基于噪声估计与局部相似性的地震数据自适应分级去噪

地震数据去噪是地震数据处理的重要组成部分，直接关系到地震数据的后续处理。针对这一问题，许多学者提出了基于秩减、稀疏变换、域变换和深度学习的方法。然而，当地震数据噪声大、复杂且不均匀时，这些方法往往会导致过度去噪或去噪不足。为了解决这些问题，我们提出了一种称为噪声水平估计与相似性分割分级去噪的新方法。具体而言，我们首先评估整个地震数据的平均噪声水平，并使用块匹配和三维滤波（BM3D）方法对其进行去噪。然后，利用局部相似性将去噪后的数据与残差进行对比，精确定位噪声水平显著偏离平均值的区域。其余数据则完整保留。随后对这些区域进行重新评估和去噪。最后，我们将首次去噪后保留的数据与再次去噪的数据整合，得到完整且更干净的数据。该方法在理论模型和实际地震数据上进行了验证。实验结果表明，该方法对噪声不均匀的地震数据具有良好的处理效果。