基于BM3D的多震源数据分离方法研究.pdf

中国科技期刊数据库 工业 A 收稿日期：2023 年 12 月 21 日 作者简介：郭琛（1999），男，汉族，山西晋城人。-64-基于 BM3D 的多震源数据分离方法研究 郭 琛1 潘博翔2 1.长江大学地球物理与石油资源学院，湖北 武汉 430100 2.中国石油华北油田公司二连分公司，内蒙古 锡林浩特 026000 摘要：摘要：多震源混合采集技术将传统的逐炮激发和逐炮接收的低效采集方式转变为同步激发和连续接收的高效多震源采集方式，突破了传统采集技术对于时间和空间的限制，有效提高了采集效率以及空间采样率。但其混合波场的分离对地震资料品质的保证提出了新的挑战。在伪分离记录中次震源的信号在除共炮点域之外的三个时域中以不连续的随即脉冲的形式存在。基于此特点，本文采用 BM3D 去噪算法对经过动校正处理的共检波点域伪分离数据分离混叠噪声。经理论数据验证，该方法应用于多震源数据分离中，取得了较好的应用效果，证实了提出方法的正确性与可行性。关键词关键词：多震源数据分离；BM3D；阈值迭代 中图分类号：中图分类号：TP391 0 引言 传统地震采集中相邻震源之通常会相互干扰，影响了采集信号的品质。为了解决这一问题，实际生产通常增大相邻震源的激发间距或者延长相邻震源之间的激发时间间隔，以尽可能的减小相邻震源之间激发对彼此干扰而对地震采集资料产生的影响。但这同时也造成了地震采集时间长或者采集密度小，造成了效率低下且成像效果不佳的缺点。为了克服传统地震采集中的不足，人们提出了多震源地震数据采集技术。该采集方法是将多个震源同步激发或者以较小的随机延迟间隔进行激发，因其相邻震源之间激发间隔非常小且不受空间的限制，所以可以减小生产过程的采集时间并增大空间采样率，从而大幅度提高采集效率并降低采集成本。从 D.Silverman 于 1979 年于专利中首次提出了多震源地震同时激发采集技术1。C.J.Beasley 在 2008年提出了脉冲型震源同时激发采集2，到现在的多震源随机激发混合采集3。标志着地震勘探领域的一次巨大飞跃。多震源激发采集技术使我们能够在地下结构探测中实现更高的空间分辨率和更广泛的频谱范围，从而揭示地下地质特征的细节。多震源数据采集方法这些年取得了极大的发展，其高效的采集效率使其广泛应用于陆地和海洋勘探的实际生产中。但是通过多震源数据采集得到的地震数据会存在多震源的混叠，造成了很强的混叠噪声，严重影响了地震资料的成像品质。因此经过多震源数据采集方法得到的地震数据，必须分离得到与传统采集记录类似的单炮地震记录，才能进行后续处理。目前多震源数据分离主要分为滤波去噪和反演两类方法。Huo4提出了在共中心点域使用多方向中值滤波方法实现噪声压制。韩立国5等在迭代去噪的思路上，引入了曲波变换与多级中值滤波对混合地震数据分离。魏亚杰6在双边滤波中引入脉冲检测用三边滤波实现多震源数据的分离。董在共炮检距域或动校正后的共中心点域利用基于奇异值分解实现混叠噪声与有效信号的分离7。杨帆提出基于 rodroad 噪声检测的联合去噪算法压制了混叠噪声，实现多源地震数据分离8。除了滤波方法混叠噪声以此分离多震源数据外，还可以将分离问题看作反演问题，但该问题大多是欠定问题，故要增加约束条件进行反演求解9。本文借鉴 BM3D 降噪方法，通过引导块之间的相似性和冗余性，以减小噪声水平，同时保留有效信号的细节。对经过动校正后的共检波点域伪分离数据中的混叠噪声使用 BM3D 降噪算法进行压制，并通过迭代逐渐提高混叠噪声的压制效果，较好的分离出有效单炮数据，便于后续地震资料的成像和评价。中国科技期刊数据库 工业 A-65-1 算法原理 1.1 多震源数据分离原理 多震源混合数据可用矩阵可表示为:Pblend=P（1）采用最小二乘反演法求解，得：1=H1H（2）若混合算子采用相位编码，则上述变换相当于做复共扼变换：P=Pblend1=PblendH（3）Pblend为多震源数据，为混合算子，P 为混合震源中的单个震源。通过随机激发时间用最小二乘反演求解伪逆可以得到伪分离记录。伪分离是一种简单的解码过程，并没有完全分离出单炮记录，伪分离过程只是将数据校正回没有加延迟时间的状态，消除混合时加入的时间延迟的影响。