素点进行双边滤波，得到所述当前像素点对应的目标修复值。
进一步地，所述根据当前像素点对应的邻域内的各个近邻点的灰度值，对所述当前像素点进行中值滤波，得到滤波值，包括：
根据当前像素点对应的邻域内的各个近邻点的灰度值，采用二维多级中值滤波算法对所述当前像素点进行多级中值滤波，得到滤波值。
进一步地，所述根据所述滤波值，确定每个所述近邻点对应的灰度权重，包括：
通过如下公式计算得到每个所述近邻点对应的灰度权重：
其中，ωR(x,y)表示当前像素点x的近邻点y对应的灰度权重，Ymlm(x)表示当前像素点x对应的滤波值，uy表示近邻点y的灰度值，σR为取值范围为(0，1)的预设灰度常数。
进一步地，所述根据各个所述近邻点对应的灰度权重，对所述当前像素点进行双边滤波，得到所述当前像素点对应的目标修复值，包括：
通过如下公式计算得到所述当前像素点对应的目标修复值：
ω(x,y)＝ωS(x,y)ωR(x,y)，
其中，
表示当前像素点x对应的目标修复值，Ω表示当前像素点x对应的邻域，uy表示近邻点y的灰度值，ωS(x,y)表示当前像素点x的近邻点y对应的距离权重，ωR(x,y)表示当前像素点x的近邻点y对应的灰度权重，|x-y|表示当前像素点x与其近邻点y之间的距离，σS为取值范围为(0，1)的预设距离常数。
第二方面，本发明实施例还提供了一种地震图像噪声压制装置，所述装置用于对原始地震图像中每个像素点依次进行滤波修复处理，得到噪声压制处理后的目标地震图像，所述装置包括：
中值滤波模块，用于根据当前像素点对应的邻域内的各个近邻点的灰度值，对所述当前像素点进行中值滤波，得到滤波值；
权重确定模块，用于根据所述滤波值，确定每个所述近邻点对应的灰度权重；
双边滤波模块，用于根据各个所述近邻点对应的灰度权重，对所述当前像素点进行双边滤波，得到所述当前像素点对应的目标修复值。
进一步地，所述中值滤波模块具体用于：
根据当前像素点对应的邻域内的各个近邻点的灰度值，采用二维多级中值滤波算法对所述当前像素点进行多级中值滤波，得到滤波值。
进一步地，所述权重确定模块具体用于：
通过如下公式计算得到每个所述近邻点对应的灰度权重：
其中，ωR(x,y)表示当前像素点x的近邻点y对应的灰度权重，Ymlm(x)表示当前像素点x对应的滤波值，uy表示近邻点y的灰度值，σR为取值范围为(0，1)的预设灰度常数。
进一步地，所述双边滤波模块具体用于：
通过如下公式计算得到所述当前像素点对应的目标修复值：
ω(x,y)＝ωS(x,y)ωR(x,y)，
其中，
表示当前像素点x对应的目标修复值，Ω表示当前像素点x对应的邻域，uy表示近邻点y的灰度值，ωS(x,y)表示当前像素点x的近邻点y对应的距离权重，ωR(x,y)表示当前像素点x的近邻点y对应的灰度权重，|x-y|表示当前像素点x与其近邻点y之间的距离，ωS为取值范围为(0，1)的预设距离常数。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行第一方面所述方法。
本发明实施例提供的地震图像噪声压制方法、装置及电子设备，对原始地震图像中每个像素点依次进行如下滤波修复处理，得到噪声压制处理后的目标地震图像：根据当前像素点对应的邻域内的各个近邻点的灰度值，对当前像素点进行中值滤波，得到滤波值；根据该滤波值，确定每个近邻点对应的灰度权重；根据各个近邻点对应的灰度权重，对当前像素点进行双边滤波，得到当前像素点对应的目标修复值。这种结合了中值滤波和双边滤波的滤波修复方式，能够同时有效去除地震图像上的高斯噪声和椒盐噪声，与对原始地震图像先后进行中值滤波和双边滤波的滤波方式相比，简化了去噪流程，提高了信噪比。
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，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种地震图像噪声压制方法的流程示意图；
图2为本发明实施例提供的一种二维多级中值滤波器中的基本子窗口的示意图；
图3a为本发明实施例提供的一种层状模型的不含噪声的原始模拟地震图像；
图3b为图3a中的原始模拟地震图像加入噪声后的加噪模拟地震图像；
图4a为采用多级中值滤波算法对图3b中的加噪模拟地震图像进行噪声压制得到的结果；
图4b为采用双边滤波算法对图3b中的加噪模拟地震图像进行噪声压制得到的结果；
图5a为图3b与图4a相减得到的图像；
图5b为图3b与图4b相减得到的图像；
