Shearlet变换

摘要： 由于稀疏炮检点采集或野外采集因素造成地震数据的不规则,影响地震资料成像质量。基于压缩感知理论的重构方法,能够在有限采样的情况下有效重构地震数据。由于地震道的空间随机缺失在波数域表现为空间假频,文中将时空域的地震道重构转化为频率波数(FK)域的随机噪声压制问题。对FK域数据做多尺度、多方向性的剪切(Shearlet)变换,通过反演迭代消除FK域的空间假频,从而实现地震道的空间重构。该方法是在FK变换后进行Shearlet变换,可以看作一种新的稀疏基变换。由于全局随机采样因子频谱呈白噪特征,分段随机采样因子频谱呈蓝谱特征,因此分段采样数据有效信号与假频的混叠相对减少,更有利于数据重构。实验结果表明,分段随机采样FK+Shearlet域重构精度高于全局随机采样Shearlet域重构、分段随机采样Shearlet域重构和全局随机采样FK+Shearlet域重构。

摘要： 深反射地震探测技术是研究地球深部地质结构最为有效的手段之一。受大地滤波作用的影响,地震波能量成指数衰减,造成深层有效反射能量弱,受背景噪声干扰严重,难以实现深部地质结构的准确成像。本文通过研究深反射地震数据在Shearlet域中各个尺度角度上有效信号和随机噪声的分布差异,发现在不同的尺度角度上地震信号受随机噪声的影响程度不同。进一步将深反射地震数据尺度角度域中的信噪比、Shearlet系数二范数及随机噪声残差作为阈值的估计参数,实现随尺度角度自适应的随机噪声压制方法,最大限度地去除随机噪声的影响。通过理论模型数据和实际深反射地震数据测试,验证了Shearlet域自适应阈值随机噪声压制方法可以有效地去除随机噪声干扰,提升地震剖面的整体信噪比,实现深层微弱反射信号的精准成像。

摘要： 在越来越复杂的勘探环境中,针对因地震数据不完整、不规则导致的重建结果不精确的问题,提出了一种基于压缩感知和深度学习的地震数据重建方法。首先,利用地震信号在Shearlet变换域内的稀疏性,在压缩感知框架下对数据进行预处理。然后,将预处理后的结果作为网络的输入数据,将完整的地震数据作为标签数据,对两者进行数据块处理并建立训练数据,利用卷积神经网络(CNN)实现地震数据端到端的重建。最后,基于训练后的网络模型获得最终重建结果。利用合成地震数据和实际地震数据的重建结果验证基于压缩感知和深度学习的地震数据重建方法的有效性。试验结果表明,在采样率相同的情况下,相比于压缩感知重建方法和深度学习重建方法,结合压缩感知和深度学习的重建方法能够更有效地恢复缺失数据,重建误差更小,在数据大量缺失的情况下,该方法也能够表现出较好的重建性能。

摘要： 数字水印技术被广泛应用于版权保护,为了更好地实现版权保护,增强水印算法的鲁棒性与不可感知性,兼顾几何攻击与非几何攻击的抵抗能力,提出一种基于Shearlet变换和Hu矩的零水印算法.对载体图像进行Shearlet变换和分块离散余弦变换,并分块计算Hu矩以构建特征矩阵,进而构造零水印.构造零水印前使用Kent混沌映射加密,保障了安全性.在仿真实验中对不同纹理的图像进行常见的高强度单一攻击以及组合攻击.结果表明,归一化互相关数值均高于0.99,峰值信噪比均高于75.80.该水印方案有完美的不可感知性,且能够抵御高强度的常见攻击及组合攻击,具有较强的鲁棒性.

