MCA框架下Shearlet和DCT字典组合地震数据重建

• 作者: 张凯 张医奎 李振春 欧阳义 田鑫 陈军屹
• 来源期刊: 石油地球物理勘探
• 关键词: 形态分量分析 Shearlet变换 离散余弦变换 地震数据重建 压缩感知
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 处理技术
• 页码范围: 1005-1013,1056
• 页数: 10页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2019.05.008

摘要

相比于单一变换,形态分量分析(MCA)是信号稀疏表示的一种更有效的手段.在MCA框架下,提出了一种Shearlet字典和DCT字典组合的地震数据重建方法.首先,基于MCA框架,分别选取DCT字典和Shear-let字典稀疏表示地震数据中的局部奇异分量与平滑线状分量;随后,通过加入指数阈值模型和指数阈值函数的块坐标松弛(BCR)算法重建各个分量;最后,合并各个分量得到重建结果.合成数据实验和真实数据实验均表明,该方法能够有效地重建缺失地震数据,且重建精度高于单一Shearlet字典、Curvelet+ DCT字典组合和Shearlet+ Curvelet字典组合.