地震数据非局部均值去噪方法技术

本发明专利技术提供的地震数据非局部均值去噪方法，获取待检测地震数据中的待检测数据点；计算待检测数据点与邻域数据点的振幅差，计算待检测数据点的SUSAN面积；利用SUSAN面积计算待检测数据点的边缘响应；重复上述步骤，计算所有数据点的边缘响应，得到待检测地震数据的边缘响应；划分待检测地震数据中的优化区域和常规区域；采用非局部均值去噪方法对常规区域进行去噪处理；对优化区域进行优化去噪。能够利用SUSAN边缘检测，提取出数据结构的边缘信息，进而从数据中划分出优化区域。优化区域内，独立进行数据的相似性计算，能够提升优化区域内数据之间的加权效果，弥补了常规非局部均值去噪方法在数据的结构边缘区域即优化区域去噪不彻底的不足。

【技术实现步骤摘要】
地震数据非局部均值去噪方法
本专利技术属于数据处理
，具体涉及地震数据非局部均值去噪方法。
技术介绍
噪声的压制是地震数据处理流程中的重要组成部分。为能够最大限度的降低噪声影响，提高地震数据数据处理精度，首先需要明确噪声的类型。地震信号中的噪声通常可划分为相干噪声和非相干噪声。地震数据的噪声压制方法通常是根据数据中有效信号和噪声在一定条件下特性的不同实现信号分离，进而达到噪声压制的目的。例如带通滤波，f-k和kx-ky滤波等方法是通过对地震数据进行傅里叶变换后，根据有效信号和噪声信号在频率-波数域或波数域中能量分布形态的不同实现信噪分离。非局部均值去噪算法最初被应用于图像处理领域，该算法可看做是一种随机噪声的衰减滤波器，结合图像的自相似性质，引入权重因子，根据图像中构造相似性的强弱进行加权计算，压制随机噪声。由于该方法对任意数值点去噪时，均需与数据内所有点进行相似性计算，会产生巨大的计算量。因此，诸多学者对该方法的优化策略主要集中于降低算法的计算耗时，Mahmoudi等在实现非局部均值去噪算法的过程中，提出选取目标点附近区域进行相似性计算的策略，有效降低了计算量；Sheng等根本文档来自技高网...

【技术保护点】
1.一种地震数据非局部均值去噪方法，其特征在于，包括以下步骤：S1：输入待检测地震数据，并获取待检测地震数据中的待检测数据点；S2：计算待检测数据点与邻域数据点的振幅差，通过设置振幅阈值，计算待检测数据点的SUSAN面积；S3：利用待检测数据点的SUSAN面积计算待检测数据点的边缘响应；S4：重复步骤S1～S3，计算待检测地震数据中所有数据点的边缘响应，得到待检测地震数据的边缘响应；S5：划分待检测地震数据中的优化区域和常规区域；S6：采用非局部均值去噪方法对常规区域进行去噪处理；S7：计算优化区域内数据点的相似度，进行优化去噪。

【技术特征摘要】
1.一种地震数据非局部均值去噪方法，其特征在于，包括以下步骤：S1：输入待检测地震数据，并获取待检测地震数据中的待检测数据点；S2：计算待检测数据点与邻域数据点的振幅差，通过设置振幅阈值，计算待检测数据点的SUSAN面积；S3：利用待检测数据点的SUSAN面积计算待检测数据点的边缘响应；S4：重复步骤S1～S3，计算待检测地震数据中所有数据点的边缘响应，得到待检测地震数据的边缘响应；S5：划分待检测地震数据中的优化区域和常规区域；S6：采用非局部均值去噪方法对常规区域进行去噪处理；S7：计算优化区域内数据点的相似度，进行优化去噪。2.根据权利要求1所述地震数据非局部均值去噪方法，其特征在于，所述步骤S2具体包括：设置伪圆形模板；利用伪圆形模板计算待检测数据点与邻域数据点的振幅差A；A＝A(r0)-A(r)；其中，r0、r分别为待检测数据点和邻域数据点的坐标，A()为振幅值；确定待检测数据点与邻域数据点的相似度：其中，t1为预设的振幅阈值，c(r0,r)＝1表示待检测数据点与邻域数据点相似，c(r0,r)＝0表示待检测数据点与邻域数据点非相似；计算待检测数据点的SUSAN面积n(r0)：3.根据权利要求2所述地震数据非局部均值去噪方法，其特征在于，所述步骤S3具体包括：定义SUSAN面积阈值g＝t2nmax；...

【专利技术属性】
技术研发人员：柯璇，石颖，王维红，郭雪豹，刘宗利，刘伟，
申请(专利权)人：东北石油大学，
类型：发明
国别省市：黑龙江,23