基于第二代curvelet变换的地震资料随机噪声衰减-煤田地质与勘探.pdfVIP

基于第二代curvelet变换的地震资料随机噪声衰减-煤田地质与勘探.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于第二代curvelet变换的地震资料随机噪声衰减-煤田地质与勘探

第38 卷 第1 期 煤田地质与勘探 Vol. 38 No.1 2010 年2 月 COAL GEOLOGY EXPLORATION Feb. 2010 文章编号: 1001-1986(2010)01-0066-05 基于第二代Curvelet 变换的地震资料随机噪声衰减 1 2 2 包乾宗 ,陈文超 ,高静怀 (1. 长安大学地质工程与测绘学院, 陕西 西安 710054 ; 2. 西安交通大学电子与信息工程学院波动与信息研究所, 陕西 西安 710049) : 噪声衰减是地震资料处理中的关键问题之一。根据 Curvelet 变换对含有光滑边界的二维二 阶连续可微函数所具有的稀疏表示性能,给出了 Curvelet 变换域地震资料随机噪声衰减的阈值方 法;并给出了基于地震资料中随机噪声是独立同分布的高斯白噪假设条件下的阈值估计方法。通 过合成数据和叠后实际数据算例,对该方法的有效性进行验证。结果表明,Curvelet 变换不仅可以 很好地衰减随机噪声,并且能较好地保持有效信号。 :Curvelet 变换;噪声衰减;小波变换;阈值函数 :P631 :A DOI: 10.3969/j.issn.1001-1986.2010.01.016 Seismic data random noise attenuation based on the second generation Curvelet transform 1 2 2 BAO Qianzong , CHEN Wenchao , GAO Jinghuai (1. College of Geology Engineering and Geomatics, Chang’an University, Xi an 710054, China; 2. Institute of Wave and Information , School of Electronics and Information Engineering, Xi an Jiaotong University, Xi an 710049, China) Abstract: Noise attenuation of seismic data processing is one of the key questions that can not be ignored. Ac- cording to the nonlinear approximation property of the Curvelet transform in objects with piecewise C2 edges, a threshold method of random noise attenuation in seismic data is proposed based on the Curvelet transform. And an estimation approach of the threshold value is presented on the assumption that the random noise is independent and identically distributed Gaussian white noise. The synthetic data and post-stack real data processing results confirm the eff

文档评论(0)

zhuwo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档