图6a为对图3b中的加噪模拟地震图像先进行双边滤波去噪，再进行多级中值滤波去噪的结果；
图6b为采用基于多级中值滤波的双边滤波算法对图3b中的加噪模拟地震图像进行噪声压制得到的结果；
图7为实际含噪声的二维地震剖面图像；
图8为采用基于多级中值滤波的双边滤波算法对图7中的二维地震剖面图像进行噪声压制得到的结果；
图9为图7与图8相减得到的图像；
图10为本发明实施例提供的一种地震图像噪声压制装置的结构示意图；
图11为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
地震图像去噪是地震资料处理的核心环节，去噪的质量直接影响后续处理的精度。实际地震图像中含有多种随机噪声，常见的随机噪声有高斯噪声和椒盐噪声(也称为脉冲噪声)，通常需要采用不同的去噪算法分别进行压制，不可避免会造成有效信号的损失，导致处理后的地震图像的信噪比仍然较低。双边滤波算法能够压制高斯噪声，但是对椒盐噪声不敏感，中值滤波算法能够压制椒盐噪声，但无法去除高斯噪声，基于此，本发明实施例提供的一种地震图像噪声压制方法、装置及电子设备，将中值滤波算法与双边滤波算法相结合，来同时去除地震图像中的高斯噪声和椒盐噪声，可以提高地震图像的信噪比。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种地震图像噪声压制方法进行详细介绍。
本发明实施例提供了一种地震图像噪声压制方法，该方法可以由具有图像处理能力的电子设备执行，该方法适用于诸如浅层地震图像的噪声压制。参见图1所示的一种地震图像噪声压制方法的流程示意图，该方法对原始地震图像中每个像素点依次进行如下步骤S102～步骤S106所示的滤波修复处理，得到噪声压制处理后的目标地震图像：
步骤S102，根据当前像素点对应的邻域内的各个近邻点的灰度值，对当前像素点进行中值滤波，得到滤波值。
当前像素点对应的邻域指以当前像素点为中心划定的一个区域，近邻点指当前像素点对应的邻域内的各个像素点。中值滤波通过求滤波窗口中的中位值来取代当前位置的方式来滤波。实现中值滤波的中值滤波器作为一种顺序滤波器，对于椒盐噪声的压制效果很好，而且保边能力很强。
为了提高滤波效果，上述步骤S102具体可以为：根据当前像素点对应的邻域内的各个近邻点的灰度值，采用二维多级中值滤波算法对当前像素点进行多级中值滤波，得到滤波值。多级中值滤波具有方向性，保证了其相比一般中值滤波保护细节信息的能力更强。后续将对实现多级中值滤波的二维多级中值滤波器的原理进行详细介绍。
步骤S104，根据上述滤波值，确定每个近邻点对应的灰度权重。
在一些可能的实施例中，可以通过如下公式计算得到每个近邻点对应的灰度权重：
其中，ωR(x,y)表示当前像素点x的近邻点y对应的灰度权重，Ymlm(x)表示当前像素点x对应的滤波值，uy表示近邻点y的灰度值，σR为取值范围为(0，1)的预设灰度常数。
步骤S106，根据各个近邻点对应的灰度权重，对当前像素点进行双边滤波，得到当前像素点对应的目标修复值。
实现双边滤波的双边滤波器为使图像平滑化的非线性滤波器，双边滤波器能够有效压制图像上的高斯噪声，后续将对双边滤波器的原理进行详细介绍。
在一些可能的实施例中，可以通过如下公式计算得到当前像素点对应的目标修复值：
ω(x,y)＝ωS(x,y)ωR(x,y)，
其中，
表示当前像素点x对应的目标修复值，Ω表示当前像素点x对应的邻域，uy表示近邻点y的灰度值，ωS(x,y)表示当前像素点x的近邻点y对应的距离权重，ωR(x,y)表示当前像素点x的近邻点y对应的灰度权重，|x-y|表示当前像素点x与其近邻点y之间的距离，σS为取值范围为(0，1)的预设距离常数。
本发明实施例提供的地震图像噪声压制方法，通过对原始地震图像中每个像素点依次进行如下滤波修复处理，得到噪声压制处理后的目标地震图像：根据当前像素点对应的邻域内的各个近邻点的灰度值，对当前像素点进行中值滤波，得到滤波值；根据该滤波值，确定每个近邻点对应的灰度权重；根据各个近邻点对应的灰度权重，对当前像素点进行双边滤波，得到当前像素点对应的目标修复值。这种结合了中值滤波和双边滤波的滤波修复方式，能够同时有效去除地震图像上的高斯噪声和椒盐噪声，与对原始地震图像先后进行中值滤波和双边滤波的滤波方式相比，简化了去噪流程，提高了信噪比。
为了便于理解，本发明实施例还提供了上述双边滤波器和二维多级中值滤波器的原理，具体如下：
1、双边滤波器原理
