去除地震信号中的随机噪声的方法和装置制造方法及图纸

本发明专利技术公开了去除地震信号中的随机噪声的方法和装置。本公开通过将图像处理中的Contourlet变换应用于地震信号，并且通过深入分析地震信号经Contourlet变换后得到的系数的特征，基于Contourlet系数的值来去除地震信号中的随机噪声。应用本公开，可在不损伤地震信号中的边缘、纹理等信息的同时，有效地去除其中的随机噪声，特别是高斯白随机噪声。

Method and device for removing random noise in seismic signal

The invention discloses a method and a device for removing random noise in an earthquake signal. This will open the Contourlet transform image processing applied to seismic signal characteristic coefficient and through in-depth analysis of seismic signal after Contourlet transform is obtained, based on the value of the Contourlet coefficient to remove the random noise in the seismic signal. The utility model can effectively remove the random noise in the seismic signal without damaging the edge and texture information of the seismic signal, especially the Gauss white random noise.

【技术实现步骤摘要】

本公开涉及地震信号处理领域，更具体地，涉及一种去除地震信号中的随机噪声的方法和一种去除地震信号中的随机噪声的装置。
技术介绍
目前有多种压制地震信号中的随机噪声的处理技术，大致可分为时空域和变换域两类方法。时空域随机噪音衰减方法主要包括叠加处理、褶积滤波、多项式拟合技术、中值滤波、奇异值分解、混沌振子检测技术等。变换域随机噪声衰减方法主要包括LK-变换、XF-域滤波、τ-p变换、时频峰值滤波、小波变换去噪技术、稳定反Q滤波谱矩阵技术、变分数维方法、模型约束方法、复数道分析、零相位谱增强技术、非物理可实现空间预测滤波等技术、小波变换等。现有的这些方法都难以在保留边缘、纹理等高频信息的同时有效地去除其中的随机噪声。
技术实现思路
本公开提出了一种方法，其可在较好地保留边缘、纹理等高频信息的同时有效地去除其中包含的随机噪声。本公开还提出了相应的装置。根据本公开的一方面，提出了一种去除地震信号中的随机噪声的方法，包括：对地震信号进行多尺度Contourlet变换，得到在多尺度多方向的Contourlet系数，Contourlet系数cl,k(m)表示为：其中，l表示尺度编号，k表示方向编号，0≤k<2l-1；m、n表示在尺度l的二维离散希尔伯特空间L2(Z2)的位置信息，Z2表示二维离散信号的整数网格，L2表示平方可积空间；bl(n)表示在尺度l上进行DFB分解前的高频子带信号；Sl,k表示在尺度l、方向k的采样系数，hl,k(Sl,km-n)表示在尺度l的DFB分解中在方向k的楔形滤波器系数，是二维离散希尔伯特空间L2(Z2)中的一组基；得到第一子带系数P1(cl,k,m)：其中H表示预设的硬阈值；基于第一子带系数P1(cl,k,m)重构所述地震信号的高频子带信号。根据本公开的另一方面，还提出了一种去除地震信号中的随机噪声的装置，包括：Contourlet变换单元，用于对地震信号进行多尺度Contourlet变换，得到在多尺度多方向的Contourlet系数，Contourlet系数cl,k(m)表示为：其中，l表示尺度编号，k表示方向编号，0≤k<2l-1；m、n表示在尺度l的二维离散希尔伯特空间L2(Z2)的位置信息，Z2表示二维离散信号的整数网格，L2表示平方可积空间；bl(n)表示在尺度l上进行DFB分解前的高频子带信号；Sl,k表示在尺度l、方向k的采样系数，hl,k(Sl,km-n)表示在尺度l的DFB分解中在方向k的楔形滤波器系数，是二维离散希尔伯特空间L2(Z2)中的一组基；硬判断单元，用于得到第一子带系数P1(cl,k,m)：其中H表示预设的硬阈值；信号重构单元，用于基于第一子带系数P1(cl,k,m)重构所述地震信号的高频子带信号。