摘要： 探月雷达作为嫦娥三号和嫦娥四号月球探测任务中最重要的科学载荷之一,其目标是探测月壤及地下结构信息.然而,嫦娥三号探月雷达的第二通道数据受到横向杂波的干扰,使得有用的反射信息被掩盖.这些杂波可以认为是影响数据质量的横向噪声,使得探月雷达数据信噪比低,影响数据解释.本文将利用shearlet变换对探月雷达数据进行信号分析与噪声去除,并对嫦娥三号着陆区的月壤结构进行重建.首先,在shearlet域中,观察横向噪声的分布,并分离出以噪声为主的shearlet分量,并得到重建后的雷达数据.随后,为充分利用嫦娥三号第二通道两套数据的整体优势,对两套经过shearlet变换去噪后的雷达数据进行融合,得到综合探月雷达图像,有效得去除了水平噪声并增强了来自浅月表的有效信号.最后,根据探月雷达处理结果对嫦娥三号着陆点的月壤结构进行重建,重建结构中的溅射物厚度与撞击坑溅射物经验公式结果得到了相互印证.

摘要： 为进一步提高空基光电探测系统对复杂环境与目标的智能感知性能,采用多无人机平台组成分布式空基多波段融合探测系统进行多基线数字多波段测量,系统具备可见光、红外数据协同探测与多波段图像融合能力.为了结合红外与可见光多模态图像的互补信息,文中提出一种基于引导滤波的可见光与红外像素级异构图像融合算法.首先,采用Shearlet变换分别对两幅经过处理的相同视场的可见光和红外图像进行高低频特征分解;接着,通过引导滤波提取图像显著性特征和边缘特征;最后,计算融合的权重再对图像进行像素级融合.本算法在在Ubuntu18.04系统上采用Qt开发框架进行算法实现并在某分布式多机系统下得到验证,算法对于分辨率为640×512的红外与可见光多波段图像源融合时间为32 ms,满足实时图像融合需求,融合后的图像能突出目标的红外辐射特性并较好的保留背景细节信息,为后续目标智能识别提供了保障.

摘要： 反褶积、Q补偿、谱白化、小波变换等方法在提高地震资料分辨率的同时往往会放大噪声,降低地震资料的信噪比。由于地震随机噪声服从高斯分布且其本身并无方向性,因而在Shearlet域可将有效信号与随机噪声分开。通过Shearlet变换将地震信号转换到Shearlet域,对Shearlet域系数进行合理的补偿后,再做Shearlet反变换,可实现对地震资料的提高分辨率处理。结合Shearlet变换的这两个特点,首先舍弃随机噪声Shearlet域系数,同时只对优势频带范围内的Shearlet域系数做补偿和提频处理。这样既提高地震资料分辨率又保持了地震资料信噪比。合成地震数据和叠后实际资料的处理结果表明,本文方法可有效提高叠后地震资料分辨率。

摘要： 由于采集环境及仪器性能的限制,采集的地震信号中含有较强的随机噪声,对后续的处理和解释带来很大困难。多尺度几何分析近年来受到关注,在Shearlet变换域中引入非局部均值(NLM,non-local mean algorithm)算法对地震信号进行去噪,该算法首先对地震信号进行非下采样Shearlet变换,对近似服从广义高斯分布的Shearlet系数进行主成分分析(PCA,principal component analysis),然后采用非局部均值处理Shearlet系数,最后对新的Shearlet系数进行Shearlet反变换,得到去噪之后的地震信号。实验结果表明,文中算法在低噪声情况下能够获得优于非局部均值算法的去噪效果,对地震信号去噪具有可行性。

摘要： 在地球物理方面，Shearlet变换去噪已经在地震数据处理中的图像去噪、压制随机噪声、面波压制以及遥感图象处理中都得到了较好的应用。将基于Shearlet变换的去噪应用于正演位场数据处理中，取得了较为满意的结果。将该方法应用于刘家坪铜矿地区的实测布格重力异常去噪处理中，一方面，为下一步的处理提供了相对可靠的基础结果，另一方面，可以表明Shearlet变换于位场数据去噪处理中具有一定的应用前景，具有进一步研究的价值与意义。

摘要： 在地球物理方面，Shearlet变换去噪已经在地震数据处理中的图像去噪、压制随机噪声、面波压制以及遥感图象处理中都得到了较好的应用。将基于Shearlet变换的去噪应用于正演位场数据处理中，取得了较为满意的结果。将该方法应用于刘家坪铜矿地区的实测布格重力异常去噪处理中，一方面，为下一步的处理提供了相对可靠的基础结果，另一方面，可以表明Shearlet变换于位场数据去噪处理中具有一定的应用前景，具有进一步研究的价值与意义。

