[发明专利]基于3D-Shearlet变换和尺度自适应的地震随机噪声压制方法

说明书

本发明针对于现有的地震数据随机噪声压制方法存在的问题，提供一种基于3D‑Shearlet变换和尺度自适应的地震随机噪声压制方法，属于地震数据处理技术领域。本发明的方法为：1、读取多炮二维地震数据；对多炮二维地震数据进行3D‑Shearlet变换，获得在3D‑Shearlet域各尺度和方向上的变换系数；2、设定去除随机噪声的自适应阈值函数；3、对3D‑Shearlet变换系数进行阈值化处理；4、利用3D‑Shearlet反变换获取随机噪声压制后的结果。该方法在去噪过程中，结合随尺度变化的自适应因子，能够有效地去除随机噪声，最大限度地保留能量较弱的有效信号，提高地震数据的信噪比和保真度。

技术领域

本发明属于地震数据处理技术领域，涉及一种基于3D-Shearlet变换的尺度自适应阈值地震数据随机噪声压制方法。

背景技术

地震勘探是矿产、油气资源勘查的一种重要手段。强随机噪声的干扰直接影响对地质构造信息的识别和判断，以及后续的地震资料处理和解释工作。随机噪声一般表现为无规律振动，由多方面不确定因素综合作用形成，因此，随机噪声的去除是地震数据弱信号提取与增强处理的一个重要环节。

目前，常用的随机噪声压制方法包含频率域滤波、f-x域去噪、Radon域去噪等。20世纪80年代，小波变换作为一种多尺度变换，在图像分析、去噪等方面得到了快速的发展。它能够稀疏表示一维信号，但不能简单地扩展到二维或高维信号。Ridgelet变换、Curvelet变换和Contourlet变换作为多尺度几何分析方法应运而生，在二维和高维信号的稀疏表示和图像处理方向发挥了重要作用，但它们的数学结构复杂，而且变换域的某一尺度角度的系数矩阵大小与原始数据不同。

Shearlet变换作为一种新的稀疏变换方法，具有多尺度、多方向的特性，且能够较优地刻画信号的局部特征。与其它的多尺度分析方法相比，Shearlet变换具有更简单的数学结构，对尺度和方向表征更加细腻，在逼近曲线时采用更少的系数。对于一个N×N的图像，经过Shearlet变换后，各尺度方向上的系数仍是N×N，大小一致，且经过Shearlet变换后的各方向系数仍然保留时间的维度。Shearlet变换适合处理包含纹理、轮廓和边缘信息的地震数据。含噪地震数据经Shearlet变换后，有效信号通常映射到一些特定方向的Shearlet系数上，且对应的Shearlet系数值较大，而随机噪声分布在所有方向的Shearlet系数上，对应的值较小。设置合理的阈值函数，就能够将有效信号和随机噪声进行有效地分离，对于随机噪声的去除具有一定优势。刘成明等人(刘成明，王德利，王通等.基于Shearlet变换的地震随机噪声压制.石油学报,2014,35(4):692-699.)利用地震数据在2D-Shearlet域的稀疏性，进行随机噪声的去除处理，证明了Shearlet变换在随机噪声去除方面的有效性。在此基础之上，程浩等人(程浩，陈刚，王恩德等.基于Shearlet变换的自适应阈值地震数据去噪方法.石油学报，2018,39(1):82-91.)结合了自适应阈值，在提高地震数据信噪比的同时，最大限度地保留有效信号，但他们都是对2D数据的单炮记录进行处理，并没有考虑到单炮记录之间的相关性。