压缩感知框架下基于K-奇异值分解字典学习的地震数据重建

• 作者: 周亚同 王丽莉 蒲青山
• 来源期刊: 石油地球物理勘探
• 学科: 地球科学
• 关键词: 压缩感知 K-奇异值分解(K-SVD) 字典学习 地震数据重建 正则化正交匹配追踪
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 处理技术
• 页码范围: 652-660
• 分类号: P631
• 语种: 中文

摘要

针对地震勘探中由于采集成本及采集环境等诸多因素导致地震数据不完整或者不规则问题,本文提出了一种压缩感知框架下基于K-奇异值分解(K-SVD)字典学习的地震数据重建算法.基本思路是首先对大量地震样本数据进行K-SVD字典训练得到超完备字典,然后引入缺失地震数据的采样矩阵作为测量矩阵.在重建阶段则采用正则化正交匹配追踪(ROMP)实现缺失地震数据的恢复.与传统的基于Curvelet变换或基于傅里叶变换等地震数据重建算法采用单一基函数不同,本文引入的超完备字典能够自适应地根据训练样本数据进行特征提取,并能根据待处理数据的本身特点自适应选取变换基函数.超完备字典为地震数据自适应稀疏扩展提供了更大灵活性,有利于更好地重建数据.合成地震数据以及实际海洋数据重建实验验证了本文算法的可行性及有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周亚同	河北工业大学信息工程学院	58	236	9.0	13.0
5	王丽莉	河北工业大学信息工程学院	2	52	2.0	2.0