隨著油氣勘探開發(fā)工作的不斷深入,國內(nèi)外對地震資料采集和處理技術(shù)的要求也日益提高。去除隨機噪聲,提高信噪比,實現(xiàn)強噪背景下的弱信號提取對復(fù)雜構(gòu)造的精確成像具有重要意義。考慮到傳統(tǒng)去噪方法在構(gòu)造復(fù)雜地區(qū)難以取得理想的去噪結(jié)果,本文引入尺度空間理論,提出基于Hessian矩陣的多尺度隨機噪音壓制方法。在二維數(shù)據(jù)中,本文將含有不同頻率成分的有效信號看作為多個尺度的不同曲率“曲線”的組合,從而利用Hessian矩陣在曲線檢測方面表現(xiàn)出的良好性能實現(xiàn)信噪分離。進一步利用了有效信號在三維數(shù)據(jù)體中的時空連續(xù)性將算法擴展到了三維,實現(xiàn)了三維地震數(shù)據(jù)的隨機噪音壓制。該方法與傳統(tǒng)方法相比不受地層傾角的限制,因此能夠處理構(gòu)造較為復(fù)雜地區(qū)的地震數(shù)據(jù),并且能較好的保持構(gòu)造的邊界。分別利用二維、三維模型及實際資料對論文提出方法進行驗證并與傳統(tǒng)方法F-X反褶積及商業(yè)軟件的去噪結(jié)果作對比,結(jié)果表明基于Hessian矩陣的多尺度隨機噪音壓制方法對于二維的疊前和疊后數(shù)據(jù)以及三維數(shù)據(jù)體都可取得良好的去噪效果,且在壓制隨機噪音的同時能夠保持有效信號的完整性,兼顧了地震資料的信噪比和保真度。

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１隨機噪聲分類??Ｆｉ１．１?Ｒａｎｄｏｍ?ｎｏｉｓｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ??

?③背景干擾??這類噪聲是由于介質(zhì)的不均勻性引起的，波在不均勻體上產(chǎn)生彈性波散射，另??夕卜，方向及相位無規(guī)則的波任意疊加也會產(chǎn)生背景干擾，背景干擾分布范圍較廣，??其特點是幾乎在整張地震記錄上出現(xiàn)，與有效信號頻帶范圍相當(dāng)，雜亂無章，單純??的依靠頻域的閾值濾波很難對背景噪音進行....

圖２．１圖形結(jié)構(gòu)與特征值大小示意圖??Ｆｉｇ．２．１?Ｇｒａｐｈｉｃ?ｓｔｒｕｃｔｕｒｅ?ａｎｄ?Ｈｅｓｓｉａｎ?ｍａｔｒｉｘ?ｅｉｇｅｎｖａｌｕｅｓ??

?第２章Ｈｅｓｓｉａｎ矩陣及其特征值???圖２．１圖形結(jié)構(gòu)與特征值大小示意圖??Ｆｉｇ．２．１?Ｇｒａｐｈｉｃ?ｓｔｒｕｃｔｕｒｅ?ａｎｄ?Ｈｅｓｓｉａｎ?ｍａｔｒｉｘ?ｅｉｇｅｎｖａｌｕｅｓ??并且特征值具有如下特性：??表２．１?Ｈｅｓｓｉａｎ矩陣特征值與探測形狀之間的對應(yīng)關(guān)....

圖２．２?（ａ）無噪模型（ｂ）木（ｃ）牟??Ｆｉｇ?２．?

?第２章Ｈｅｓｓｉａｎ矩陣及其特征值???ｉ：：＾Ｈ??！１００??卜??１８０??５０?１００?１５０?２００??Ｔｒａｃｅ??（ａ）??ｌ?＾?｜８０■??１２０?％?￡Ｓ：?１２０??１４０?１４０??１６０?１６０??１８０??２００?２００??５０?１００?１５０?２０....

圖２．７基于ＨｅＳＳ１ａｎ矩陣的指紋圖像增強處理［３６］??Ｆｉｇｕｒｅ?２．７?Ｆｉｎｇｅｒｐｒｉｎｔ?ｉｍａｇｅ?ｅｎｈａｎｃｅｍｅｎｔ?ｂａｓｅｄ?ｏｎ?Ｈｅｓｓｉａｎ?ｍａｔｒｉｘ０６］??

以獲得更多的指紋信息，如膚色、三維結(jié)構(gòu)等，可以進一步提高指紋識別的準確性??和安全性。??Ｙｏｎｇｈｅ?Ｔａｎｇ，．?Ｌｉｅｈｕｉ?Ｊｉａｎｇ等在２０１７年將Ｈｅｓｓｉａｎ矩陣應(yīng)用于指紋圖像增強??中，提高非接觸指紋紋路與紋路的對比度，提出了一種基于Ｈｅｓｓｉａｎ矩陣和短時傅??....

本文編號：4056900