双边滤波器的双边滤波方法是一种空间域滤波方法，对原始地震图像逐点进行滤波运算。滤波运算的过程为：首先以被修复点为中心划定一个邻域，然后通过分别计算邻域内的点(即近邻点)对中心点(即被修复点)的贡献，即得到被修复点经双边滤波修复后的灰度值(即被修复点对应的目标修复值)。
具体地，假设u＝u(x)是被噪声污染的地震记录(地震图像)，其中x为像素点的位置，令Ω＝Ωx(N)是以像素点x为中心、N为半滤波器宽的邻域，y∈Ω，用uy来表示近邻点y的灰度值，那么经双边滤波修复后的目标修复值
可以表示为：
其中，ω(x,y)为双边滤波核函数：
ω(x,y)＝ωS(x,y)ωR(x,y)，
其中，ωS(x,y)表示像素点x的近邻点y对应的距离权重，表示在邻域Ω内的点y距离点x越远，所对应的距离权重值ωS(x,y)越小，即点y对
的贡献越小；ωR(x,y)表示像素点x的近邻点y对应的灰度权重，表示在邻域Ω内的点y的灰度值与点x的灰度值(本实施例中取点x对应的滤波值)相差越大，所对应的灰度权重值ωR(x,y)越小，即点y对
的贡献越小；|x-y|表示像素点x与其近邻点y之间的距离，σS为取值范围为(0，1)的预设距离常数，Ymlm(x)表示像素点x对应的滤波值，σR为取值范围为(0，1)的预设灰度常数。
2、二维多级中值滤波器原理
被修复点x的位置坐标记为(a,b)，令-N≤k≤N，可以定义如下基本子窗口：
其中，Wi(x)表示以x为中心的数值序列。二维多级中值滤波器的基本子窗口可以如图2所示，圆圈表示图像u中某一点x的一个邻域Ω＝Ωx(2)的像素位置，黑色圆点分别表示基本子窗口W1、W2、W3、W4所取的像素位置。
二维多级中值滤波器的输出定义为：
Ymlm(x)＝median[Ymax(x),Ymin(x),x(a,b)]，
其中：
Zi(x)＝median[x(,)∈Wi(x)],i＝1,2,3,4
其中，median表示一般中值滤波。
本发明实施例提供的地震图像噪声压制方法，对传统的双边滤波器进行了改进，将其与二维多级中值滤波器相结合，得到了一种基于多级中值滤波的双边滤波算法。该基于多级中值滤波的双边滤波算法中，将传统的双边滤波器中的灰度权重公式
中的ux替换为以x点为中心、N为半滤波器宽的邻域的多级中值滤波后的值，即灰度权重公式为：
可以看到若点x的所选邻域内存在椒盐噪声，且点y为椒盐噪声点，那么|Ymlm(x)-uy|取较大值，那么该点y的灰度权重较小，即这个点对
贡献较小；若点x的所选邻域内不存在椒盐噪声，那么计算领域内点的灰度权重与双边滤波方法计算的灰度权重一致，此时该方法等价于双边滤波方法。因此，该基于多级中值滤波的双边滤波算法能够同时有效去除地震记录上的高斯噪声和椒盐噪声。
本发明实施例还提供了上述方法的数据实验结果，包括模拟数据实验和实际数据实验两部分，具体如下：
1、模拟数据实验
首先采用简单的层状模型的模拟数据来检验上述方法，不含噪声的原始模拟地震图像如图3a所示，采用中间激发的方式，101道检波器接收，道间距为25m，时间采样点的数量为1001，采样间隔为4ms，采样时间为4s。图3b为原始模拟地震图像中加入高斯噪声和椒盐噪声的结果，其中高斯噪声均值为0，方差为0.01；椒盐噪声的噪声水平为10％。
分别采用多级中值滤波算法、双边滤波算法对图3b的图像进行噪声压制，得到如图4a、图4b的结果，图5a示出了图3b与图4a相减得到的图像(即多级中值滤波算法去除的噪声)，图5b示出了图3b与图4b相减得到的图像(即双边滤波算法去除的噪声)，可以看到多级中值滤波算法只对椒盐噪声有效果，无法压制高斯噪声，双边滤波算法对高斯噪声有很好的压制效果，无法压制椒盐噪声。
如果同时去除地震图像中的高斯噪声和椒盐噪声，需要同时采用多级中值滤波算法和双边滤波算法。图6a示出了对图3b中的加噪模拟地震图像先进行双边滤波去噪，再进行多级中值滤波去噪的结果，图6b示出了采用基于多级中值滤波的双边滤波算法对图3b中的加噪模拟地震图像进行噪声压制得到的结果，通过对比图6a和图6b的图像边界处可知，基于多级中值滤波的双边滤波算法具有更好的去噪效果。
这里采用计算信噪比方式评价与图6a和图6b对应的两种去噪方式的好坏，信噪比计算公式为：
其中‖·‖2表示2范数。经过计算，图3b中加噪模拟地震图像的信噪比为-5.7dB，图6a所示的去噪结果的信噪比为5.1dB，图6b所示的去噪结果的信噪比为6.0dB，显然本发明实施例提供的地震图像噪声压制方法的去噪结果具有更高的信噪比。
2、实际数据实验