伪分离后，在共检波点域、共偏移距域、共中心点域，混叠噪声是不连续的，表现为以随机脉冲的形式存在。因为在这些域中，每一道都是来源于不同的震源，由于混合时每个震源加的时间延迟不同，所以对应的混合算子也不一样，这就导致伪分离时，使用待分离震源的混合算子进行解码，其对应的有效信号被校正，恢复原状，而混叠噪声在上述三个域中无法恢复。1.2 BM3D 去噪算法 BM3D（Block-Matching and 3D Filtering）算法是一种利用图像自身相似性和冗余性特征来进行图像去噪的非局部去噪算法。BM3D 的主要思想是在两个阶段进行去噪操作，每个阶段都包括块匹配、协同滤波和聚合这三个部分。这一综合性的方法使BM3D算法在处理具有复杂噪声的图像时表现出色，对于提高图像质量非常有帮助。以下是对 BM3D 算法的基本过程的更详细描述：（1）块匹配：将输入图像切分成大小一致的重叠图像块。随后，在每个参考块的周围寻找相似块，并将这些相似块整理成一个三维数组。块之间的相似性通常以块间距的形式来衡量，距离越小表示相似性越高。值得强调的是，BM3D 算法允许使用输入图像中的任何块作为参考块，因此可以构建出多个相似块的群组。（2）协同滤波：首先，对每个三维数组进行三维变换，得到相应的三维系数。接着，采用滤波方法减小噪声的干扰。需要特别强调的是，在基础估计阶段，BM3D 算法采用了硬阈值滤波的方法。硬阈值滤波将较小的系数设为零，有效地去除了高频噪声的影响。在其最终估计阶段采用经验维纳滤波的策略，这进一步提高了去噪的效果。协同滤波去噪不仅仅关注了每个分组内相似块内像素点之间的相似性，还充分考虑了每个分组内不同相似块中相同位置的像素点之间的相似性。这综合性的考虑使 BM3D 算法能够全面地减小噪声，同时保留图像的重要细节特征，为图像去噪提供卓越的性能。最后，通过三维逆变换，将处理过的系数重新映射到图像块，从而获得了所有聚集块的估计值。协同滤波去噪不仅考虑了每个分组内相似块内像素点之间的相似性，还关注了每个分组内不同相似块相同位置的像素点之间的相似性。这使得 BM3D 算法能够更全面地减小噪声，同时保留图像的细节特征，从而提高了图像的质量。（3）聚合：在块匹配阶段，往往会出现多次匹配同一位置的情况，这会导致图像信息过度重复，从而增加了噪声干扰。因此，为了解决这一问题，需要进行聚合操作，通过加权平均的方式，将多次估计的相同像素点的值合并，最终得到它们的估计值。1.3 算法流程（1）令 i=0，将原始的多震源混合数据进行伪分离，得到伪分离共炮点道集记录。（2）i=i+1，将初始分离结果按照多震源激发的随机时间进行混合，然后再进行伪分离，得到第 i 次伪分离共炮集记录，并与原始伪分离记录相减得到剩余混叠噪声。（3）将混叠噪声进行动校正拉平同相轴后排布到共检波点道集上，利用 BM3D 去噪算法压制随机混叠噪声，将得到的有效信号反动校正后重新排布到共炮点道集上。（4）将有效信号与第 i 次分离结果相加，得到第i+1 次分离结果。若结果达到预期则停止迭代，否则跳回第二步，进一步循环提取有效信号。2 理论模型的分离示例 为验证本文方法，先使用理论数据合成多震源数据，对理论数据使用本文方法进行混叠数据分离，将分离的数据与合成前的数据进行对比。中国科技期刊数据库 工业 A-66-建立图 1a 所示 5 层地质模型，采用有限差分法波动方程正演，纵波速度分别为 1900、2100、2300、2500、2700m/s,子波为 30hz 雷克子波，每炮 160 道，道间距31.25m。合成多源多波场混合地震记录的方法为将该条测线方向的前半段地震数据与测线后半段地震数据按照相对应的顺序加入随机延迟两两合成。图 1b 为正演模拟得到的第 79 炮和第 80 炮按照多震源激发方式混合而成。从图中可以看出，合成之后的多震源地震记录单独震源之间存在着相互干扰，所以我们要对其进行数据分离，使其回归到类似传统采集形式的单独震源，提高多源地震数据信噪比的同时也方便后续地震数据处理。图 1 多震源数据合成 图 2 为地震道集在去除混叠噪声前后的对比，其中图 2a 为图 1b 混合炮的一个伪分离记录，图 2b 为图2a 的伪分离记录转换到共检波点域的结果，图 2c 为图2a 进行三次迭代滤波后得到的地震道集的分离结果。