摘要： 在地球物理方面，Shearlet变换去噪已经在地震数据处理中的图像去噪、压制随机噪声、面波压制以及遥感图象处理中都得到了较好的应用。将基于Shearlet变换的去噪应用于正演位场数据处理中，取得了较为满意的结果。将该方法应用于刘家坪铜矿地区的实测布格重力异常去噪处理中，一方面，为下一步的处理提供了相对可靠的基础结果，另一方面，可以表明Shearlet变换于位场数据去噪处理中具有一定的应用前景，具有进一步研究的价值与意义。

摘要： 在地球物理方面，Shearlet变换去噪已经在地震数据处理中的图像去噪、压制随机噪声、面波压制以及遥感图象处理中都得到了较好的应用。将基于Shearlet变换的去噪应用于正演位场数据处理中，取得了较为满意的结果。将该方法应用于刘家坪铜矿地区的实测布格重力异常去噪处理中，一方面，为下一步的处理提供了相对可靠的基础结果，另一方面，可以表明Shearlet变换于位场数据去噪处理中具有一定的应用前景，具有进一步研究的价值与意义。

摘要： 在地球物理方面，Shearlet变换去噪已经在地震数据处理中的图像去噪、压制随机噪声、面波压制以及遥感图象处理中都得到了较好的应用。将基于Shearlet变换的去噪应用于正演位场数据处理中，取得了较为满意的结果。将该方法应用于刘家坪铜矿地区的实测布格重力异常去噪处理中，一方面，为下一步的处理提供了相对可靠的基础结果，另一方面，可以表明Shearlet变换于位场数据去噪处理中具有一定的应用前景，具有进一步研究的价值与意义。

摘要： 地震信号去噪作为地震数据处理过程的重要环节,可以提高地震资料的信噪比,具有十分重要的研究意义.然而多数去噪方法存在效果差、保真度低等问题,因此本文提出了一种结合Shearlet变换与广义全变差(TGV)的新方法,可以很好地消除地震信号随机噪声.相比于Shearlet变换,本文提出的方法可以有效地解决Gibbs效应和油画效应,避免破坏有效信号的结构,更适用于地震信号去噪.模拟数据和实际数据测试结果均表明本文提出的方法显著优于传统去噪方法,在地震数据随机噪声抑制方面具有明显的优势.

摘要： 地震信号去噪作为地震数据处理过程的重要环节,可以提高地震资料的信噪比,具有十分重要的研究意义.然而多数去噪方法存在效果差、保真度低等问题,因此本文提出了一种结合Shearlet变换与广义全变差(TGV)的新方法,可以很好地消除地震信号随机噪声.相比于Shearlet变换,本文提出的方法可以有效地解决Gibbs效应和油画效应,避免破坏有效信号的结构,更适用于地震信号去噪.模拟数据和实际数据测试结果均表明本文提出的方法显著优于传统去噪方法,在地震数据随机噪声抑制方面具有明显的优势.

摘要： 地震信号去噪作为地震数据处理过程的重要环节,可以提高地震资料的信噪比,具有十分重要的研究意义.然而多数去噪方法存在效果差、保真度低等问题,因此本文提出了一种结合Shearlet变换与广义全变差(TGV)的新方法,可以很好地消除地震信号随机噪声.相比于Shearlet变换,本文提出的方法可以有效地解决Gibbs效应和油画效应,避免破坏有效信号的结构,更适用于地震信号去噪.模拟数据和实际数据测试结果均表明本文提出的方法显著优于传统去噪方法,在地震数据随机噪声抑制方面具有明显的优势.