采用本发明实施例提供的方法对一个二维浅层地震剖面图像进行去噪，二维地震剖面图像的时间采样点数量为2800，采样间隔0.1ms，采样时间为0.28s，共240道，道间距为25m。二维地震剖面图像如图7所示，可以看到该地震剖面上含有明显的噪声，造成部分同相轴不清晰、不连续，图8为应用本发明实施例提供的方法对该二维地震剖面图像的噪声压制结果，图9为图7与图8相减得到的图像(即本发明实施例提供的方法去除的随机噪声)，可以看到，随机噪声被有效压制。
对应于上述的地震图像噪声压制方法，本发明实施例还提供了一种地震图像噪声压制装置，该装置用于对原始地震图像中每个像素点依次进行滤波修复处理，得到噪声压制处理后的目标地震图像，参见图10所示的一种地震图像噪声压制装置的结构示意图，该装置包括：
中值滤波模块1002，用于根据当前像素点对应的邻域内的各个近邻点的灰度值，对当前像素点进行中值滤波，得到滤波值。
权重确定模块1004，用于根据上述滤波值，确定每个近邻点对应的灰度权重；
双边滤波模块1006，用于根据各个近邻点对应的灰度权重，对当前像素点进行双边滤波，得到当前像素点对应的目标修复值。
本发明实施例提供的地震图像噪声压制装置，对原始地震图像中每个像素点依次进行如下滤波修复处理，得到噪声压制处理后的目标地震图像：根据当前像素点对应的邻域内的各个近邻点的灰度值，对当前像素点进行中值滤波，得到滤波值；根据该滤波值，确定每个近邻点对应的灰度权重；根据各个近邻点对应的灰度权重，对当前像素点进行双边滤波，得到当前像素点对应的目标修复值。这种结合了中值滤波和双边滤波的滤波修复方式，能够同时有效去除地震图像上的高斯噪声和椒盐噪声，与对原始地震图像先后进行中值滤波和双边滤波的滤波方式相比，简化了去噪流程，提高了信噪比。
进一步地，上述中值滤波模块1002具体用于：根据当前像素点对应的邻域内的各个近邻点的灰度值，采用二维多级中值滤波算法对当前像素点进行多级中值滤波，得到滤波值。
进一步地，上述权重确定模块1004具体用于：通过如下公式计算得到每个近邻点对应的灰度权重：
其中，ωR(x,y)表示当前像素点x的近邻点y对应的灰度权重，Ymlm(x)表示当前像素点x对应的滤波值，uy表示近邻点y的灰度值，σR为取值范围为(0，1)的预设灰度常数。
进一步地，上述双边滤波模块1006具体用于：通过如下公式计算得到当前像素点对应的目标修复值：
ω(x,y)＝ωS(x,y)ωR(x,y)，
其中，
表示当前像素点x对应的目标修复值，Ω表示当前像素点x对应的邻域，uy表示近邻点y的灰度值，ωS(x,y)表示当前像素点x的近邻点y对应的距离权重，ωR(x,y)表示当前像素点x的近邻点y对应的灰度权重，|x-y|表示当前像素点x与其近邻点y之间的距离，σS为取值范围为(0，1)的预设距离常数。
本实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
参见图11，本发明实施例还提供一种电子设备100，包括：处理器1100，存储器1101，总线1102和通信接口1103，所述处理器1100、通信接口1103和存储器1101通过总线1102连接；处理器1100用于执行存储器1101中存储的可执行模块，例如计算机程序。
其中，存储器1101可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory，简称NVM)，例如至少一个磁盘存储器。通过至少一个通信接口1103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线1102可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器1101用于存储程序，所述处理器1100在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流程定义的装置所执行的方法可以应用于处理器1100中，或者由处理器1100实现。
处理器1100可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1100可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1101，处理器1100读取存储器1101中的信息，结合其硬件完成上述方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行前面方法实施例中所述的地震图像噪声压制方法。该计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
