Steerable Pyramid分解地震随机噪声衰减 ——基于局部Laplace先验概率密度模型

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (2): 222-226.

Steerable Pyramid分解地震随机噪声衰减
——基于局部Laplace先验概率密度模型

林春1，王绪本1，刘力辉1，2

1.成都理工大学地球探测与信息技术教育部重点实验室，成都 610059
2.北京诺克斯达石油科技有限公司，北京 100192

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-11 发布日期:2012-01-11

Noise decaying of seismic data by Steerable Pyramid decomposition based on Laplace prior

LIN Chun1, WANG Xuben1, LIU Lihui1，2

1.Chengdu University of Technology KLGIT, Chengdu 610059, China
2.Chinarockstar Petroleum Science and Technology Ltd, Beijing 100192, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-11 Published:2012-01-11

摘要/Abstract

摘要： 简单介绍了具有多尺度与多方向性特点的Steerable Pyramid分解和重构的基本原理。采用softLMAP阈值将其应用于地震数据随机噪声衰减中，进行了仿真计算和实际资料的处理并与自适应BayesShrink阈值及小波域softLMAP阈值去噪进行比较。结果证明利用Steerable Pyramid分解softLMAP阈值能比较彻底地去掉噪声，去噪后的图像边缘保持良好，滤除噪声同时还保留了有效部分，去噪效果良好，且易于实现，在地震资料处理中具有一定的可行性和应用前景。

关键词: Steerable Pyramid, softLMAP, 自适应BayesShrink, 小波分解, 随机噪声

Abstract: The basic principle of decomposition and construction of Steerable Pyramid, which has multi-scale and multi-direction characteristics is introduced. It is applied in the random noise decaying of seismic data based on softLMAP threshold, and emulation and real data processing are given. The effect of noise decaying of Steerable Pyramid decomposition based on softLMAP threshold is compared with that of adaptive BayesShrink threshold and wavelet transform based on softLMAP threshold. The results prove that Steerable Pyramid transform based on softLMAP threshold can relatively completely remove the noise while the edge of picture keeps well and the detail part also keeps at the same time. The result of noise decaying is good and easy to realize, so that Steerable Pyramid decomposition has the feasibility and prospect in the seismic data process.

Key words: Steerable Pyramid, softLMAP, adaptive BayesShrink, wavelet transform, random noise

林春1，王绪本1，刘力辉1，2. Steerable Pyramid分解地震随机噪声衰减
——基于局部Laplace先验概率密度模型[J]. 计算机工程与应用, 2012, 48(2): 222-226.

LIN Chun1, WANG Xuben1, LIU Lihui1，2. Noise decaying of seismic data by Steerable Pyramid decomposition based on Laplace prior[J]. Computer Engineering and Applications, 2012, 48(2): 222-226.

[1]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[2]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[3]	石陆魁1，2，刘文浩1，李站茹1. 基于LDA和小波分解的肺音特征提取方法[J]. 计算机工程与应用, 2017, 53(22): 116-120.
[4]	颜学龙，丁鹏，马峻. 基于狼群算法的RBF神经网络模拟电路故障诊断[J]. 计算机工程与应用, 2017, 53(19): 152-156.
[5]	董引娣1，刘成军2，李洪兵3，熊庆宇4. 基于小波相似度加权的图像融合算法[J]. 计算机工程与应用, 2016, 52(7): 186-190.
[6]	贾建英，董安国. 基于联合直方图的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(5): 199-203.
[7]	蒲玲. 基于LLE方法的地震数据随机噪声压制[J]. 计算机工程与应用, 2015, 51(9): 213-216.
[8]	庄严，于凤芹. 结合节拍语义和MFCC声学特征的音乐流派分类[J]. 计算机工程与应用, 2015, 51(3): 197-201.
[9]	李汪兵，叶学义，齐珍珍，何志伟. 小波域的快速自适应图像修复算法[J]. 计算机工程与应用, 2015, 51(15): 183-187.
[10]	林卉1，2，3，Ruiliang Pu2，梁亮1，张连蓬1. 方向对比度和区域标准差相结合的图像融合[J]. 计算机工程与应用, 2014, 50(6): 31-34.
[11]	祝彦成，王文波，赵攀. 基于谐波小波与神经网络的钢铁价格预测[J]. 计算机工程与应用, 2012, 48(3): 246-248.
[12]	崔明义. 小波分解的浮点数编码遗传算法消噪变异研究[J]. 计算机工程与应用, 2011, 47(2): 35-37.
[13]	康晓兵1，2，魏生民2. 基于谱相关性的数字图像真伪鉴别[J]. 计算机工程与应用, 2011, 47(10): 8-12.
[14]	王宏勇，廖海斌，段新华，丁汨. 基于奇异值与特征融合矩阵的自适应人脸识别[J]. 计算机工程与应用, 2010, 46(7): 162-164.
[15]	尤娟，汤光明. 基于Hide4PGP二次嵌入的音频隐写分析[J]. 计算机工程与应用, 2009, 45(30): 135-137.