置信叠前扩散滤波方法
专利汇可以提供置信叠前扩散滤波方法专利检索，专利查询，专利分析的服务。并且置信叠前扩散滤波方法，包括循环进行的如下S1-S3步骤：S1.对读入数据利用①式进行高斯滤波，高斯滤波完成后求取叠前数据；在X方向和Y方向上的一阶导数。S2.构建结构张量，利用JACOBI方法求解出特征值及对应的 特征向量 ；S3.利用S1中计算出的一阶导数及S2中计算出的扩散系数a、b、c反推得到uO=uO（x,y,t+1），以uO作为步骤S1中新的读入数据，重复步骤S1-S3，直至达到预先设定的循环终止条件；输出最后一次循环得到的数据uO，作为滤波后的 地震 剖面叠前道集。该置信叠前扩散滤波方法不仅去噪效果较好，而且有一定保幅性，在同相轴的保持方面优于前人的扩散滤波效果。，下面是置信叠前扩散滤波方法专利的具体信息内容。
1.置信叠前扩散滤波方法，其特征在于，包括循环进行的如下S1-S3步骤：
S1.对读入数据利用①式进行高斯滤波，高斯滤波完成后求取叠前数据
在X方向和Y方向上的一阶导数 和 ；
,------①
其中高斯滤波函数 ；u为地震振幅， 为地震振幅的梯度，
为尺度函数,t表示进程中的编号；
S2.利用②式构建结构张量，
----②；
当定义结构张量D的特征向量 、 ，对应特征值 时，
扩散系数
对实对称矩阵D，利用JACOBI方法并结合③式求解出D的特征值u=(u1，u2)及对应的特征向量v1、v2；
-----③
3
其中k为相干系数k=(u1-u2), 为最大向量方向的波动扩散率，线状置信度；
根据求出的特征向量 和系数 来计算出扩散系数a、b、c，求解①式；
S3.将S1中计算出的一阶导数 和 及S2中计算出的扩散系数a、b、c；带入④式， 解出等号左边的一阶导数；
------------④
反推原函数，得到uO=u（O x,y,t+1），以uO作为步骤S1中新的读入数据，重复步骤S1-S3 ，直至达到预先设定的循环终止条件；输出最后一次循环得到的数据uO，作为滤波后的地震剖面叠前道集。
2.如权利要求1所述的置信叠前扩散滤波方法，其特征在于，所述步骤S2中利用对称Schur分解方法求解该结构张量D的特征向量和对应的特征值。
3.如权利要求1所述的置信叠前扩散滤波方法，其特征在于，所述循环中止条件为循环次数达到设定次数值或最后一次循环得到的扩散系数a、b、c与之前一次的差值绝对值小于预设期望值。
4.如权利要求3所述的置信叠前扩散滤波方法，其特征在于，所述循环设定次数值为
10或300。
置信叠前扩散滤波方法
技术领域
背景技术
发明内容
在X方向和Y方向上的一阶导数 和 ；
,------①
其中高斯滤波函数 ；u为地震振幅， 为地震振幅的梯度，
为尺度函数,t表示进程中的编号；
S2.利用②式构建结构张量，
----②；
当定义结构张量D的特征向量 、 ，对应特征值 时，
扩散系数
对实对称矩阵D，利用JACOBI方法并结合③式求解出D的特征值u=(u1，u2)及对应的特征向量v1、v2；
-----③
3
其中k为相干系数k=(u1-u2), 为最大向量方向的波动扩散率，线状置信度
；
根据求出的特征向量 和系数 来计算出扩散系数a、b、c，求解①式；
S3.将S1中计算出的一阶导数 和 及S2中计算出的扩散系数a、b、c；带入④
式， 解出等号左边的一阶导数；
------------④
反推原函数，得到uO=u（O x,y,t+1），以uO作为步骤S1中新的读入数据，重复步骤S1-S3 ，直至达到预先设定的循环终止条件；输出最后一次循环得到的数据uO，作为滤波后的地震剖面叠前道集。
附图说明
图3示出图2中原始AVA正演角道集波形加10%随机噪声后的波形图；
图4示出图2中原始AVA正演角道集波形加20%随机噪声后的波形图；