本公开的各方面通过采用Contourlet变换分离出地震信号中的Contourlet系数(也称为高频子带系数)，然后利用地震信号中有效信号与随机噪声信号的Contourlet系数的差异，有效地去除高频信息中的随机噪声。本公开尤其适用于去除随机噪声。附图说明通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。图1示出了Contourlet变换的分解流程图。图2示出了Contourlet合成(即Contourlet变换的逆过程)的流程图。图3示出了根据本公开的实施例的去除地震信号中的随机噪声的方法的流程示意图。图4示出了原始地震信号和在尺度4(也称为4级分解)分解得到的Contourlet系数的波形示意图。图5(a)示出了一个被加入随机噪声的合成地震记录。图5(b)示出了应用本公开去除图5(a)中的随机噪声后的示意图。图5(c)示出了应用本公开所去除的随机噪声的示意图。图6(a)示出了一个实际地震记录。图6(b)示出了应用本公开去除图6(a)中的随机噪声后的示意图。图6(c)示出了应用本公开所去除的随机噪声的示意图。具体实施方式下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。此处，先对本公开的基本原理进行简单介绍。Contourlet变换是一种用于图像处理领域的二维表示方法，具有多分辨率、局部定位、多方向性、近邻界采样和各向异性等性质，其基函数分布于多尺度、多方向上，少量系数即可有效地捕捉图像中的边缘轮廓，而边缘轮廓正是自然图像中的主要特征。Contourlet变换的基本思想是首先用一个类似小波的多尺度分解捕捉边缘奇异点，再根据方向信息将位置相近的奇异点汇集成轮廓段。图1示出了Contourlet变换的分解流程图。在每一尺度，先通过拉普拉斯塔式滤波器(LP)将原始图像分解成低通逼近图像和差值图像。该低通逼近图像可被称为低频子带信号，该差值图像可被称为高频子带信号。该高频子带信号被输入二维方向滤波器(DFB)，分解得到在各个方向的一系列Contourlet系数，其可将奇异点连成线形结构，从而捕获图像中的轮廓。LP和DFB结合形成的双层滤波器组结构，被称为塔形方向滤波器组(PDFB)。而在每一尺度分解得到的低频子带信号则可乘以一采样矩阵，然后可被送入下一级的PDFB。依此类推，可进行多尺度LP分解，在每一尺度，可由DFB将经LP分解得到的低频子带信号进一步分解为在多方向的一系列Contourlet系数。图2示出了Contourlet合成(即Contourlet变换的逆过程)的流程图。专利技术人经过深入研究发现，地震信号在经Contourlet变换后，其中表示边缘、纹理等信息的高频有效信号的能量积聚在有限的Contourlet系数区域内，而随机噪声的能量分布范围很广、幅值很小，特别是高斯白随机噪声，其变换后能量在所有Contourlet系数上均匀分布，其幅值接近于零。因此，可考虑基于Contourlet系数的绝对值的大小，来提取有效信号。实施例1图3示出了根据本公开的实施例的去除地震信号中的随机噪声的方法的流程示意图，该方法包括：S1，对地震信号进行多尺度Contourlet变换，得到在多尺度多方向的Contourlet系数，Contourlet系数cl,k(m)表示为：其中，l表示尺度编号，k表示方向编号，0≤k<2l-1；m、n表示在尺度l的二维离散希尔伯特空间L2(Z2)的位置信息，Z2表示二维离散信号的整数网格，L2表示平方可积空间；bl(n)表示在尺度l上进行DFB分解前的高频子带信号；Sl,k表示在尺度l、方向k的采样系数，hl,k(Sl,km-n)表示在尺度l的DFB分解中在方向k的楔形滤波器系数，是二维离散希尔伯特空间L2(Z2)中的一组基。S2，得到第一子带系数P1(cl,k,m)：其中H表示预设的硬阈值。在本公开的一些实施例中，所有尺度的硬阈值都相同。本领域技术人员可根据经验来设置该硬阈值。S3，基于第一子带系数P1(cl,k,m)重构上述地震信号的高频本文档来自技高网...

