【技术实现步骤摘要】
本专利技术涉及地震数据处理，尤其涉及一种基于融合增强低秩性和梯度平滑性的地震数据去噪方法和装置。
技术介绍
1、地震数据是地球物理学中研究地质构造的重要工具。然而，由于环境因素、人为活动、设备限制等多种因素，地震数据经常受到大量噪声的影响。地震数据中的随机噪声会影响振幅信息并降低信噪比。此外，噪声还会妨碍后续应用，如地震成像、反演结果、速度分析和断层检测。因此，通过有效去除噪声、减少信号泄漏来提高地震数据的可靠性已成为地震数据预处理中的关键问题。
2、目前，已经开发出许多传统的地震数据噪声消除技术，这些技术大致可分为三类：基于变换的方法、基于滤波器的方法和基于数据特征探索的方法。其中，第一类是基于变换的方法，即将地震数据从时间或空间域转移到变换域，然后利用变换域内信号和噪声的不同特性来实现噪声衰减。典型的基于变换的方法包括傅里叶变换、小波变换、曲波变换和radon变换。这些方法依赖于阈值的选择，阈值选择不当会导致残留噪声或信号减弱。此外，如果地震数据和噪声在变换域中重叠且无法充分区分，这些方法的效果会降低。第二类是基于滤波器的方法，设计特定的滤波器来消除噪声，同时保留有用的地震信号。虽然基于滤波的方法如f-x预测滤波器、扩散滤波器、灰度滤波器和裂变粒子滤波器已经得到广泛应用，去噪效果也不错，但其性能在很大程度上依赖于所用滤波器的设计。第三类是基于探索数据特征的方法，包括基于分解的方法、基于低秩矩阵约束的方法、利用总变分探索局部平滑性的方法、基于字典学习的方法和基于稀疏编码的方法，以上方法通过捕捉地震数据中固有的先验信
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供了一种基于融合增强低秩性和梯度平滑性的地震数据去噪方法和装置，通过引入二阶梯度张量进行低秩建模，实现有效捕捉与曲率相关的几何特征，从而准确表示地震数据中出现的弯曲地质结构，有效提高地震数据的去噪性能。
2、第一方面，本专利技术实施例提供的一种基于融合增强低秩性和梯度平滑性的地震数据去噪方法，包括以下步骤：
3、s10：在干净的地震数据x中添加同一标准差的高斯白噪声，得到含噪地震数据y；
4、s20：按照一定的步长l，将含噪地震数据y分为多个相同大小的p*p数据块，依次计算每个数据块与其余数据块的相似性值，将前n个最小的相似性值进行叠加，作为所述数据块的非局部自相似性值；取数据点所在的所有数据块中最小的非局部自相似性值，作为非局部自相似性矩阵对应位置的值，得到非局部自相似性矩阵s，将所有非局部自相似性矩阵s堆叠并构建为多个第一三维相似块组i的取值为[1，n]，n为三维相似块组的数量；
5、s30：沿每个第一三维相似块组的三个方向分别作二阶梯度变换，得到三个二阶梯度张量k的取值为[1，3]，i的取值为[1，n]；
6、s40：对每个第一三维相似块组的三个二阶梯度张量施加低秩约束，得到第二三维相似块组i的取值为[1，n]；
7、s50：将所述第二三维相似块组重构还原回地震数据，获得去噪声后的地震数据
8、进一步地，所述沿每个第一三维相似块组的三个方向分别作二阶梯度变换，得到三个二阶梯度张量的步骤，具体包括：
9、对于每个第一三维相似块组根据公式(1)：
10、
11、得到第一三维相似块组沿着三个方向的二阶梯度张量
12、其中，l，m和n分别为第一三维相似块组的三个维度。
13、进一步地，所述对每个第一三维相似块组的三个二阶梯度张量施加低秩约束，得到第二三维相似块组的步骤，具体包括：
14、对于每个第一三维相似块组根据公式(2)：
15、
16、得到第二三维相似块组
17、其中，yi表示采用步骤s20得到的三维相似块组；λ为平衡参数；||·||f为frobenius范数；k为三个方向，取值为[1，3]；||·||★是低秩约束项。
18、进一步地，基于admm算法，引入辅助变量进行求解，选择张量核范数作为低秩表示，得到公式(2)的封闭解为：
19、
20、其中，和表示快速傅里叶变换算子和逆快速傅里叶变换算子，1表示全1张量，(·)h表示复共轭算子，λ<i，k>为朗格朗日算子，μ为惩罚参数。
21、进一步地，所述将所述第二三维相似块组重构还原回地震数据，获得去噪声后的地震数据的步骤，具体包括：
