噪声压制是提高地震资料信噪比的重要步骤之一，针对不同噪声的压制方法也是层出不穷。反射地震数据的深部有效弱信号和噪声干扰频带差异较小、难以区分，传统去噪方法的应用受到限制，弱信号提取算法的研究也成为深层勘探和隐藏油气藏勘探所面临的的共同问题。压缩感知理论突破了奈奎斯特采样定理的限制,利用有效地震信号的可压缩性和稀疏性,提供了从不可压缩随机噪声中进行有效信号分离的数据原理，有效提升了强背景噪声地震数据的弱信号信噪比。然而，当数据中存在离群噪声时，强振幅能量破坏了信号的稀疏性，使迭代反演稀疏出现异常值，严重影响了稀疏反演噪声压制过程。
图1.异常值掩码替换策略。红点表示异常值道位置，蓝点表示正常采样道，空心点表示未采样位置。
异常值噪声通常是指在幅度上与有效信号显著不同的一个或一组波形。在地震数据处理中，离群点的出现会导致数据的总体统计误差很大，且地震数据不同于图像，常规反演去噪方法无法对存在异常值噪声的数据进行有效压制。为了解决这一问题，中国石油大学（华东）杨继东教授团队系统开展了一种基于统计学优化的离群噪声压制方法，并将其结合到压缩感知（CS）框架中。首先利用地震数据振幅标准差的均质性统计，来分析识别离群噪声道的位置。将异常道位置与jittered采样生成的掩模矩阵进行对比，并将具有异常噪声的抖动掩模的采样道替换为它们附近的未采样道（图1）。优化的采样矩阵使我们能够在不破坏稀疏采样率的同时，有效地识别和剔除离群信号。这种优化的掩模策略将离群去噪问题转化为数据重构问题。利用软阈值迭代求解算法求解稀疏约束反问题，恢复零值位置处的信号（图2）。该研究所提方法的去噪效果整体上优于传统的f-x反褶积和中值滤波方法，能够准确地压制野值噪声，恢复丢失的期望信号。
图2.基于离群识别采样矩阵优化的地震数据离群噪声压制方法流程图
研究成果近期发表在地学领域国际重要期刊Remote Sensing，获得中国石油大学（华东）深部油气全国重点实验室资助。论文第一作者为中国石油大学（华东）地球科学与技术学院王伟奇博士，通讯作者为中国石油大学（华东）杨继东教授。合作者包括中国石油大学（华东）李振春、黄建平等。
论文信息：Wang, W.; Yang, J.; Huang, J.; Li, Z.; Sun, M. Outlier Denoising Using a Novel Statistics-Based Mask Strategy for Compressive Sensing. Remote Sens. 2023, 15, 447. https://doi.org/10.3390/rs15020447.