附图中的流程图和框图显示了根据本发明的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
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。
Claims (10)
1.一种地震图像噪声压制方法，其特征在于，包括：
对原始地震图像中每个像素点依次进行如下滤波修复处理，得到噪声压制处理后的目标地震图像：
根据当前像素点对应的邻域内的各个近邻点的灰度值，对所述当前像素点进行中值滤波，得到滤波值；
根据所述滤波值，确定每个所述近邻点对应的灰度权重；
根据各个所述近邻点对应的灰度权重，对所述当前像素点进行双边滤波，得到所述当前像素点对应的目标修复值。
2.根据权利要求1所述的地震图像噪声压制方法，其特征在于，所述根据当前像素点对应的邻域内的各个近邻点的灰度值，对所述当前像素点进行中值滤波，得到滤波值，包括：
根据当前像素点对应的邻域内的各个近邻点的灰度值，采用二维多级中值滤波算法对所述当前像素点进行多级中值滤波，得到滤波值。
3.根据权利要求1所述的地震图像噪声压制方法，其特征在于，所述根据所述滤波值，确定每个所述近邻点对应的灰度权重，包括：
通过如下公式计算得到每个所述近邻点对应的灰度权重：
其中，ωR(x，y)表示当前像素点x的近邻点y对应的灰度权重，Ymlm(x)表示当前像素点x对应的滤波值，uy表示近邻点y的灰度值，σR为取值范围为(0，1)的预设灰度常数。
4.根据权利要求1所述的地震图像噪声压制方法，其特征在于，所述根据各个所述近邻点对应的灰度权重，对所述当前像素点进行双边滤波，得到所述当前像素点对应的目标修复值，包括：
通过如下公式计算得到所述当前像素点对应的目标修复值：
ω(x，y)＝ωS(x，y)ωR(x，y)，
其中，
表示当前像素点x对应的目标修复值，Ω表示当前像素点x对应的邻域，uy表示近邻点y的灰度值，ωS(x，y)表示当前像素点x的近邻点y对应的距离权重，ωR(x，y)表示当前像素点x的近邻点y对应的灰度权重，|x-y|表示当前像素点x与其近邻点y之间的距离，σS为取值范围为(0，1)的预设距离常数。
5.一种地震图像噪声压制装置，其特征在于，所述装置用于对原始地震图像中每个像素点依次进行滤波修复处理，得到噪声压制处理后的目标地震图像，所述装置包括：
中值滤波模块，用于根据当前像素点对应的邻域内的各个近邻点的灰度值，对所述当前像素点进行中值滤波，得到滤波值；
权重确定模块，用于根据所述滤波值，确定每个所述近邻点对应的灰度权重；
双边滤波模块，用于根据各个所述近邻点对应的灰度权重，对所述当前像素点进行双边滤波，得到所述当前像素点对应的目标修复值。
6.根据权利要求5所述的地震图像噪声压制装置，其特征在于，所述中值滤波模块具体用于：
根据当前像素点对应的邻域内的各个近邻点的灰度值，采用二维多级中值滤波算法对所述当前像素点进行多级中值滤波，得到滤波值。
7.根据权利要求5所述的地震图像噪声压制装置，其特征在于，所述权重确定模块具体用于：
通过如下公式计算得到每个所述近邻点对应的灰度权重：
其中，ωR(x，y)表示当前像素点x的近邻点y对应的灰度权重，Ymlm(x)表示当前像素点x对应的滤波值，uy表示近邻点y的灰度值，σR为取值范围为(0，1)的预设灰度常数。
8.根据权利要求5所述的地震图像噪声压制装置，其特征在于，所述双边滤波模块具体用于：
通过如下公式计算得到所述当前像素点对应的目标修复值：
ω(x，y)＝ωS(x，y)ωR(x，y)，
其中，
表示当前像素点x对应的目标修复值，Ω表示当前像素点x对应的邻域，uy表示近邻点y的灰度值，ωS(x，y)表示当前像素点x的近邻点y对应的距离权重，ωR(x，y)表示当前像素点x的近邻点y对应的灰度权重，|x-y|表示当前像素点x与其近邻点y之间的距离，σS为取值范围为(0，1)的预设距离常数。
9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111496608.4A CN114255179B (zh) | 2021-12-09 | 2021-12-09 | 地震图像噪声压制方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111496608.4A CN114255179B (zh) | 2021-12-09 | 2021-12-09 | 地震图像噪声压制方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114255179A true CN114255179A (zh) | 2022-03-29 |
