一种新的K-SVD字典学习地震数据去噪方法OACSCDCSTPCD
A novel K-SVD dictionary learning approach for seismic data denoising
地震数据去噪是地震资料处理的关键步骤之一,高信噪比的数据是后续高质量处理和解释的基础.目前,已推出多种类型的去噪方法,其中稀疏表示方法虽具有利用较少的基本信号的线性组合表示大部分或者全部的原始信号,即充分挖掘数据中含有的信息,最大化利用数据的优点,但用于稀疏表示的K-SVD字典学习算法存在去噪结果损失了部分原始信号和计算效率不太理想等问题.为了进一步优化解决这些问题,研发了一种新的用于地震数据去噪的K-SVD字典学习方法.首先,从样本数据中提取随…查看全部>>
周子翔;吴娟;袁成;白敏;桂志先
油气资源与勘探技术教育部重点实验室(长江大学),湖北武汉 430100||长江大学地球物理与石油资源学院,湖北武汉 430100油气资源与勘探技术教育部重点实验室(长江大学),湖北武汉 430100||长江大学地球物理与石油资源学院,湖北武汉 430100中国石油勘探开发研究院西北分院,甘肃兰州 730020油气资源与勘探技术教育部重点实验室(长江大学),湖北武汉 430100||长江大学地球物理与石油资源学院,湖北武汉 430100油气资源与勘探技术教育部重点实验室(长江大学),湖北武汉 430100||长江大学地球物理与石油资源学院,湖北武汉 430100
地质学
稀疏表示压缩感知字典学习K-SVD地震数据去噪
sparse representationcompressed sensingdictionary learningK-SVDseismic data denoising
《石油地球物理勘探》 2023 (5)
基于时间域高斯束变换的多震源数据高精度分离与高效偏移方法研究
1072-1083,12
本项研究受国家自然科学基金项目"基于时间域高斯束变换的多震源数据高精度分离与高效偏移方法研究"(42174159)和"基于字典学习的多震源数据高效高精度最小二乘偏移方法研究"(41904110)、湖北省自然科学基金项目"基于时间域高斯束变换的多震源数据分离、去噪和插值重建方法研究"(2021CFB498)及油气资源与勘探技术教育部重点实验室青年创新团队项目"智能驱动的地震资料高分辨率处理方法"(KPI2021-01)联合资助.
评论