-
题名基于分块字典学习理论的地震数据去噪
被引量：2
- 1
-
-
作者
周俊捷
吴相伶
李文杰
李静和
-
机构
桂林理工大学地球科学学院
-
出处
《CT理论与应用研究（中英文）》
2022年第5期557-566,共10页
-
基金
广西自然科学基金(区域检测数据驱动下探地雷达隧道地质预报智能化解译技术研究与应用(2021GXNSFAA196056)
小波与曲波组合域探地雷达数据噪声与背景杂波压制技术(2018GXNSFAA281028))。
-
文摘
随着油气勘探观测环境愈发复杂,采集的地震数据常常掺杂各种噪声信号,导致勘探目标引起的有效微弱信号被覆盖,严重影响高精度的地震勘探数据解译,因而有效的压制地震勘探数据噪声显得越发重要。本文采用字典学习策略,将复杂地震数据进行分块,通过分块数据的字典学习获取字典原子,构建高精度的字典学习地震数据稀疏表示,通过两次迭代更新字典原子,进行数据去噪。将本文的字典学习算法应用于含随机噪声的模拟数据和实测地震勘探数据处理,验证该算法的可行性及有效性。结果表明,本文算法有效去除了随机噪声,保留了有效信号同相轴,提高了信噪比,可为复杂含噪地震数据的去噪处理提供新的技术手段。
-
关键词
分块字典学习
地震数据去噪
迭代更新
实测数据处理
-
Keywords
block dictionary learning
seismic data denoising
iterative updating
processing of measured data
-
分类号
O242
[理学—计算数学]
P315
[理学—数学]
P631
[天文地球—地震学]
-
-
题名Radon域下的K-SVD字典的混采分离
被引量：1
- 2
-
-
作者
李慧
韩立国
张良
贾帅
-
机构
吉林大学地球探测科学与技术学院
-
出处
《世界地质》
CAS
2019年第1期256-267,共12页
-
基金
国家自然科学基金(41674124)
-
文摘
基于地震反演来分离混采数据的方法,笔者提出用K次迭代奇异值分解(K-SVD)来更新Radon域下混叠信号中的字典原子的方法:在同步源采集和地震稀疏反演的背景下,将混合地震信号的分离视为稀疏反演问题,将共检波点域的数据表示在Radon域内,此时有效信号同相轴收敛;对数据阈值滤波后进行分块字典学习,进一步稀疏地表示地震数据;最后,固定字典,更新恢复信号和稀疏系数完成分离。模拟和实际资料处理结果表明:该方法对于混采数据的分离相对中值滤波、小波变换等更有效、分离质量明显提升,可应用于实际混叠数据中。
-
关键词
混采分离
Radon域
K-SVD
分块字典学习
-
Keywords
separation of blended seismic acquisition
Radon domain
K-SVD
block dictionary learning
-
分类号
P631.4
[天文地球—地质矿产勘探]
-
-
题名基于分块字典学习的稀疏表示人脸识别方法
- 3
-
-
作者
阮洋
潘炼
-
机构
武汉科技大学信息科学与工程学院
-
出处
《电视技术》
北大核心
2017年第11期192-197,共6页
-
文摘
字典学习能加强样本字典的稀疏性,得到的训练样本基类可以提高识别速度和精确度,但是对大量特征维数较高的训练样本使用字典学习进行稀疏表示分类运算量非常大。针对此问题,提出一种基于分块字典学习的稀疏表示人脸识别方法。首先将训练样本字典进行分块,使用Metaface字典学习方法对每块样本进行学习得到训练样本基,然后对字典基进行稀疏表示分类,采用投票方式对每块的最小重构误差进行加权投票确定分类结果。在Extended Yale B、ORL人脸数据库上通过实验对比现有方法,结果表明,该方法在训练样本有光照、表情变化的情况下有较高的识别率和鲁棒性。
-
关键词
分块字典学习
加权投票
稀疏表示
人脸识别
-
Keywords
block dictionary learning
weight voting
sparse representation
face recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