【技术保护点】
一种去除地震信号中的随机噪声的方法，包括：对地震信号进行多尺度Contourlet变换，得到在多尺度多方向的Contourlet系数，Contourlet系数cl,k(m)表示为：其中，l表示尺度编号，k表示方向编号，0≤k<2l‑1；m、n表示在尺度l的二维离散希尔伯特空间L2(Z2)的位置信息，Z2表示二维离散信号的整数网格，L2表示平方可积空间；bl(n)表示在尺度l上进行DFB分解前的高频子带信号；Sl,k表示在尺度l、方向k的采样系数，hl,k(Sl,km‑n)表示在尺度l的DFB分解中在方向k的楔形滤波器系数，是二维离散希尔伯特空间L2(Z2)中的一组基；得到第一子带系数P1(cl,k,m)：P1(cl,k,m)=cl,k(m),|cl,k(m)|≥H0,|cl,k(m)|<H,]]>其中H表示预设的硬阈值；基于第一子带系数P1(cl,k,m)重构所述地震信号的高频子带信号。

【技术特征摘要】
1.一种去除地震信号中的随机噪声的方法，包括：对地震信号进行多尺度Contourlet变换，得到在多尺度多方向的Contourlet系数，Contourlet系数cl,k(m)表示为：其中，l表示尺度编号，k表示方向编号，0≤k<2l-1；m、n表示在尺度l的二维离散希尔伯特空间L2(Z2)的位置信息，Z2表示二维离散信号的整数网格，L2表示平方可积空间；bl(n)表示在尺度l上进行DFB分解前的高频子带信号；Sl,k表示在尺度l、方向k的采样系数，hl,k(Sl,km-n)表示在尺度l的DFB分解中在方向k的楔形滤波器系数，是二维离散希尔伯特空间L2(Z2)中的一组基；得到第一子带系数P1(cl,k,m)：P1(cl,k,m)=cl,k(m),|cl,k(m)|≥H0,|cl,k(m)|<H,]]>其中H表示预设的硬阈值；基于第一子带系数P1(cl,k,m)重构所述地震信号的高频子带信号。2.根据权利要求1所述的去除地震信号中的随机噪声的方法，其中，基于第一子带系数P1(cl,k,m)重构所述地震信号的高频子带信号还包括：每一尺度的每一方向包括多个道，每一道包括多个点，每个点对应于一个Contourlet系数cl,k(m)，相应地，每个点对应于一个第一子带系数P1(cl,k,m)，在每一尺度的每个方向，以互相关值为判断标准对各个点对应的第一子带系数P1(cl,k,m)进行倾角扫描，以及基于每个点在各个倾角方向上的互相关值判断该点是否是强有效信号；在每一尺度的每个方向，基于在该尺度该方向上的强有效信号对应的第一
\t子带系数P1(cl,k,m)确定在该尺度该方向的软阈值；得到第二子带系数P2(cl,k,m)：P2(cl,k,m)=P1(cl,k,m),|P1(cl,k,m)|≥Fl,k0,|P1(cl,k,m)|<Fl,k,]]>其中Fl,k表示在尺度l、方向k的软阈值；基于第二子带系数P2(cl,k,m)重构所述地震信号的高频子带信号。3.根据权利要求2所述的去除地震信号中的随机噪声的方法，其中，基于每个点在各个倾角方向上的互相关值判断该点是否是强有效信号包括：针对每个点，得到其在各个倾角方向上的互相关值中的最大值和第二大值，如果该最大值与该第二大值间的差大于互相关阈值，则判断该点是强有效信号。4.根据权利要求2所述的去除地震信号中的随机噪声的方法，其中，基于在该尺度该方向上的强有效信号对应的第一子带系数P1(cl,k,m)确定在该尺度该方向的软阈值包括：基于在该尺度该方向上的各个强有效信号对应的各个第一子带系数P1(cl,k,m)的绝对值中的最小值确定在该尺度该方向的软阈值。5.根据权利要求4所述的去除地震信号中的随机噪声的方法，其中，所述软阈值为在该尺度该方向上的各个强有效信号对应的各个第一子带系数P1(cl,k,m)的绝对值中的最小值的10％。6.一种去除地震信号中的随机噪声的...

【专利技术属性】
技术研发人员：刘燕峰，杨楠，高艳霞，余青露，肖盈，居兴国，邹少峰，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司石油物探技术研究院，
类型：发明
国别省市：北京;11