[发明专利]一种基于稀疏正则化的联合约束随机噪声压制方法

说明书

一种基于稀疏正则化的联合约束随机噪声压制方法，属于地球物理勘探技术领域，具体包括以下步骤：S1，输入原始地震记录，根据含噪数据在曲波域和图像梯度域中的稀疏特征，构建曲波变换‑二阶广义全变差联合约束去噪的目标函数；S2，将含有曲波变换约束项的L1‑L2范数正则化模型转化为标准基追踪降噪问题，反演L1范数最小的曲波系数，得到初步去噪后的地震记录；S3，将初步去噪地震记录作为输入图像，通过求解二阶广义全变差约束的去噪问题，即可实现联合约束的随机噪声压制，最终输出信噪比增强的地震数据。本发明方法提高了对地震数据中随机噪声的去噪效果，并能够有效地保护弱信号能量，以此保障后续地震数据的高质量处理，以及地震地质解释结果的可靠性。

技术领域

本发明属于地球物理勘探技术领域，具体涉及关于一种基于稀疏正则化的联合约束的去噪方法，应用于实际地震数据中所含随机噪声的压制，以及弱有效信号能量的保护。

背景技术

地震勘探是探测石油、天然气和矿物等自然资源的常规手段之一。但受复杂采集环境和采集技术等因素的限制，野外获得的地震资料常伴有噪声及地震道缺失现象，而在地震数据处理过程中也会存在由于处理手段不适造成的人为假象，这些都将影响最终的地震数据成像，甚至误导地震地质解释。

原始采集的地震数据中包含规则噪声和随机噪声两类。现有的随机噪声压制方法可概括地分为5类：基于域变换滤波的去噪方法，如FX域滤波、中值滤波以及聚束滤波等；基于稀疏表示的去噪方法，如小波变换、曲波变换以及字典学习等；基于矩阵秩减的去噪方法，如奇异谱分析、结构低秩逼近等方法；基于信号分解的去噪方法，如经验模态分解、变分模态分解以及奇异值分解方法等；其它基于新型理论的去噪方法，如深度学习、数学形态等。

近年来，基于变换域稀疏表示的地震数据重构方法随着压缩感知理论的提出得以迅速发展。使用这类方法的一个前提条件就是信号本身具有稀疏性，或者其在某个特定变换域内可以被稀疏表示。由此可见，信号的稀疏性描述或表达，以及稀疏正则项的选取对于此类地震数据去噪方法尤为重要。曲波变换是一种能够对高维信号提供近乎最优稀疏表示的数学变换，对于地震波场的几何特征具有很好的捕捉能力。基于曲波变换的去噪方法可根据随机噪声与有效信号在尺度、角度或位置三个特征参数的不同，利用曲波变换实现随机噪声压制和缺失地震数据恢复。但是，曲波变换是一种计算调和分析方法，不可避免地会在抑噪结果中出现伪影现象，即表现出伪吉布斯振荡和“曲波状”伪曲线，这种干扰可能会引入虚假层位，对数据去噪质量和主要特征识别造成不良影响，为高分辨率地震成像结果的特征解释带来困难。

不同于曲波变换域压噪方法，已被广泛应用的全变差去噪是一种基于偏微分方程的图像处理方法，其根据图像梯度域稀疏特性建立TV-L2图像去噪模型，在压噪的同时能够保持图像边缘，减少振荡。但是，该模型有可能将噪声当成边缘，这会导致在图像处理中产生块状化效应，即在原始图像中的平滑过渡区域产生无边缘锐化。为了在图像降噪时既克服块化现象又避免边缘模糊，学者们提出基于二阶广义全变差的降噪方法，其正则项相当于一阶全变差与二阶全变差的混合正则项，能够根据图像的边缘与细节的变化实现自适应取值，可更加精确地描述图像平滑区域的强度变化。但是，在单纯使用二阶广义全变差正则约束随机噪声压制方法时，若对噪声过度压制会导致图像中大量重要信息的丢失，反之，如要保留地震资料的细节信息，可能难以对噪声进行有效压制，导致去噪效果变差。

发明内容

本发明要解决的技术问题在于提供一种基于稀疏正则化的联合约束随机噪声压制方法，本发明利用稀疏表示和稀疏约束正则策略，采取曲波变换与广义全变差联合约束条件，通过构建并求解相应的稀疏约束目标函数，提高对实际地震数据中的随机噪声的压噪效果，这将是一种行之有效的针对地震数据的去噪处理手段。

本发明采取以下技术方案：

一种基于稀疏正则化的联合约束随机噪声压制方法，具体包括以下步骤：