اعمال روش SURE-LET یک بعدی با استفاده از موجکهای مختلف به منظور تضعیف نوفههای تصادفی مقاطع لرزهای
Authors
Abstract:
دادههای لرزهای بازتابی همواره شامل انواعی از نوفه از جمله نوفههای ناهمدوس (تصادفی) و همدوس میباشند. نسبت سیگنال به نوفه پایین؛ مراحل پردازش به خصوص برانبارش و مهاجرت را با مشکل مواجه میکند و در نهایت ممکن است منجر به یک تصویر غیر قابل تفسیر از ساختارهای زمین شود. از آنجا که فرض اساسی تبدیل فوریه پایا بودن سیگنال است، بنابراین برای سیگنالهای ناپایا کاملاً کارا نیست. با توجه به اینکه تبدیل موجک، تابع را در حیطه زمان و فرکانس با استفاده از تابع موجک همزمان نشان میدهد؛ بنابراین بر محدودیتهای تبدیل فوریه غلبه کرده است. در این مقاله تلاش شده است تا روش نوفهزدایی SURE-LET در حوزه تبدیل موجک گسسته متعامد کاهشی و با استفاده از موجکهای مختلف، به منظور تضعیف نوفههای تصادفی اعمال شود. در روش SURE-LET از هرگونه فرضیهی پیشین بر روی سیگنالهای عاری از نوفه اجتناب میگردد. در واقع روش SURE-LET به دو بخش اصلی تقسیم میشود: تضعیفکنندهی موجک که شامل بسط خطی توابع آستانهگذاری (LET) درون مقیاس است. سپس پارامترهای خطی برای به حداقل رساندن خطای نااریب اشتین (SURE)، بین دادههای نوفهای و عاری از نوفه، حل میشوند. با توجه به فرم درجهی دوم برآورد MSE، پارامترها به راحتی با حل یک سیستم معادلات خطی، بهینهسازی میشوند. نتایج اعمال روش SURE-LET با موجکهای مختلف نشان میدهد که موجکهای سیملت و کویفلت خروجی بهتری نسبت به سایر موجکها دارند. با توجه به میزان حفظ سیگنال در کنار تضعیف نوفه برتری روش SURE-LET بر روشهای آستانهگذاری نرم و واهمامیخت حوزه f-x نشان داده شده است.
similar resources
اعمال روش sure-let یک بعدی با استفاده از موجک های مختلف به منظور تضعیف نوفه های تصادفی مقاطع لرزه ای
داده های لرزه ای بازتابی همواره شامل انواعی از نوفه از جمله نوفه های ناهمدوس (تصادفی) و همدوس می باشند. نسبت سیگنال به نوفه پایین؛ مراحل پردازش به خصوص برانبارش و مهاجرت را با مشکل مواجه می کند و در نهایت ممکن است منجر به یک تصویر غیر قابل تفسیر از ساختارهای زمین شود. از آنجا که فرض اساسی تبدیل فوریه پایا بودن سیگنال است، بنابراین برای سیگنال های ناپایا کاملاً کارا نیست. با توجه به این که تبدیل ...
full textتضعیف نوفههای تصادفی مقاطع لرزهای با استفاده از ترکیب تبدیل زمان- بسامد و تجزیه مُد تجربی
تصویرسازیلرزهایبهشدتبهکیفیتدادههایلرزهایوابستهاست. تفسیرساختاریوچینهایمقاطعلرزهای کهحاویکمترینمیزاننوفه تصادفیوهمدوسهستند،بهمراتبراحتتراست. نوفههایمتعددیدرمقاطعلرزهایدیدهمیشودکهدستهمهمیاز آنها،نوفههایتصادفیاند.تضعیفایندستهازنوفهها، بهخصوصزمانیکهنسبتسیگنالبهنوفهکمباشد،بسیاردشواراستتاکنون روشهای گوناگونی برای تضعیف نوفههای تصادفی عرضه شده است که هرکدام مزایا و معایب مربوط به خود ر...
full textتضعیف نوفه های لرزه ای با استفاده از تبدیل sure-let
بخشنامه وزارت علوم ، تحقیقات و فناوری در خصوص ارسال پایان نامه ها / رساله های تحصیلات تکمیلی کشور شیوه نامه ارسال پایان نامه به پژوهشگاه اطلاعات و مدارک علمی ایران شماره رهگیری 1203615 دانشجوی گرامی ثبت اطلاعات پیشنهاده پایان نامه(proposal) شما با موفقیت به پایان رسید لطفا کد رهگیری ( ایمیل دریافتی ) را جهت بررسی و تایید ثبت آن به مسئول محترم ذیربط ( معاونت آموزشی یا اداره...
Sure-let Image Denoising with Directional Lots
This paper proposes to adopt hierarchical tree construction of directional lapped orthogonal transforms (DirLOTs) to image denoising. The DirLOTs are 2-D non-separable lapped orthogonal transforms with directional characteristics. The bases are allowed to be anisotropic with the fixed-criticallysubsampling, overlapping, orthogonal, symmetric, real-valued and compact-support property. As well, i...
full textاستفاده از روش کوادرتیک در مدل سازی وارون دو بعدی داده های گرانی به منظور ارائه یک مدل بهبود یافته
وارون سازی دادههای گرانی یکی از مهمترین گامها در تفسیر این دادهها است. هدف از این کار تخمین توزیع چگالی مدل ناشناخته زیر سطحی از طریق دادههای اندازهگیری شده در سطح زمین است. مشکل اصلی در وارونسازی دادههای حاصل از عملیات گرانیسنجی، عدم یکتایی جواب ناشی از وارونسازی دادههای ژئوفیزیکی است. وارونسازی خطی دادههای گرانیسنجی مسئلهای کم تعیین شده و بد حالت میباشد. تعیین پارامتر منظمسازی...
full textMy Resources
Journal title
volume 2 issue 2
pages 123- 144
publication date 2016-12-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023