对比2a伪分离记录与2b及2c迭代滤波后的分离记录，可以看见图 2a 的混叠噪声在经过 BM3D 迭代滤波后其得到明显去除。并且三次迭代滤波后的图2c对比原始单炮记录的图 2d，有效信号得到了较好好的保护，也进一步说明了基于BM3D的迭代滤波对混叠噪声具有较好的压制效果。图 2 本文方法分离结果 3 结论与展望 针对多震源数据分离难题，根据多震源数据分离原理对混合地震数据进行了伪分离处理，然后将伪分离混合地震数据由炮集转换到共检波点道集并进行动校正处理增大混叠噪声的离散化程度。优选了 BM3D 算法对混叠噪声形成了较好的压制并通过反复迭代，不断增强有效信号，提高分离效果，最终实现了多震源混叠数据的分离。本研究主要取得如下几点认识：（1）BM3D 是一种利用图像自身相似性和冗余性特征来进行图像去噪的非局部去噪算法。这一综合性的方法使 BM3D 算法在处理具有复杂噪声时表现出色，对于提高地震数据质量非常有帮助。（2）阈值迭代法可以很好的将地震反射响应较弱的部分进行增强，使得图像上的边缘反射信号变得连续且完整。本研究在多震源数据分离方面开展了初步的探索，取得了一定的效果。但对于偏弱的地震反射信号可能存在损失的情况，多震源分离的精度还有进一步提升的空间。后期可进一步将传统 BM3D 的硬阈值去噪改进为自适应阈值或者尝试神经网络等其他噪声压制方法在多震源数据分离中的应用效果。参考文献 1黄远松.基于 SVD 分解的多震源数据分离方法研究D.北京:中国石油大学(北京),2018.2何峰江.声反射成像测井仪器仿真及波形处理技术研究D.北京:中国石油大学(北京),2005.3Zhang Q,Abma R,Ahmed I.A maring node simulta-neous source acquisition trial at AtlantisJ.Gulf ofMexico.SEGTechnical Program Expanded Abstracts,2013(32):99-103.4Berkhout A J,Blacquiere G,Verschuur D J.Changingthe mindset in seismic data acquisitionJ.The LeadingEdge,2008,27(7):924-938.5Huo S,Luo Y.Kelamis P.Simultaneous sources separation via multi-directional vector-median 中国科技期刊数据库 工业 A-67-filterJ.SEG Annual Meeting Society of Exploration Geophysicists,2009(56):8.6 韩 立 国,谭 尘 青,吕 庆 田,等.基 于 迭 代 去 噪 的 多 源 地 震 混 合 采 集 数 据 分 离 J.地 球 物 理 学报,2013,56(7):2402-2412.7魏亚杰.混合震源数据高精度分离方法研究与应用D.吉林:吉林大学,2018.8 董 烈 乾,张 慕 刚,骆 飞,等.应 用 SVD 约 束 的 迭 代 反 演 混 叠 噪 声 压制 方 法 J.石 油 地 球 物 理 勘探,2021,56(1):57-61.9Lieqian,ZHANG Mugang,LUO Fei,et al.Blended noisesuppression based on SVD constrained iterative inversionJ.OilGeophysical Prospecting,2021,56(1):57-61.10杨帆.基于噪声检测的多震源混合采集数据分离方法研究D.长春:吉林大学,2018.11Mahdad A,Doulgeris P.Separation of blended data by iterative estimation and subtraction of blending interference noiseJ.Geophysics,2011,76(3):9-17.