22、将处理后的第二三维相似块组得到的非局部自相似性矩阵对应位置还原回地震数据，获得去噪声后的地震数据
23、第二方面，本专利技术实施例提供的一种基于融合增强低秩性和梯度平滑性的地震数据去噪装置，包括：
24、高斯白噪声添加模块，用于在干净的地震数据x中添加同一标准差的高斯白噪声，得到含噪地震数据y；
25、相似块组构建模块，用于按照一定的步长l，将含噪地震数据y分为多个相同大小的p*p数据块，依次计算每个数据块与其余数据块的相似性值，将前n个最小的相似性值进行叠加，作为所述数据块的非局部自相似性值；取数据点所在的所有数据块中最小的非局部自相似性值，作为非局部自相似性矩阵对应位置的值，得到非局部自相似性矩阵s，将所有非局部自相似性矩阵s堆叠并构建为多个第一三维相似块组i的取值为[1，n]，n为三维相似块组的数量；
26、二阶梯度变换模块，用于沿每个第一三维相似块组的三个方向分别作二阶梯度变换，得到三个二阶梯度张量k的取值为[1，3]，i的取值为[1，n]；
27、低秩约束施加模块，用于对每个第一三维相似块组的三个二阶梯度张量施加低秩约束，得到第二三维相似块组i的取值为[1，n]；
28、重构还原模块，用于将所述第二三维相似块组重构还原回地震数据，获得去噪声后的地震数据
29、本专利技术的有益效果为：
30、本专利技术首先在干净的地震数据x中添加同一标准差的高斯白噪声，得到含噪地震数据y；然后将含噪地震数据y分为多个相同大小的数据块，通过计算、堆叠并构建为第一三维相似块组对第一三维相似块组三个方向分别作二阶梯度变换，得到三个二阶梯度张量再对三个二阶梯度张量施加低秩约束，得到第二三维相似块组最后将第二三维相似块组重构还原回地震数据，获得去噪声后的地震数据本专利技术使用相似块匹配框架将低维地震数据映射到高维结构数据，可以同时编码非局部自相似性、全局低秩性和梯度平滑性，减少引入的平衡参数的数量，更全面地表示地震数据；通过引入二阶梯度张量来进行低秩建模，可以有效捕捉与曲率相关的几何特征，准确表示地震数据中经常出现的弯曲地质结构，从而有效去除地震数据噪声；另外，通过结合地震数据的非局部自相似性、全局低秩性和梯度平滑性三种数据先验信息，可以准确地恢复去噪声后的地震数据。
本文档来自技高网...【技术保护点】
1.一种基于融合增强低秩性和梯度平滑性的地震数据去噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于融合增强低秩性和梯度平滑性的地震数据去噪方法，其特征在于，所述沿每个第一三维相似块组的三个方向分别作二阶梯度变换，得到三个二阶梯度张量的步骤，具体包括：
3.根据权利要求1所述的基于融合增强低秩性和梯度平滑性的地震数据去噪方法，其特征在于，所述对每个第一三维相似块组的三个二阶梯度张量施加低秩约束，得到第二三维相似块组的步骤，具体包括：
4.根据权利要求3所述的基于融合增强低秩性和梯度平滑性的地震数据去噪方法，其特征在于，基于ADMM算法，引入辅助变量进行求解，选择张量核范数作为低秩表示，得到公式(2)的封闭解为：
5.根据权利要求1所述的基于融合增强低秩性和梯度平滑性的地震数据去噪方法，其特征在于，所述将所述第二三维相似块组重构还原回地震数据，获得去噪声后的地震数据的步骤，具体包括：
6.一种基于融合增强低秩性和梯度平滑性的地震数据去噪装置，其特征在于，包括：
【技术特征摘要】
1.一种基于融合增强低秩性和梯度平滑性的地震数据去噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于融合增强低秩性和梯度平滑性的地震数据去噪方法，其特征在于，所述沿每个第一三维相似块组的三个方向分别作二阶梯度变换，得到三个二阶梯度张量的步骤，具体包括：
3.根据权利要求1所述的基于融合增强低秩性和梯度平滑性的地震数据去噪方法，其特征在于，所述对每个第一三维相似块组的三个二阶梯度张量施加低秩约束，得到第二三维相似块组的步骤，具体包括...
【专利技术属性】
技术研发人员：冯俊，曾泽宇，周仲礼，王权锋，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。