图5示出图3中加10%随机噪声后使用本发明去噪后的波形图；
图6示出图4中加20%随机噪声后使用本发明去噪后的波形图；
图7示出信噪比SNR和方差MSE两指标随本发明循环次数变换的关系曲线，图7中横坐标为循环次数，纵坐标分别为信噪比（右）和方差（左）。
具体实施方式
在X轨迹方向（TRACE）和Y时间方向（TIME）上的一阶导数 和 ；
,------①
步骤S1中对读入的叠前道集数据进行高斯滤波，高斯滤波相当于进行正则化，其中高斯滤波函数 ；u为地震振幅， 为地震振幅的梯度， 为尺度函
数,t表示进程中的编号，例如对第一次循环，可以令t=1，第二次循环，则t=2，依次类推。高斯滤波函数及尺度函数可以根据噪声的均方误差自适应调节。
当定义结构张量D的特征向量 、 ，对应特征值 时，
扩散系数
对实对称矩阵D，利用JACOBI方法并结合③式求解出D的特征值u=(u1，u2)及对应的特征向量v1、v2；例如采用2X2的对称Schur分解可以求解该结构张量D获得特征向量和特征值。
3
其中k为相干系数k=(u1-u2), 为最大向量方向的波动扩散率，线状置信度
； Cline控制和保持了扩散的方向，表示某个位置与线状结构的相似程度，当Cline为1时，说明二维数据有沿着一个方向旋转不变的线状线性结构。（以上③式及后续的相干系数和置信度的定义公式可否给出文献出处？）
由公式可知需要求解出结构张量D矩阵的特征向量 和 和特征
值 。结构张量D的特征向量v1，v2指示地震剖面局部振幅值梯度变化的主要方向，对应的特征值u1，u2表明不同特征向量方向上的变化率，其最终表现是具有线性结构特征，扩散系数λ表明的是不同方向上滤波的程度。
式， 解出等号左边的一阶导数；
------------④
从等号左边的一阶导数反推原函数，得到uO=u（O x,y,t+1），以uO作为步骤S1中新的读入数据，重复步骤S1-S3 ，直至达到预先设定的循环终止条件；所述循环中止条件可以是预先设定的循环次数，例如300次循环完成，也可以是最后一次迭代与上一次迭代所得到的扩散系数a、b、c的差值绝对值小于预设标准值，根据经验，通常至少需要10次以上。
图2至4为由表1中给出的模型组合在一个道集上的AVA正演角道集，入射角为1度-45度,AVA正演角道集采用合成记录正演。图2为未加噪声的原始AVA正演角道集。图
3为图2加10%的随机噪声的AVA正演角道集。图4为图2加20%的随机噪声的AVA正演角道集。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于张量的分布式扩散自适应抗干扰方法 | 2020-05-12 | 589 |
| 一种高阶张量的纤维取向分布估计稀疏去卷积方法 | 2020-05-22 | 747 |
| 用于扩散张量成像的方法和系统 | 2020-05-11 | 296 |
| 扩散张量表面显象 | 2020-05-11 | 464 |
| 基于结构先验信息的人体心脏左心室扩散张量估计方法 | 2020-05-17 | 945 |
| 一种基于扩散峭度张量的白质微结构特征可视化方法 | 2020-05-16 | 73 |
| 一种扩散张量磁共振成像方法 | 2020-05-11 | 395 |
| 用于脑白质纤维跟踪的高阶扩散张量混合稀疏成像方法 | 2020-05-16 | 335 |
| 借助磁共振确定扩散张量的系数的方法和装置 | 2020-05-13 | 267 |
| 一种非负高阶张量拟牛顿搜索的纤维方向分布估计方法 | 2020-05-26 | 753 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