摘要： 地震信号去噪作为地震数据处理过程的重要环节,可以提高地震资料的信噪比,具有十分重要的研究意义.然而多数去噪方法存在效果差、保真度低等问题,因此本文提出了一种结合Shearlet变换与广义全变差(TGV)的新方法,可以很好地消除地震信号随机噪声.相比于Shearlet变换,本文提出的方法可以有效地解决Gibbs效应和油画效应,避免破坏有效信号的结构,更适用于地震信号去噪.模拟数据和实际数据测试结果均表明本文提出的方法显著优于传统去噪方法,在地震数据随机噪声抑制方面具有明显的优势.

摘要： 地震信号去噪作为地震数据处理过程的重要环节,可以提高地震资料的信噪比,具有十分重要的研究意义.然而多数去噪方法存在效果差、保真度低等问题,因此本文提出了一种结合Shearlet变换与广义全变差(TGV)的新方法,可以很好地消除地震信号随机噪声.相比于Shearlet变换,本文提出的方法可以有效地解决Gibbs效应和油画效应,避免破坏有效信号的结构,更适用于地震信号去噪.模拟数据和实际数据测试结果均表明本文提出的方法显著优于传统去噪方法,在地震数据随机噪声抑制方面具有明显的优势.

摘要： 本发明的一种基于Shearlet变换的自适应阈值地震随机噪声压制方法，包括：读取二维地震数据；对二维地震数据进行剪切变换获得二维地震数据在Shearlet域各尺度和方向上的变换系数；通过比较在Shearlet域各尺度和方向上的变换系数，确定该尺度方向内最小的变换系数对应的地震数据中含有的地震噪声作为该尺度分布的随机噪声，计算随机噪声的能量；根据随机噪声的能量，计算自适应阈值，基于自适应阈值对变换系数进行阈值处理，设置小于自适应阈值的变换系数为零，得到阈值后系数；对阈值后系数进行逆剪切变换，得到时间域去噪后的地震数据。通过构造自适应阈值进行随机噪声压制，能有效去除地震数据中存在的随机噪声，保留更多的有效信息。

摘要： 本发明涉及一种基于Shearlet变换的多尺度一次波分离方法，包括：输入原始地震记录和预测多次波；构建Shearlet系统；对输入数据进行Shearlet系统下的映射；进行Shearlet域多尺度分解，获得多尺度地震记录和预测多次波；进行多尺度匹配，以原始地震记录中包含的真实多次波信息为准则，对预测多次波进行振幅和相位上的校正；选取各尺度下校正后的预测多次波Shearlet系数作为阈值，进行分尺度Shearlet软阈值减去，将各尺度下原始地震记录中的一次波分离出来；将多尺度一次波分离结果合并，获得最终一次波分离结果。本发明基于Shearlet变换的多尺度一次波分离方法，可以实现一次波的有效分离。

摘要： 本发明提出了一种基于非下采样Shearlet变换与矢量C‑V模型的图像分割方法，属于图像处理领域。该方法对给定的图像用非下采样剪切波进行多层分解，获得不同方向的低频和高频分量，送到矢量C‑V模型中，在整个图像上初始化一系列均匀分布演化曲线，极小化得到的能量泛函，从而得到分割结果。本发明分割效果显著，具有较高的客观评价质量和很好的视觉效果。

摘要： 本发明针对于现有的地震数据随机噪声压制方法存在的问题，提供一种基于3D‑Shearlet变换和尺度自适应的地震随机噪声压制方法，属于地震数据处理技术领域。本发明的方法为：1、读取多炮二维地震数据；对多炮二维地震数据进行3D‑Shearlet变换，获得在3D‑Shearlet域各尺度和方向上的变换系数；2、设定去除随机噪声的自适应阈值函数；3、对3D‑Shearlet变换系数进行阈值化处理；4、利用3D‑Shearlet反变换获取随机噪声压制后的结果。该方法在去噪过程中，结合随尺度变化的自适应因子，能够有效地去除随机噪声，最大限度地保留能量较弱的有效信号，提高地震数据的信噪比和保真度。

