简介：地震数据规则化是地震信号处理中一个重要步骤,近年来受到广泛关注的压缩感知技术已经被应用到地震数据规则化中。压缩感知技术突破了传统的Shannon-Nyqiust采样定理的限制,可以用采集的少量地震数据重构完整数据。基于压缩感知技术的地震数据规则化质量主要受三个因素影响,除了受地震信号在不同变换域的稀疏表达和11范数重构算法的影响外,极大地取决于地震道随机稀疏采样方式。尽管已有学者开展了2D地震数据离散均匀分布随机采样方式研究,但设计新的稀疏采样方案仍然很有必要。在本文中,我们提出满足Bernoulli分布规律的Bernoulli随机稀疏采样方式和它的抖动形式。对2D数值模拟数据进行四种随机稀疏采样方案和两种变换（Fourier变换和Curvelet变换）实验,对获取的不完整数据应用11范数谱投影梯度算法（SPGL1）进行重构。考虑到不同随机种子点产生不同约束矩阵R会有不同的规则化质量,对每种方案和每个稀疏采样因子进行10次规则化实验,并计算出相应信噪比（SNR）的平均值和标准偏差。实验结果表明,我们提出的新方案好于或等于已有的离散均匀分布采样方案。

简介：特征值相干属性是一种高效、成熟的裂缝预测技术。但即使在连续、稳定的目的层段,部分裂缝隐没于相近高灰度值区域而难以识别;在破碎带发育区域,由于成像能量难以完美聚焦,中、小尺度的裂缝区域呈现相近低灰度值的云雾状模糊而无法区分。本文提出一种以直方图均衡化处理为核心技术的新型裂缝增强方法。该方法能够强化相干图像中不连续性信息与背景的差异性,突出裂缝的线性结构:采用相干图像阈值逐级调节的方式,实现对不同尺度裂缝的预测。该方法同时提升了显性、隐性裂缝识别能力和精度。更多还原

简介：边界识别是重磁数据解释中的常用方法之一,依据其结果可划分出地质体的水平范围。边界识别结果受地质体埋深及导数计算误差的影响所识别边界与真实边界之间存在一定的差距,且边界识别法无法直观地给出地质体的深度信息。为了获得异常体的水平位置和深度信息,本文提出空间归一化边界识别方法,其对不同深度的边界识别函数进行归一化计算,空间归一化边界识别法的最大值对应于异常体的水平位置和深度。常规边界识别结果的误差随理深的减小而减小,而空间归一化边界识别法是通过最大值来判断地质体的位置,最大值是在地质体处获得,因此归一化边界识别方法所获得的结果是准确的。通过理论模型试验证明归一化边界识别方法能有效地完成异常体的水平位置和深度的计算,所获得的水平位置和深度信息与理论值相一致,为下一步的勘探计划提供了更加可靠的依据。将其应用于实际航磁数据的解释,获得了断裂的具体分布形式。更多还原