|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于自适应字典学习的插值去噪的应用显示文摘本文提出了一种基于字典学习相结合的稀疏表示算法来消除POCS插值恢复出原始地震信号所带来的冗余噪声和连续性差等问题.首先本文使用了POCS算法计算出待恢复的信号值,补充了缺失的地震道信息,同时考虑到重构信号会引入冗余噪声,导致信号连续性差等问题,再对其进行基于自适应K-SVD字典学习的稀疏化处理,经过字典学习的稀疏编码和字典更新阶段,能有效的分离出噪声,最终进行地震信号重构,以实现完整的高信噪比地震资料.实验结果表明,对比POCS方法直接处理得到的地震资料,经过K-SVD字典学习优化处理的地震信号,避免了由于重构出现的冗余噪声问题. | 贺月 柳建新 王显莹 陈玺 郭振威 | 2021 | 地球物理学进展2021，36，6： | 9 |
| 2 | 基于压缩感知和深度学习的地震数据重建显示文摘在越来越复杂的勘探环境中,针对因地震数据不完整、不规则导致的重建结果不精确的问题,提出了一种基于压缩感知和深度学习的地震数据重建方法。首先,利用地震信号在Shearlet变换域内的稀疏性,在压缩感知框架下对数据进行预处理。然后,将预处理后的结果作为网络的输入数据,将完整的地震数据作为标签数据,对两者进行数据块处理并建立训练数据,利用卷积神经网络(CNN)实现地震数据端到端的重建。最后,基于训练后的网络模型获得最终重建结果。利用合成地震数据和实际地震数据的重建结果验证基于压缩感知和深度学习的地震数据重建方法的有效性。试验结果表明,在采样率相同的情况下,相比于压缩感知重建方法和深度学习重建方法,结合压缩感知和深度学习的重建方法能够更有效地恢复缺失数据,重建误差更小,在数据大量缺失的情况下,该方法也能够表现出较好的重建性能。 | 金成玫 陈生昌 | 2022 | 石油物探2022，61，5： | 2 |
| 3 | 基于多级中值的双边滤波算法的地震数据去噪研究显示文摘地震数据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。实际地震数据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,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。双边滤波算法能够压制高斯噪声,但是对椒盐噪声不敏感,多级中值滤波算法能够压制椒盐噪声,无法去除高斯噪声。文章将多级中值滤波算法代入双边滤波算法核函数,提出一种基于多级中值的双边滤波算法,能够同时去除地震数据中的高斯噪声和椒盐噪声,更好地保留有效信号。 | 魏亚杰 朱煜嘉 曹静杰 | 2022 | 河北地质大学学报2022，45，2： | 1 |
| 4 | 基于Huber-U-Net网络的地震数据重建与去噪显示文摘实际地震数据通常存在缺失地震道、噪声,需对其进行重建与去噪处理.基于压缩感知理论的凸集投影(Projection onto Convex Sets, POCS)方法对重建误差施加Huber范数最小化约束,等价于对大重构误差(异常噪声)施加L1范数最小化约束、对小重构误差(高斯随机噪声)施加L_(2)范数最小化约束,可以对缺失含噪地震数据实现同时重建与去噪.但由于POCS方法只是一个单层的无监督学习方法,数学表征能力较弱,导致其重建效果较差且难以将噪声压制完全.基于深度学习的U-Net方法以L_(2)范数最小化约束为损失函数对含噪随机缺失地震数据进行重建与去噪,该方法假设重建误差满足高斯分布.因此,U-Net方法虽能有效压制高斯随机噪声却难以有效去除超高斯分布的异常强振幅噪声.本文创新性地将上述两种方法进行结合,使用Huber范数约束替代L_(2)范数约束作为U-Net网络的误差函数,建立Huber-U-Net网络.合成数据和实际数据的处理结果表明,Huber-U-Net方法相比于POCS方法,能够实现更好重建效果和噪声压制效果;相比于传统U-Net方法,具有更好的鲁棒性,能更有效地消除强振幅噪声并且减少了信息损失. | 欧炳霖 曾同生 柳天成 高好天 李钟晓 李振春 | 2023 | 地球物理学进展2023，38，6： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员