摘要： 本发明的一种基于Shearlet变换的自适应阈值地震随机噪声压制方法，包括：读取二维地震数据；对二维地震数据进行剪切变换获得二维地震数据在Shearlet域各尺度和方向上的变换系数；通过比较在Shearlet域各尺度和方向上的变换系数，确定该尺度方向内最小的变换系数对应的地震数据中含有的地震噪声作为该尺度分布的随机噪声，计算随机噪声的能量；根据随机噪声的能量，计算自适应阈值，基于自适应阈值对变换系数进行阈值处理，设置小于自适应阈值的变换系数为零，得到阈值后系数；对阈值后系数进行逆剪切变换，得到时间域去噪后的地震数据。通过构造自适应阈值进行随机噪声压制，能有效去除地震数据中存在的随机噪声，保留更多的有效信息。

摘要： 本发明属于地震识别领域，具体涉及一种基于Shearlet变换的地震映像小断层识别增强方法。本发明的技术方案如下：一种基于Shearlet变换的地震映像小断层识别增强方法，包括如下步骤：(1)读取地震映像法数据；(2)利用Shearlet变换对地震映像法数据进行分解；(3)将所述Shearlet系数进行阈值处理；(4)利用Shearlet系数剖面进行断层识别。本发明提供的基于Shearlet变换的地震映像小断层识别增强方法，通过Shearlet变换将地震数据进行剖分，在Shearlet域进行随机噪声压制，增强有效信号的表达能力，同时，借助Shearlet变换的多尺度特性，将地震数据划分成不同的频带，在不同尺度上进行小断层识别，达到增强断层识别的目的。

摘要： 本发明涉及一种基于Shearlet变换的多尺度一次波分离方法，包括：输入原始地震记录和预测多次波；构建Shearlet系统；对输入数据进行Shearlet系统下的映射；进行Shearlet域多尺度分解，获得多尺度地震记录和预测多次波；进行多尺度匹配，以原始地震记录中包含的真实多次波信息为准则，对预测多次波进行振幅和相位上的校正；选取各尺度下校正后的预测多次波Shearlet系数作为阈值，进行分尺度Shearlet软阈值减去，将各尺度下原始地震记录中的一次波分离出来；将多尺度一次波分离结果合并，获得最终一次波分离结果。本发明基于Shearlet变换的多尺度一次波分离方法，可以实现一次波的有效分离。

摘要： 本发明公开了一种基于shearlet变换的探地雷达图像去噪方法，首先对采集到的探地雷达数据进行频域傅里叶变换，然后进行频域加窗处理，对加窗处理后的探地雷达数据进行非下采样shearlet变换，然后利用基于最大后验概率估计的双变量模型，对不同尺度的不同方向的shearlet系数进行阈值萎缩处理，更新系数，对新的shearlet系数进行逆shearlet变换，得到去噪后的探地雷达频域图像。本算法实现简单，去噪效果良好，具有很好的工程实用价值。

摘要： 本发明公开基于3Dshearlet变换的井中微地震信号去噪方法，包括以下步骤：步骤一、将井中微地震三个分量数据转为三维数据集；步骤二、对所述数据集进行剪切变换以获得剪切系数；步骤三、对所述剪切系数进行阈值处理得阈值后系数：步骤四、对所述阈值后系数应用逆剪切变换得时域去噪后信号；步骤五、输出所述时域去噪后信号前三个表面得到有效信号。本发明利用了微地震数据和剪切域中系数分布的相关性，应用3D shearlet处理三分量信号，并采用多尺度阈值函数去噪，在有效信号保留和噪声衰减方面取得了优良的性能。

摘要： 本发明公开基于3 Dshearlet变换的井中微地震信号去噪方法，包括以下步骤：步骤一、将井中微地震三个分量数据转为三维数据集；步骤二、对所述数据集进行剪切变换以获得剪切系数；步骤三、对所述剪切系数进行阈值处理得阈值后系数：步骤四、对所述阈值后系数应用逆剪切变换得时域去噪后信号；步骤五、输出所述时域去噪后信号前三个表面得到有效信号。本发明利用了微地震数据和剪切域中系数分布的相关性，应用3Dshearle处理三分量信号，并采用多尺度阈值函数去噪，在有效信号保留和噪声衰减方面取得了优良的性能。