本文關(guān)鍵詞：基于稀疏表示和字典學(xué)習(xí)的地震數(shù)據(jù)去噪研究

  更多相關(guān)文章： 地震去噪 稀疏表示 信噪比 完備字典 K-SVD

【摘要】：由于地層構(gòu)造形態(tài)和巖石介質(zhì)的不同,地震波在地層中的傳播速度也大不相同,地震勘探通過觀測地震波在地下的傳播情況,識(shí)別地下地質(zhì)構(gòu)造,尋找油氣等礦藏。常規(guī)的地震勘探由人工激發(fā)地震波場,在地震數(shù)據(jù)的采集過程中難免會(huì)引入包括隨機(jī)噪聲在內(nèi)的各種噪聲,這會(huì)對(duì)地震信號(hào)產(chǎn)生嚴(yán)重的干擾甚至導(dǎo)致有效信號(hào)畸變,所以噪聲的去除在地震數(shù)據(jù)處理中十分重要。本文主要研究了基于稀疏表示及過完備字典的地震隨機(jī)噪聲去除方法,通過對(duì)稀疏表示固定字典、學(xué)習(xí)型字典去噪方法的研究和對(duì)比,并提出了一種改進(jìn)的去除隨機(jī)噪聲的方法——St K-SVD(K Singular Value Decomposition Based on St OMP),通過實(shí)驗(yàn)對(duì)比可知,該算法能夠有效地壓制隨機(jī)噪聲并提高信噪比,去噪效果理想。針對(duì)地震記錄中可能出現(xiàn)的不同噪聲,前人已經(jīng)發(fā)展了多種噪聲的去除方法。本文首先研究了傳統(tǒng)的地震去噪方法:F-X域反褶積濾波、小波閾值、Curvelet閾值,并用這三種方法分別處理了理論含噪數(shù)據(jù)和實(shí)際含噪數(shù)據(jù)。從實(shí)驗(yàn)結(jié)果可以看出,用F-X域反褶積濾波方法得到的結(jié)果有效地震信號(hào)損失嚴(yán)重,而小波變換對(duì)地震信號(hào)邊緣特征表達(dá)能力不足,Curvelet變換則是三者中最優(yōu)的方法,因其多尺度多方向性能,可以更詳細(xì)地捕捉有效信號(hào)特征,在去除噪聲的同時(shí)保護(hù)了有效信號(hào)損失。本文重點(diǎn)分析了基于稀疏表示理論的過完備冗余字典去除隨機(jī)噪聲的方法,主要研究了固定DCT字典、學(xué)習(xí)型MOD字典和基于K-SVD算法的學(xué)習(xí)型完備字典三種算法。這三種算法對(duì)理論含噪數(shù)據(jù)的試驗(yàn)結(jié)果表明,學(xué)習(xí)型字典是通過不斷地學(xué)習(xí)和訓(xùn)練得到的,比固有字典包含更多的信號(hào)特征,所以基于學(xué)習(xí)型字典算法的去噪效果明顯優(yōu)于基于固定字典的算法。而基于K-SVD算法的學(xué)習(xí)型完備字典將奇異值分解應(yīng)用到了字典的更新算法中,使字典逐列更新,該算法通過學(xué)習(xí)訓(xùn)練得到的字典能更詳細(xì)地描述信號(hào)的細(xì)節(jié)特征,能夠更稀疏地表示地震數(shù)據(jù),而且相比MOD算法,計(jì)算效率有顯著提高�；趯W(xué)習(xí)型完備字典的去噪能力,本文在原有的方法理論的基礎(chǔ)上又發(fā)展了一種新的算法——St K-SVD,該算法將K-SVD算法中的正交匹配追蹤算法(OMP)改良為分段正交匹配追蹤算法(St OMP),在保證去噪質(zhì)量的同時(shí)提高了計(jì)算效率,更符合實(shí)際生產(chǎn)的需求。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：P631.4

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

2 陳才扣;喻以明;史俊;;一種快速的基于稀疏表示分類器[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

3 耿耀君;張軍英;;一種基于投影稀疏表示的基因選擇方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2011年08期

4 熊承義;汪淑賢;高志榮;;基于字典優(yōu)化的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

5 戴平陽;洪景新;李翠華;詹小靜;;一種基于稀疏表示的判別式目標(biāo)跟蹤算法[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

6 趙佳佳;唐崢遠(yuǎn);楊杰;劉爾琦;周越;;基于圖像稀疏表示的紅外小目標(biāo)檢測算法[J];紅外與毫米波學(xué)報(bào);2011年02期

7 柯激情;祝磊;厲力華;韓斌;鄭智國;孟旭莉;;基于稀疏表示算法的蛋白質(zhì)質(zhì)譜數(shù)據(jù)特征選擇[J];生物物理學(xué)報(bào);2012年08期

8 王立國;劉丹鳳;趙亮;;基于高光譜圖像稀疏表示的彩色可視化模型(英文)[J];Applied Geophysics;2013年02期

9 宋琳;程詠梅;趙永強(qiáng);;基于稀疏表示模型和自回歸模型的高光譜分類[J];光學(xué)學(xué)報(bào);2012年03期

10 羅燕龍;劉偉盛;戴平陽;李翠華;;基于局部稀疏表示模型的海上紅外目標(biāo)跟蹤方法[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營與云計(jì)算——第十八屆全國青年通信學(xué)術(shù)年會(huì)論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號(hào)稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號(hào)處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗(yàn)的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號(hào)分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動(dòng)信號(hào)的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號(hào)：1149685