Review of Research on Filtering-based Methods for Seismic Scattered Wave Separation
-
摘要:
在地震勘探中，由于地下结构错综复杂，多尺度非均匀的地质体常会形成包含反射波、散射波等在内的复杂的地震波场。传统的成像方法一般只考虑反射波场，忽略了散射波场，这使得细小结构无法准确成像，从而影响对复杂构造的识别。为了对小尺度构造进行准确的地震成像，要将散射波从地震波场中分离出来。在众多波场分离算法中，基于滤波的波场分离方法可以准确提取散射波，提高成像分辨率。本文调研和归纳多种基于滤波处理的地震散射波分离方法，围绕国内外学者在滤波处理波场分离方面的研究成果，总结各种方法的研究进展，并对比和分析各方法的分离效果，最后结合人工智能深度学习的研究趋势，对未来滤波处理散射波分离的发展方向进行展望。
Abstract:In seismic exploration, complex seismic wave fields comprising reflected waves, scattered waves, and other phenomena are formed due to the intricate nature of underground structures. Traditional imaging methods typically focus solely on the reflected wave field, disregarding the scattered wave field. This limitation hampers accurate imaging of small-scale structures and impedes the identification of complex structures. To address this challenge and achieve precise imaging of small-scale structures, it is crucial to separate from the scattered waves from the seismic wave field. Among the various wave field separation algorithms, filtering-based methods have shown promising results in accurately extracting scattered waves and enhancing imaging resolution. This study explores and summarizes different methods for seismic scattered wave separation based on filtering techniques. By reviewing the research findings of both domestic and international scholars in the field of filtering-based scattered wave separation, the study provides an overview of the progress made and compares and analyzes the separation effects of each method. Additionally, considering the advancements in deep learning within the realm of artificial intelligence, the future development direction of filtering-based scattered wave separation is also envisioned.
-
Keywords:
- seismic imaging /
- wave field separation /
- scattered wave /
- filtering /
- high resolution
-
随着人们生活水平和审美观的日益提高，我国的整形外科手术量和技术方法也越来越多，其中隆鼻术最为常见。临床多采用自体软骨（肋软骨、耳软骨及鼻中隔软骨等）进行隆鼻术，已成为主流充填材料[1-2]，其中自体肋软骨为首选材料，多排螺旋CT检查及三维重建可为相关患者的肋软骨定性定量分析提供准确的术前影像信息[3-4]。
根据需求不同，多排螺旋CT可以使用不同的重建算法生成不同特点的图像。由于目前国内外相关文献报道极少，本研究对比研究全模型迭代重建算法（iterative model reconstruction，IMR）、混合迭代重建算法（iDose4）和传统滤波反投影（filtered back projection，FBP）三种算法[5-7]对肋软骨重建图像质量的影响，探讨多拍螺旋CT在隆鼻术前肋软骨选材最理想的检查方法。
1. 资料与方法
1.1 研究对象
2020年4月至2021年10月期间，在自愿要求拟行自体肋软骨隆鼻术的患者群体内，收集相应患者，排除因年龄过小及过大、先天畸形、患有甲状腺激素异常、缺钙、应用糖皮质激素、脂肪肝等易导致肋软骨异常的检查者后，随机选取其中符合标准并计划进行自体肋软骨隆鼻手术的60例患者的相关资料作为研究对象，进行回顾性分析比较。女性56例，男性4例，年龄范围17～58岁，平均年龄（27.5±3.2）岁，检查前均已告知 CT检查的利与弊，并签署书面知情同意书；本课题经医院伦理委员会审批通过。
1.2 仪器与方法
60例患者均于术前行MSCT检查，采用Philips Brilliance iCT 256层扫描仪，采用仰卧位、双臂上举抱头姿势、吸气后屏气时扫描，扫描范围胸廓开口～脐部。
扫描参数：管电压120 kV，智能管电流100 mAs，机架转速0.5 s，层厚和间隔均为1.00 mm，螺距1.375∶1，冠状位MIP像窗位200、窗宽500。对每例患者原始数据分别使用3种算法技术进行图像重建：IMR算法、iDose4算法和 FBP算法。IMR重建的Level为1，iDOS4重建Level为3。
1.3 图像后处理及分析
研究组所有病例的MSCT原始数据经3种算法重建后的横断位图像，传送至EBW工作站，采用同步重建模式下进行容积再现（volumetric rendering，VR）成像和最大密度投影（maximum intensity projection，MIP）成像，以明确胸廓肋骨整体外貌及手术备选区肋软骨的具体情况。同步重建模式下使用相同的重建参数：冠状位、层面中心位置相同、MIP图像层厚70 mm、窗位200、窗宽500、患者信息屏蔽。