| CN114255179B CN114255179B (zh) | 2024-09-06 |
Family
ID=80791865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111496608.4A Active CN114255179B (zh) | 2021-12-09 | 2021-12-09 | 地震图像噪声压制方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114255179B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117310818A (zh) * | 2023-10-23 | 2023-12-29 | 北京派特杰奥科技有限公司 | 基于图像引导三维滤波的叠后地震数据处理方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101860667A (zh) * | 2010-05-06 | 2010-10-13 | 中国科学院西安光学精密机械研究所 | 一种快速去除图像中混合噪声的方法 |
| CN102509269A (zh) * | 2011-11-10 | 2012-06-20 | 重庆工业职业技术学院 | 一种结合曲线波的基于图像子块相似性的图像去噪方法 |
| US20130120607A1 (en) * | 2011-11-11 | 2013-05-16 | Casio Computer Co., Ltd. | Image composition apparatus and storage medium storing a program |
| CN110930313A (zh) * | 2018-09-19 | 2020-03-27 | 北京图森未来科技有限公司 | 在fpga中实现图像双边滤波的方法和装置、fpga |
| CN111179186A (zh) * | 2019-12-12 | 2020-05-19 | 南京理工大学 | 一种保护图像细节的图像去噪系统 |
| CN113313641A (zh) * | 2021-04-28 | 2021-08-27 | 北京理工大学 | 一种自适应中值滤波的ct图像去噪方法 |
-
2021
- 2021-12-09 CN CN202111496608.4A patent/CN114255179B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101860667A (zh) * | 2010-05-06 | 2010-10-13 | 中国科学院西安光学精密机械研究所 | 一种快速去除图像中混合噪声的方法 |
| CN102509269A (zh) * | 2011-11-10 | 2012-06-20 | 重庆工业职业技术学院 | 一种结合曲线波的基于图像子块相似性的图像去噪方法 |
| US20130120607A1 (en) * | 2011-11-11 | 2013-05-16 | Casio Computer Co., Ltd. | Image composition apparatus and storage medium storing a program |
| CN110930313A (zh) * | 2018-09-19 | 2020-03-27 | 北京图森未来科技有限公司 | 在fpga中实现图像双边滤波的方法和装置、fpga |
| CN111179186A (zh) * | 2019-12-12 | 2020-05-19 | 南京理工大学 | 一种保护图像细节的图像去噪系统 |
| CN113313641A (zh) * | 2021-04-28 | 2021-08-27 | 北京理工大学 | 一种自适应中值滤波的ct图像去噪方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117310818A (zh) * | 2023-10-23 | 2023-12-29 | 北京派特杰奥科技有限公司 | 基于图像引导三维滤波的叠后地震数据处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114255179B (zh) | 2024-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108805840B (zh) | 图像去噪的方法、装置、终端及计算机可读存储介质 | |
