高大成
摘 要:提出一种非下采样轮廓波变换(NSCT)域的地震数据随机噪声衰减方法。首先,通过NSCT将地震数据分解成不同频率和方向的系数矩阵;然后,采用一个合适的阈值算子对NSCT系数进行去噪;最后,对去噪后的系数进行逆NSCT变换重建去噪后的地震数据。实验结果表明,提出方法的性能优于传统的基于小波变换的去噪方法。
关键词:非下采样轮廓波变换;地震数据;小波变换
0 引言
本文提出一种非下采样轮廓波变换(NSCT)域的地震数据随机噪声衰减方法。首先,通过NSCT将地震数据分解成不同频率和方向的系数矩阵;然后,采用一个合适的阈值算子对NSCT系数进行去噪;最后,对去噪后的系数进行逆NSCT变换重建去噪后的地震数据。实验结果表明,提出方法的性能优于传统的基于小波变换的去噪方法。
1 方法
为了有效压制地震随机噪声,同时最大程度地保留有效信号,提出一种基于非下采样轮廓波变换(NSCT)的地震随机噪声衰减方法。其主要步骤描述如下:
步骤1:对地震数据进行K级NSCT分解,得到低通变换系数和一系列高通变换系数Dk,j(k=1,2,...,K; j=1,2,...,J),其中,k指分解层级,j指分解方向,J是分解方向数。
步骤2:使用阈值算子对NSCT系数进行去噪。选取如下阈值方法进行处理:
其中,x和y分别是NSCT域中去噪前和去噪后的系数矩阵;C为阈值常量;δ是噪声方差。
步骤3:对去噪后的NSCT系数进行逆NSCT变换重建地震数据。
2 实验
在合成地震记录上进行实验,图1(a)是一个合成地震记录,时间采样间隔为1ms,道数为150。图1(b)为相应的加噪声后的合成记录。采用小波阈值去噪方法和提出的方法对含噪合成数据进行去噪。图1(c)和图1(d)分别为两种方法的去噪结果。明显看到,提出方法的处理结果明显优于小波阈值去噪方法。此外,使用信噪比来进行定量评估:
其中,X0为无噪声数据;X1为含噪声数据或去噪后的数据。此外,表1所示为两种去噪方法对合成地震记录(图1(a))加入不同程度噪聲后处理得到的SNR值结果对比。总体来看,提出的方法在不同级别含噪地震记录上具有较好的去噪能力。
参考文献:
[1] Canales L L. Random noise reduction[C]. 54th Annual International Meeting of SEG Technical Program Expanded Abstracts,1984:525-527.
[2] Bonar D, Sacchi M. Denoising seismic data using the nonlocal means algorithm[J]. Geophysics,2012,77(1):A5-A8.