压缩感知框架下基于K-奇异值分解字典学习的地震数据重建 | |
周亚同 ; 王丽莉 ; 蒲青山 | |
2014 | |
关键词 | 压缩感知 K-奇异值分解(K-SVD) 字典学习 地震数据重建 正则化正交匹配追踪 |
英文摘要 | 针对地震勘探中由于采集成本及采集环境等诸多因素导致地震数据不完整或者不规则问题,本文提出了一种压缩感知框架下基于K-奇异值分解(K-SVD)字典学习的地震数据重建算法。基本思路是首先对大量地震样本数据进行K-SVD字典训练得到超完备字典,然后引入缺失地震数据的采样矩阵作为测量矩阵。在重建阶段则采用正则化正交匹配追踪(ROMP)实现缺失地震数据的恢复。与传统的基于Curvelet变换或基于傅里叶变换等地震数据重建算法采用单一基函数不同,本文引入的超完备字典能够自适应地根据训练样本数据进行特征提取,并能根据待处理数据的本身特点自适应选取变换基函数。超完备字典为地震数据自适应稀疏扩展提供了更大灵活性...; 中文核心期刊要目总览(PKU); 中国科技核心期刊(ISTIC); 中国科学引文数据库(CSCD); 0; 04; 652-660+2 |
语种 | 中文 |
出处 | 知网 |
出版者 | 石油地球物理勘探 |
内容类型 | 其他 |
源URL | [http://hdl.handle.net/20.500.11897/219198] ![]() |
专题 | 数学科学学院 |
推荐引用方式 GB/T 7714 | 周亚同,王丽莉,蒲青山. 压缩感知框架下基于K-奇异值分解字典学习的地震数据重建. 2014-01-01. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论