基于稀疏表示和字典学习的地震数据去噪研究

发布时间：2017-11-06 22:32

  本文关键词：基于稀疏表示和字典学习的地震数据去噪研究

  更多相关文章： 地震去噪 稀疏表示 信噪比 完备字典 K-SVD

【摘要】：由于地层构造形态和岩石介质的不同,地震波在地层中的传播速度也大不相同,地震勘探通过观测地震波在地下的传播情况,识别地下地质构造,寻找油气等矿藏。常规的地震勘探由人工激发地震波场,在地震数据的采集过程中难免会引入包括随机噪声在内的各种噪声,这会对地震信号产生严重的干扰甚至导致有效信号畸变,所以噪声的去除在地震数据处理中十分重要。本文主要研究了基于稀疏表示及过完备字典的地震随机噪声去除方法,通过对稀疏表示固定字典、学习型字典去噪方法的研究和对比,并提出了一种改进的去除随机噪声的方法——St K-SVD(K Singular Value Decomposition Based on St OMP),通过实验对比可知,该算法能够有效地压制随机噪声并提高信噪比,去噪效果理想。针对地震记录中可能出现的不同噪声,前人已经发展了多种噪声的去除方法。本文首先研究了传统的地震去噪方法:F-X域反褶积滤波、小波阈值、Curvelet阈值,并用这三种方法分别处理了理论含噪数据和实际含噪数据。从实验结果可以看出,用F-X域反褶积滤波方法得到的结果有效地震信号损失严重,而小波变换对地震信号边缘特征表达能力不足,Curvelet变换则是三者中最优的方法,因其多尺度多方向性能,可以更详细地捕捉有效信号特征,在去除噪声的同时保护了有效信号损失。本文重点分析了基于稀疏表示理论的过完备冗余字典去除随机噪声的方法,主要研究了固定DCT字典、学习型MOD字典和基于K-SVD算法的学习型完备字典三种算法。这三种算法对理论含噪数据的试验结果表明,学习型字典是通过不断地学习和训练得到的,比固有字典包含更多的信号特征,所以基于学习型字典算法的去噪效果明显优于基于固定字典的算法。而基于K-SVD算法的学习型完备字典将奇异值分解应用到了字典的更新算法中,使字典逐列更新,该算法通过学习训练得到的字典能更详细地描述信号的细节特征,能够更稀疏地表示地震数据,而且相比MOD算法,计算效率有显著提高。基于学习型完备字典的去噪能力,本文在原有的方法理论的基础上又发展了一种新的算法——St K-SVD,该算法将K-SVD算法中的正交匹配追踪算法(OMP)改良为分段正交匹配追踪算法(St OMP),在保证去噪质量的同时提高了计算效率,更符合实际生产的需求。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P631.4

【相似文献】

中国期刊全文数据库 前10条

1 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

2 陈才扣;喻以明;史俊;;一种快速的基于稀疏表示分类器[J];南京大学学报(自然科学版);2012年01期

3 耿耀君;张军英;;一种基于投影稀疏表示的基因选择方法[J];哈尔滨工程大学学报;2011年08期

4 熊承义;汪淑贤;高志荣;;基于字典优化的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2014年02期

5 戴平阳;洪景新;李翠华;詹小静;;一种基于稀疏表示的判别式目标跟踪算法[J];厦门大学学报(自然科学版);2014年04期

6 赵佳佳;唐峥远;杨杰;刘尔琦;周越;;基于图像稀疏表示的红外小目标检测算法[J];红外与毫米波学报;2011年02期

7 柯激情;祝磊;厉力华;韩斌;郑智国;孟旭莉;;基于稀疏表示算法的蛋白质质谱数据特征选择[J];生物物理学报;2012年08期

8 王立国;刘丹凤;赵亮;;基于高光谱图像稀疏表示的彩色可视化模型(英文)[J];Applied Geophysics;2013年02期

9 宋琳;程咏梅;赵永强;;基于稀疏表示模型和自回归模型的高光谱分类[J];光学学报;2012年03期

10 罗燕龙;刘伟盛;戴平阳;李翠华;;基于局部稀疏表示模型的海上红外目标跟踪方法[J];厦门大学学报(自然科学版);2013年03期

中国重要会议论文全文数据库 前3条

1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年

3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年

5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年

8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年

9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年

3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年

9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年

10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

，

本文编号：1149685