基于正则化混合范数滤波的地震图像结构导向降噪方法

摘要

本发明公开了一种基于正则化混合范数滤波的地震图像结构导向降噪方法，包括以下步骤：对输入三维地震图像求梯度结构张量；对梯度结构张量进行正则化混合范数滤波；根据滤波后的梯度结构张量的特征值和特征向量设计扩散张量；计算连续性因子，在边断层尖灭等位置连续性因子接近0，实现结构保持性能；用sobel算子做求导算子来计算散度。本发明的方法既能保留地震数据的纹理边缘信息，又能对高斯噪声，超高斯噪声和亚高斯噪声进行有效压制，是一种高效的降噪方法。

主权项

1.一种基于正则化混合范数滤波的地震图像结构导向降噪方法，其特征在于，该方法为： 1)设置以下参数：迭代步长Δt；梯度值最大的方向的扩散值系数α；结构导向滤波迭代次数； 2)导入三维地震图像数据u_n，计算三维地震图像中每个点的梯度向量其中三维地震图像中点(x，y，z)的梯度的计算公式为：其中，u_n(x，y，x)为点(x，y，z)的像素值；u_n(x+1，y，z)、u_n(x-1，y，z)、u_n(x，y+1，z)、u_n(x，y-1，z)、u_n(x，y，z+1)、u_n(x，y，z-1)为点(x，y，z)的邻近点对应的像素值；3)计算三维地震图像中每个点的梯度结构张量存储所述梯度结构张量S⁰的六个梯度结构张量体4)对上述六个梯度结构张量体分别进行正则化混合范数滤波，得到正则化混合范数滤波后的6个体数据S_ρ11，S_ρ12，S_ρ13，S_ρ22，S_ρ23，S_ρ33，利用 S_ρ11，S_ρ12，S_ρ13，S_ρ22，S_ρ23，S_ρ33重构当前迭代的三维地震图像正则化混合范数滤波后的梯度结构张量S_ρ： 5)将当前迭代的三维地震图像正则化混合范数滤波后的梯度结构张量S_ρ进行特征值分解； 6)根据当前迭代的三维地震图像正则化混合范数滤波后的梯度结构张量S_ρ的特征值和特征向量构造扩散张量D； 7)计算当前迭代的三维地震图像每一个点的连续性因子ε^*： ε^*＝0.5*sin(pi*(ε-0.5))+0.5； 其中，Tr(·)表示矩阵主对角元素求和运算，是第一次迭代的三维地震图像正则化混合范数滤波后的梯度结构张量；8)将扩散张量D乘以梯度向量得到向量K，对向量K的三个分量K_x，K_y，K_z分别用sobel算子进行计算，得到K_x的三个方向的偏导数K_y的三个方向的偏导数K_z的三个方向的偏导数将得到的所有偏导数相加，得到向量K的散度值div(K)；9)根据迭代步长Δt和向量K的散度值div(K)计算当前迭代的三维地震图像中点的像素值u_n+1： 10)判断是否达到结构导向滤波迭代次数的上限，若达到，则结束；否则，将u_n+1作为待导入的三维地震图像数据，返回步骤2)。