一种基于结构特征的地震数据保边去噪方法与流程

本发明涉及地震资料处理技术领域，特别是涉及到一种基于结构特征的地震数据保边去噪方法。

背景技术：

在地震数据的采集过程中，外界的各种随机干扰会降低地震记录的信噪比。随机噪声是一类无一定视速度，无一定频率的干扰波，它会降低地震资料的信噪比，进而直接影响地震资料处理的质量。为提高地震资料的信噪比，需要对地震记录中随机噪声进行去除处理。然而发明人发现，传统的去噪方法（例如：均值滤波、多道相干滤波等）会模糊掉断层、裂隙带以及地质体边界等不连续结构特征，即去干扰的同时消除了部分重要的地震资料数据。这会对地震资料的真实性造成损伤，不利于提高地震资料的保真性。

技术实现要素：

本发明提供了一种基于结构特征的地震数据保边去噪方法，该保边去噪方法根据地震数据的结构信息以及预滤波处理过程的相似性信息进行针对性的分区域去噪处理，滤除随机噪声的同时，有效保护了地震资料的边界信息。

为解决上述技术问题，本发明采用了如下技术方案：

一种基于结构特征的地震数据保边去噪方法，所述保边去噪方法包括有如下步骤：

步骤1：对地震数据进行平滑滤波处理，对平滑滤波处理所得结果进行矩阵分解得到地震数据结构张量；

计算地震数据结构张量对应的特征值以及特征向量；

根据计算所得地震数据结构张量对应的特征值以及特征向量，完成地震数据结构特征分析；

步骤2：利用现有常规去噪方法对地震数据做滤波处理，对地震数据与常规去噪方法滤波处理所得结果求取局部相似性系数；

步骤3：根据步骤1所得地震数据结构特征分析中的结构参数以及步骤2所得局部相似性系数，构建得到导向滤波方程；

步骤4：利用导向滤波方程进行多次去噪迭代，直至图像信噪比与结构相似性因子达到预设阀值。

优选的，所述步骤1中对地震数据进行平滑滤波处理过程中所使用的平滑滤波参数由地震噪音与地质结构共同确定。

较为优选的，所述步骤1对地震数据进行平滑滤波处理过程由高斯滤波器使用高斯核函数算法完成。

优选的，所述步骤1所得地震数据结构特征分析与步骤2所得局部相似性系数用于划分确定地震数据中的边界区域和/或平滑区域。

本发明提供了一种基于结构特征的地震数据保边去噪方法，该保边去噪方法包括有对地震数据进行平滑滤波处理，矩阵分解得到地震数据结构张量，完成地震数据结构特征分析；利用现有常规去噪方法对地震数据做滤波处理，求取局部相似性系数；构建得到导向滤波方程；多次去噪迭代等步骤。具有上述步骤的保边去噪方法可选择性对针对分区域进行去噪处理，在滤除随机噪声的同时有效保护了地震资料的边界信息。

附图说明

图1为本发明提供的一种基于结构特征的地震数据保边去噪方法的流程示意图；

图2为一组原始无噪地震数据；

图3为向图2地震数据中添加随机噪声后产生的地震数据；

图4为利用本发明保边去噪方法对图3去噪处理后所得的地震数据；

图5为另一组原始无噪地震数据；

图6为向图5地震数据中添加信噪比为2.0的随机噪声后产生的地震数据；

图7利用本发明保边去噪方法对图6去噪处理后所得的地震数据。

具体实施方式

本发明提供了一种基于结构特征的地震数据保边去噪方法，该保边去噪方法根据地震数据的结构信息以及预滤波处理过程的相似性信息进行针对性的分区域去噪处理，滤除随机噪声的同时，有效保护了地震资料的边界信息。

下面结合下述附图对本发明实施例做详细描述。

本发明提供了一种基于结构特征的地震数据保边去噪方法，如图1所示，该保边去噪方法包括有如下步骤：

步骤1：对地震数据进行平滑滤波处理，对平滑滤波处理所得结果进行矩阵分解得到地震数据结构张量；计算地震数据结构张量对应的特征值以及特征向量；根据计算所得地震数据结构张量对应的特征值以及特征向量，完成地震数据结构特征分析；