| Thanh et al. | An iterative mean filter for image denoising | |
| Rank et al. | Estimation of image noise variance | |
| CN107358586B (zh) | 一种图像增强方法、装置及设备 | |
| Boateng et al. | Improving the effectiveness of the median filter | |
| US8908989B2 (en) | Recursive conditional means image denoising | |
| Jayasree et al. | A fast novel algorithm for salt and pepper image noise cancellation using cardinal B-splines | |
| Chen et al. | An empirical identification method of Gaussian blur parameter for image deblurring | |
| Prasath et al. | Regularization parameter selection in image restoration with inverse gradient: Single scale or multiscale? | |
| US8055093B2 (en) | Method and system for noise level detection in image data | |
| CN114255179B (zh) | 地震图像噪声压制方法、装置及电子设备 | |
| CN116245764A (zh) | 一种图像去噪方法、装置、设备和存储介质 | |
| John et al. | A review on application of fourier transform in image restoration | |
| US8090215B2 (en) | Method and system for noise level detection in image data | |
| CN107610056B (zh) | 基于全变分的混合加权维纳滤波图像去噪方法 | |
| US8208753B2 (en) | Method and system for noise level detection in image data | |
| Xing et al. | An efficient method to remove mixed Gaussian and random-valued impulse noise | |
| Fry et al. | Validation of modulation transfer functions and noise power spectra from natural scenes | |
| CN111311610A (zh) | 图像分割的方法及终端设备 | |
| CN116993609A (zh) | 一种图像降噪方法、装置、设备及介质 | |
| CN107203976B (zh) | 一种基于噪点检测的自适应非局部均值去噪方法及系统 | |
| CN113945987B (zh) | 病害地质体检测的方法、装置及电子设备 | |
| Gupta et al. | Image noise removal with detail preservation for random valued impulse noise | |
| CN114119377A (zh) | 一种图像处理方法及装置 | |
| CN112819733B (zh) | 一种定向双边图像滤波方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |