基于矢量混合距离排序的多分量地震数据滤波方法与流程

本发明涉及地震勘探的技术领域，尤其涉及一种基于矢量混合距离排序的多分量地震数据滤波方法。

背景技术：

多分量地震数据同时记录了质点在垂直和水平方向的运动情况，是地震波矢量场的完整记录。矢量数据不仅同时提供了纵波和横波的走时(速度)、振幅和频率信息，还提供了同一波在各分量间的相对振幅关系，以及不同波的振幅差异和走时差异等信息。这些矢量波场特有的信息能更加详细、精确地刻画地下介质的构造、岩性、流体饱和度、孔隙压力、裂缝等特征。然而由于当前使用方法与处理技术的局限性，这些信息未能被充分发掘出来。

利用矢量波场信息的前提是在要求预处理过程中需保持波场矢量特征不变。当前常用的地震数据去噪方法有时空域的匹配滤波、中值滤波、svd分解等，以及基于数学变换的s变换去噪、小波变换去噪等，这些常规去噪方法是将多分量地震数据的每个分量当作一个标量场来处理，容易破坏多分量地震波场的矢量特征。近年来，针对多分量地震数据也发展出了一些去噪方法。但这些方法可能会使应用范围受到限制，或是求稀疏解与时频变换均非常耗时，难以对大批量地震数据进行处理。

另外，矢量统计排序滤波是一大类以多元数据排序统计分析为基础的滤波方法的统称，包括多道α截集均值滤波、多道修正截集均值滤波(multichannelmodified-trimmedmeanfilter,mtm)、矢量中值滤波(vectormedianfilter,vmf)、矢量方向滤波等。矢量统计排序滤波方法非常适合处理矢量信号，在彩色图像处理应用中取得了很好效果。然而，现行的矢量统计排序滤波对地震数据无法有效去除噪声。因此，矢量统计排序滤波仍有改善的空间。

技术实现要素：

本发明的主要目的在于提供一种基于矢量混合距离排序的多分量地震数据滤波方法，以解决现有技术存在的对多分量地震数据无法有效去除噪声且同时有效保留多分量地震数据矢量特征的问题。

为解决上述问题，本发明实施例提供一种基于矢量混合距离排序的多分量地震数据滤波方法，适用于对多分量地震数据进行随机噪声压制，包括：取得多分量地震道数据，组成矢量地震道数据；给定滤波时窗长度l，以当前滤波点为所述滤波时窗长度的中心，从所述矢量地震道数据多分量数据中取得l个矢量，其中l为大于0的正整数；根据所述l个矢量，取得第一聚集距离；将l个矢量归一化处理，以取得第二聚集距离；将所述第一聚集距离与所述第二聚集距离相加，得到混合聚集距离，并对所述混合聚集距离进行排序，最小的混合聚集距离对应的矢量即为当前滤波点的最终取值。

根据本发明的技术方案，通过取得多分量地震数据，给定滤波时窗长度l，且以当前滤波点为所述滤波时窗长度的中心，从多分量数据中取得l个矢量，根据l个矢量，取得第一聚集距离及将l个矢量归一化处理，以取得第二聚集距离，将第一聚集距离与第二聚集距离相加，得到混合聚集距离，并对所述混合聚集距离进行排序，最小的混合聚集距离对应的矢量即为当前滤波点的最终取值。如此一来，可在有效去除随机噪声的同时保留多分量地震数据的矢量特征，且可对任何道集形式和任意道数的地震数据进行去噪处理。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的基于矢量混合距离排序的多分量地震数据滤波方法的流程图；

图2是根据本发明实施例的矢量间的距离示意图；

图3a和图3b是实际地震数据的r分量和t分量的示意图；

图4a和图4b是根据本发明实施例的多分量地震数据矢量排序滤波方法去噪后的地震数据的r分量和t分量的示意图；

图5a和图5b是基于常规单分量标量滤波方法去噪后的的地震数据的r分量和t分量的示意图。

具体实施方式

本发明的主要思想在于，基于取得多分量地震数据，给定滤波时窗长度l，且以当前滤波点为所述滤波时窗长度的中心，从多分量数据中取得l个矢量，根据l个矢量，取得第一聚集距离及将l个矢量归一化处理，以取得第二聚集距离，将第一聚集距离与第二聚集距离相加，得到混合聚集距离，并对所述混合聚集距离进行排序，最小的混合聚集距离对应的矢量即为当前滤波点的最终取值。如此一来，可在有效去除随机噪声的同时保留多分量地震数据的矢量特征及对任何道集形式和任意道数的地震数据进行去噪处理。

为使本发明的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本发明作进一步地详细说明。

图1是根据本发明实施例的基于矢量混合距离排序的多分量地震数据滤波方法的流程图。

在步骤s102中，取得多分量地震道数据，组成矢量地震道数据。在本实施例中，多分量地震数据是以三分量地震数据为例，且每次取得的多分量地震数据包括x分量、y分量和z分量，其中x分量表示为x＝[x1x2…xn]，y分量表示为y＝[y1y2…yn]，z分量表示为z＝[z1z2…zn]，其中，n为每道多分量地震数据的时间采样点数。并且，所述矢量地震道数据为s＝[s1s2…sn]，其中

