基于Hessian矩阵的地震随机噪音压制方法研究

发布时间：2025-07-09 01:05

　　随着油气勘探开发工作的不断深入,国内外对地震资料采集和处理技术的要求也日益提高。去除随机噪声,提高信噪比,实现强噪背景下的弱信号提取对复杂构造的精确成像具有重要意义。考虑到传统去噪方法在构造复杂地区难以取得理想的去噪结果,本文引入尺度空间理论,提出基于Hessian矩阵的多尺度随机噪音压制方法。在二维数据中,本文将含有不同频率成分的有效信号看作为多个尺度的不同曲率“曲线”的组合,从而利用Hessian矩阵在曲线检测方面表现出的良好性能实现信噪分离。进一步利用了有效信号在三维数据体中的时空连续性将算法扩展到了三维,实现了三维地震数据的随机噪音压制。该方法与传统方法相比不受地层倾角的限制,因此能够处理构造较为复杂地区的地震数据,并且能较好的保持构造的边界。分别利用二维、三维模型及实际资料对论文提出方法进行验证并与传统方法F-X反褶积及商业软件的去噪结果作对比,结果表明基于Hessian矩阵的多尺度随机噪音压制方法对于二维的叠前和叠后数据以及三维数据体都可取得良好的去噪效果,且在压制随机噪音的同时能够保持有效信号的完整性,兼顾了地震资料的信噪比和保真度。

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图１．１随机噪声分类??Ｆｉ１．１?Ｒａｎｄｏｍ?ｎｏｉｓｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ??

?③背景干扰??这类噪声是由于介质的不均匀性引起的，波在不均匀体上产生弹性波散射，另??夕卜，方向及相位无规则的波任意叠加也会产生背景干扰，背景干扰分布范围较广，??其特点是几乎在整张地震记录上出现，与有效信号频带范围相当，杂乱无章，单纯??的依靠频域的阈值滤波很难对背景噪音进行....

图２．１图形结构与特征值大小示意图??Ｆｉｇ．２．１?Ｇｒａｐｈｉｃ?ｓｔｒｕｃｔｕｒｅ?ａｎｄ?Ｈｅｓｓｉａｎ?ｍａｔｒｉｘ?ｅｉｇｅｎｖａｌｕｅｓ??

?第２章Ｈｅｓｓｉａｎ矩阵及其特征值???图２．１图形结构与特征值大小示意图??Ｆｉｇ．２．１?Ｇｒａｐｈｉｃ?ｓｔｒｕｃｔｕｒｅ?ａｎｄ?Ｈｅｓｓｉａｎ?ｍａｔｒｉｘ?ｅｉｇｅｎｖａｌｕｅｓ??并且特征值具有如下特性：??表２．１?Ｈｅｓｓｉａｎ矩阵特征值与探测形状之间的对应关....

图２．２?（ａ）无噪模型（ｂ）木（ｃ）牟??Ｆｉｇ?２．?

?第２章Ｈｅｓｓｉａｎ矩阵及其特征值???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....

图２．７基于ＨｅＳＳ１ａｎ矩阵的指纹图像增强处理［３６］??Ｆｉｇｕｒｅ?２．７?Ｆｉｎｇｅｒｐｒｉｎｔ?ｉｍａｇｅ?ｅｎｈａｎｃｅｍｅｎｔ?ｂａｓｅｄ?ｏｎ?Ｈｅｓｓｉａｎ?ｍａｔｒｉｘ０６］??

以获得更多的指纹信息，如肤色、三维结构等，可以进一步提高指纹识别的准确性??和安全性。??Ｙｏｎｇｈｅ?Ｔａｎｇ，．?Ｌｉｅｈｕｉ?Ｊｉａｎｇ等在２０１７年将Ｈｅｓｓｉａｎ矩阵应用于指纹图像增强??中，提高非接触指纹纹路与纹路的对比度，提出了一种基于Ｈｅｓｓｉａｎ矩阵和短时傅??....

本文编号：4056900