基于全变分与小波变换的地震图像去噪教程分析.pptVIP

目 录 1、地震信号的特点 2、地震信号常见的噪声及基本特征 3、地震图像去噪效果评价标准 4、多阈值法在地震图像去噪中的应用 5、全变分方法的讨论与应用 6、本文提出的三种混合模型 本文提出的三种混合模型 混合算法模型Ⅰ 通过二维小波变换后，信号的频率特征表现在不同的频带上，通过小波阈值去除相应的噪声部分，然后再应用二维小波逆变换，便可得到小波变换滤波的去噪后地震图像。 但是，仍然会有一部分剩余噪声被保留下来，剩余这部分噪声在频率和时间上与信号都有重叠，小波变换无法将它们分离。为了进一步对剩余噪声进行去除，本文在这里设计了混合算法模型Ⅰ，通过全变分扩散进一步去噪，以便达到更好的去噪结果。 模型Ⅰ算法流程及应用 混合算法Ⅰ计算流程图 去噪效果图 ①原始地震图像 ②去噪后的地震剖面图 ③去噪后的地震噪声剖面图 峰值信噪比：117.4 边缘保持度：0.3553 混合模型Ⅱ 在模型Ⅰ中我们发现，当重构后在进行TV扩散，其峰值信噪比和边缘保持度都比较低，并不能得到更好的去噪效果。低频部分的噪声经过重构后分散到了整个地震剖面，在用全变分扩散处理，会造成更多的虚假边缘。因此，我们在模型Ⅰ的基础上，做了一点改动，设计了混合模型Ⅱ。 混合模型Ⅱ算法流程 混合模型Ⅱ算法流程 去噪效果图 ①原始地震图像 ②去噪后的地震剖面图 ③去噪后的地震噪声剖面图 峰值信噪比：120.8 边缘保持度：0.4347 混合算法模型Ⅲ 小波变换对地震图像中的面波等规则干扰以及随机噪声都有一定的压制，但是我们知道在用小波阈值方法去噪时，会丢失一定的有用信息，属于有损去噪，而全变分去噪方法，通过第四章的研究发现，TV方法在地震图像去噪中，并不能很好的保持地震边缘构造信息，会出现虚假边缘的现象。为了克服各自的缺点，本文在这里设计了混合算法Ⅲ，结合小波分频与全变分的优点，建立新的去噪模型，以便得到高信噪比、高边缘保持度的地震图像处理结果。下面是混合算法Ⅲ的处理流程及实际地震资料处理结果。 混合算法模型Ⅲ算法流程图 去噪效果图 ①原始地震图像 ②去噪后的地震剖面图 ③去噪后的地震噪声剖面图 峰值信噪比：118.8 边缘保持度：0.4927 多种去噪方法去噪效果对比 谢 谢 ！ * 基于全变分与小波变换的地震图像去噪算法研究 2013 .5.22 目 录 1、地震数据的特点 2、地震信号常见的噪声及其基本特征 3、地震图像去噪效果评价标准 4、多阈值法在地震图像去噪中的应用 5、全变分方法的讨论与应用 6、本文提出的三种混合模型 地震信号特点 一道地震信号图 采样率为1000ms 脑电信号的特征 目 录 1、地震信号的特点 2、地震信号常见的噪声及基本特征 3、地震图像去噪效果评价标准 4、多阈值法在地震图像去噪中的应用 5、全变分方法的讨论与应用 6、本文提出的三种混合模型 1、面波 面波是地震勘探中较常见的一种噪声，能量较高，炮点记录上呈线性分布，主要影响中、深层有效反射。面波通常分为三种：瑞雷面波、SH型勒夫面波和斯通利面波。面波视速度较低，随着传播距离的增加在地震记录上呈现“扫帚状”，即发生频散，质点振动的轨迹为逆时针方向的椭圆。面波的能量是反射波能量的许多倍，在沿垂直于界面的方向上呈现指数级规律衰减，则在水平方向上衰减缓慢持续时间长，能量很强，频率低一般是在4-10Hz。 面波单炮记录 2、多次波 压制多次波，目前是地震资料去噪的难点，特别是层间多次波，是一个世界性的难题。 多次波 表层多次波：常见于海洋地震中 层间多次波：常见于陆地地震中 多次波的主频和视速度偏低 3、随机噪声 可以将随机噪声分为三类：系统噪声、环境噪声和次声噪声。 系统噪声一般能量、随机性较小，几乎可忽略不计。 环境噪声是工区内固有的随机噪声，频谱较宽且无一定的视速度，在地震记录上通常表现为杂乱无章的振动。通常施工因素不会影响环境噪声能量的大小，但会影响环境噪声的干扰强度。 次生随机噪声，其干扰强弱主要受激发因素的影响比较大。 随机噪声记录 4、声波 声波也是一种常见的干扰波，它的能量较强，具有固定的视速度（340m/s左右），频率较高，一般大于100Hz，延续时间较短，在地震记录上形成尖锐的强初至，呈窄带出现，比较稳定。 5、工频干扰 在地震测线经过输电线路时，检波器电缆会感应50HZ的工频电压，使得在整个地震图像上或部分记录道上出现正弦干扰波。工频干扰的振幅大小主要受感应大小的影响。 目 录 1、地震信号的特点 2、地震信号常见的噪声及基本特征 3、地震图像去噪效果评价标准 4、多阈值法在地震图像去噪中的应用 5、全变分方法的讨论与应用 6、本文提出的三种混合模型 信噪比的概念及标准 信噪比（