作为本发明的一种具体实施方式，图2为本发明保边去噪方法所提供的一组原始无噪地震数据，图3为向图2地震数据中添加随机噪声后产生的地震数据。具体以图3所示地震数据为例，对本发明保边去噪方法进行介绍。

具体的，首先优选利用高斯滤波器来完成对地震数据的平滑滤波处理。其中，高斯滤波器在平滑滤波处理过程中使用的是高斯核函数算法；平滑滤波参数则优选由地震噪音与地质结构共同确定。此外，还可根据地震数据中噪音情况来决定高斯滤波器在平滑滤波处理过程中所使用的标准差，例如：当地震数据中噪音情况较严重时，可选择使用更大的标准差，从而有效的抑制消减噪声影响。需要注意的是，标准差不应选择过大，过大的标准差会导致细微的地质结构变得模糊。

在完成平滑滤波处理过程后，对处理结果进行数据分析可以获得地震数据结构张量以及水平、垂直方向的导数等。利用矩阵特征值分解的方式可以分解得到梯度结构张量，得到其相应的特征值和特征向量，利用特征向量和特征值即可完成地震数据结构特征的分析。

步骤2：利用现有常规去噪方法对地震数据做滤波处理，对地震数据与常规去噪方法滤波处理所得结果求取局部相似性系数；

在完成步骤1的基础上，进一步确定局部相似性系数。首先利用现有常规去噪方法对地震数据做滤波处理。其中现有常规去噪方法可选择使用均值滤波或中值滤波。而后，对常规去噪方法滤波处理所得结果与原始的地震数据做求取局部相似性系数的处理。得到的局部相似性系数可用来约束去噪参数（例如滤波窗口长度等），达到去噪并保护有效信息的目的。

步骤3：根据步骤1所得地震数据结构特征分析中的结构参数以及步骤2所得局部相似性系数，构建得到导向滤波方程；

在完成步骤1、步骤2的基础上，进一步构建导向滤波方程。具体的，将得到的结构张量及局部相似性系数代入偏微分方程中，从而构建出好合适的滤波函数来控制地震数据边界处的滤波强度。与传统的滤波方法不同，利用本发明方法构建的滤波函数能够考虑地震数据的结构空间变化信息，例如可选择在地震数据中边界位置处沿着梯度方向设置较小的平滑参数，而在地震数据梯度较小位置处设置较大的平滑参数，以去除局部区域内的多余噪声。

步骤4：利用导向滤波方程进行多次去噪迭代，直至图像信噪比与结构相似性因子达到预设阀值。

在完成步骤3的基础上，进一步进行多次去噪迭代。具体的，首先选取适当的迭代步长（优选令=0.01），得到偏微分滤波方程的离散形式。并通过迭代对地震数据做滤波处理，增强沿地震数据边界方向上的平滑程度，同时减小垂直地震数据边界方向上的平滑程度。对每次完成迭代后的地震数据信噪比以及结构相似性因子进行求取并与预设的阀值进行对比，直至经多次迭代处理后（例如如图4所示，图4为进行迭代15次去噪处理后的地震数据）图像的信噪比以及结构相似性因子达到最理想状态。对比图2与图4可以看出，添加的随机噪声得到了有效的去除，且有效反射波的能量基本没有损伤，其同相轴形态和振幅都能有效得到保留。因此证实了通过以上步骤处理，地震数据的结构信息得到了有效地保护，同时噪音干扰也在一定程度上得到了抑制。

作为本发明的另一具体实施方式，图5提供了另一组原始无噪地震数据，图6为向图5地震数据中添加信噪比为2.0的随机噪声后产生的地震数据，而图7则利用本发明提供的保边去噪方法去噪后得到的地震数据。其中对比图5与图7可以发现，随机噪声得到了良好的去除，且断层边界得到了有效保护。

本发明提供了一种基于结构特征的地震数据保边去噪方法，该保边去噪方法包括有对地震数据进行平滑滤波处理，矩阵分解得到地震数据结构张量，完成地震数据结构特征分析；利用现有常规去噪方法对地震数据做滤波处理，求取局部相似性系数；构建得到导向滤波方程；多次去噪迭代等步骤。具有上述步骤的保边去噪方法可选择性对针对分区域进行去噪处理，在滤除随机噪声的同时有效保护了地震资料的边界信息。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。