在步骤s104中，给定滤波时窗长度l，以当前滤波点为所述滤波时窗长度的中心，从所述矢量地震道数据中取得l个矢量，其中l为大于0的正整数。在本实施例中，给定滤波时窗长度l，并将l取为奇数，以取得半滤波时窗长度，即lh＝(l-1)/2。并且，假设当前滤波点为第i个采样点，i∈{12…n}，且以此当前滤波点为所述滤波时窗长度的中心，利用此滤波时窗从所述多分量数据中取得l个矢量，其中所述l个矢量表示为

在步骤s106中，根据所述l个矢量，取得第一聚集距离。在本实施例中，根据所述l个矢量，并例如通过如下公式：进行计算，以求取第一聚集距离，即取得l个矢量的聚集距离，其中||·||2表示矢量的l2范数，dj为第一聚集距离，sj和sk分别为所述l个矢量的第j和第k个矢量。

在步骤s108中，将l个矢量归一化处理，以取得第二聚集距离。在本实施例中，例如通过如下公式：s′j＝sj/|sj|,(j＝i-lh,…,i,…,i+lh)，以将l个矢量归一化处理，再通过如下公式：对归一划处理后的l个矢量进行计算，以求取第二聚集距离，即取得归一划处理后的l个矢量的聚集距离。其中，dj′为第二聚集距离，s′j和·s′k分别为所述归一化后l个矢量的第j和第k个矢量。

在步骤s110中，将所述第一聚集距离与所述第二聚集距离相加，得到混合聚集距离，并对所述混合聚集距离进行排序，最小的混合聚集距离对应的矢量即为当前滤波点的最终取值。在本实施例中，例如通过如下公式：dj＝dj+dj′,(j＝i-lh,…,i,…,i+lh).，即将所述第一聚集距离与所述第二聚集距离相加，得到混合聚集距离，其中dj为混合聚集距离。并且，对所述混合聚集距离进行排序，其中最小的混合聚集距对应的矢量即为当前滤波点的最终取值。

在本实施利中，第一聚集距离例如为2维矢量的欧氏距离，第二聚集距离例如为2维矢量的归一化欧氏距离，如图2所示，其中，△u为欧氏距离，△v为归一化欧氏距离。本发明则是采用矢量的欧氏距离和归一化欧氏距离进行综合排序。另外，在图1的实施例中，先执行步骤s106，再执行步骤s108，但本实施例不限于此，步骤s106与步骤s108的顺序可以对调，即可以先执行步骤s108，再执行步骤s106，亦可达到相同的效果。

上述已说明了本发明实施例的基于矢量混合距离排序的多分量地震数据滤波方法的流程。以下，将提供一个实例来验证上述方法的处理效果。

图3a和图3b是实际地震数据的r分量和t分量的示意图，其中图3a为地震数据的r分量，图3b为地震数据的t分量，且实际地震数据的随机噪声较大。接着，分别使用本发明实施例的基于矢量混合距离排序的多分量地震数据滤波方法及常规标量去噪方法，对图3a和图3b的r分量和t分量进行处理，且处理结果分别如图4a和图4b与图5a和图5b。

图4a和图4b是根据本发明实施例的基于矢量混合距离排序的多分量地震数据滤波方法去噪后的地震数据的r分量和t分量的示意图，其中图4a为地震数据的r分量，图4b为地震数据的t分量。图5a和图5b是基于常规单分量标量滤波方法去噪后的地震数据的r分量和t分量的示意图，其中图5a为地震数据的r分量，图5b为地震数据的t分量。

在图4a和图4b中，可见随机噪声在很大程度上被消除了，有效地震波的同相轴变得更加清晰连续。并且，对比图4a和图4b与图5a和图5b可见，本发明实施例的基于矢量混合距离排序的多分量地震数据滤波方法要比常规单分量标量滤波方法能更有效地去除随机噪声并更好地保留有效地震信号。

综上所述，本发明通过取得多分量地震数据，组成矢量地震道数据，给定滤波时窗长度l，且以当前滤波点为所述滤波时窗长度的中心，从所述矢量地震道数据中取得l个矢量，根据l个矢量，取得第一聚集距离，及将l个矢量归一化处理，以取得第二聚集距离，将第一聚集距离与第二聚集距离相加，得到混合聚集距离，并对所述混合聚集距离进行排序，最小的混合聚集距离对应的矢量即为当前滤波点的最终取值。亦即，在矢量空间中，以矢量地震波信号具有振幅连续性和振动方向连续性为基础，对相邻时间采样点的地震信号矢量值，根据矢量间欧氏距离与方向误差进行矢量统计排序滤波。如此一来，可有效地在有效去除随机噪声的同时保留多分量地震数据的矢量特征及对任何道集形式和任意道数的地震数据进行去噪处理。

以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。