由两名高年资放射科医生及1名整形外科医生（具有丰富隆鼻术经验）共同组成阅片组，对每位患者的CT影像结合临床资料进行综合分析，取得一致意见后，对肋软骨钙化程度分级和图像质量评分[8-9]。
1.4 影像重建质量评估方法
主观评分：全部图像在EBW工作站上，使用同步重建模式和相同参数进行冠状位MIP重建和VR重建以充分显示肋软骨，由3名医生（两名高年资放射科医生及1名整形外科医生）对肋软骨钙化程度评估并分级，并采用4分法对所得MIP和VR重建图像进行质量评分[4]：4分，图像质量非常好，肋软骨边缘结构显示清晰，无明显噪声及伪影，诊断信心充足；3分，图像质量比较好，肋软骨边缘可见，噪声及伪影很小，诊断可靠；2分，图像质量总体一般，肋软骨边缘隐约可见，噪声及伪影局限影响解剖结构评估，但可以用于术前诊断评估；1分，图像质量差，无法用于诊断。
客观评价：在每例MIP图像右侧第6～8肋软骨和肝脏位置上分别画出规定范围感兴趣区ROI，测量并记录肋软骨CT值、标准差（standard deviation，SD），同时记录肝脏CT值，并计算出肋软骨的对比噪声比（contrast noise ratio，CNR）和信噪比（signal noise ratio，SNR），将肋软骨CT值的标准差（SD肋软骨）作为图像噪声[10]，计算公式：SNR=CT值肋软骨/SD肋软骨，CNR=（CT值肋软骨 - CT值肝脏）/SD肋软骨。用统计学方法进行组间比较。
1.5 统计学分析
采用SPSS 24.0软件进行分析，对图像质量评分计量资料采用均值±标准差表示。肋软骨的SD、CNR、SNR的分析使用两两组间配对t检验统计比较，并分别进行加权Kappa检验观察一致性。P＜0.05认为差异有统计学意义。
2. 结果
2.1 肋软骨钙化程度评估
研究组60例患者中，以冠状位MIP图像和VR图像为依据，分别统计每一例患者全部肋软骨总面积、各肋软骨上所有钙化斑面积总和及所占比例，然后分级计算有1级（肋软骨无钙化）19例（31.7％，19/60）、2级（轻度钙化，钙化面积占肋软骨总面积25％ 以下）34例（56.7％，34/60）、3级（中度钙化，钙化面积占肋软骨总面积的25％～50％）5例（8.3％，5/60）和4级（重度钙化，钙化面积超过50％）2例（3.3％，2/60）。3种算法得到的CT图像均能评价肋软骨上有无钙化，及钙化程度（图1）。
![]()
图 1 同一患者应用3种重建算法在同步重建模式下的MIP图像对比显示，双侧肋软骨仅见少量斑点状钙化高密度影。钙化评估：2级轻度钙化Figure 1. Comparison of MIP images of the same patient using three reconstruction algorithms in synchronous reconstruction mode2.2 主观评价
与FBP组相比，IMR、iDose4的评分均值在MIP图像上分别增加了50.5％ 和33.6％，在VR图像上评分均值分别增加了51.0％ 和19.0％。IMR组较iDose4组的评分均值在MIP图像和VR图像上分别增加了11.1％ 和21.1％。明显可见IMR组图像主观评分最高，在图像上具体主要表现在IMR算法重建的图像肋软骨边缘显示更加清晰，与周围组织对比度更好，能更清楚显示肋软骨上的钙化斑范围及边缘，尤其在VR图像上可见周边肝脏组织背景对肋软骨显示的干扰最小（图2和图3）。
![]()
图 2 同一患者3种重建算法在同步重建模式下的MIP图像放大后的显示，IMR图像上的钙化边缘显示更清晰，肋软骨与背景的对比显示更锐利可辨。主观评分：FBP 2分，IMR 4分，iDose4 3分Figure 2. In the MIP image of the same patient amplified by the three reconstruction algorithms in the synchronous reconstruction mode![]()
图 3 四级重度钙化患者3种算法的VR重建全貌，IMR算法图像较FBP和iDose4更能清晰、直观显示钙化的范围及与背景的关系，双侧肋软骨广泛钙化近100%，肋软骨密度近似于后肋，该患者直接放弃自体肋软骨移植，采用耳软骨代替行隆鼻术Figure 3. Compared with FBP and iDose4, IMR algorithm image can clearly and intuitively show the range of calcification and its relationship with background2.3 三种算法肋软骨重建图像客观评价
所有记录的客观测量数据肋如肋软骨CT值、标准差SD、肝脏CT值，方差均具有齐性，IMR组、iDose4组和FBP组的SD、SNR和CNR组间统计学分析均具有明显统计学差异。IMR组的噪声SD较iDose4组和FBP组分别降低了39.2％和47.4％；信噪比SNR较iDose4组和FBP组分别增加了41.4％ 和77.0％；对比噪声比CNR较iDose4组和FBP组分别增加了143.0％ 和217.6％。
IMR组的图像质量客观评价最优（表1和表2）。应用IMR重建算法的MIP图像、VR图像在抑制肝脏、胃内容物及心脏波动伪影方面较FBP和iDose4有明显的优势（图4）。
表 1 3种不同重建算法图像的客观评价数据测量结果Table 1. Objective evaluation data measurement results of three different reconstruction algorithms组别 SD SNR CNR FBP组 8.31±2.13 17.30±4.82 4.14±2.13 IMR组 4.37±0.95 30.63±7.19 13.15±4.41 iDose4组 7.19±1.72 21.65±6.18 5.41±2.83 注：表内数据为测量计算均值±标准差。iDose4指混合迭代算法。 表 2 3组图像每两组间的统计分析结果Table 2. Statistical comparison results between each two groups组间统计 SD SNR CNR t P t P t P FBP组 VS IMR组 25.45 0.00 -21.26 0.00 -24.92 0.00 FBP组 VS iDose4组 6.42 0.00 -9.35 0.00 -8.10 0.00 IMR组R VS iDose4组 -22.59 0.00 17.15 0.00 22.32 0.00 注： iDose4指混合迭代算法。 ![]()
图 4 同一患者的VR图像和MIP图像上，IMR重建算法在抑制肝脏、胃内容物及心脏波动 伪影方面较FBP和iDose4有明显的优势Figure 4. In VR images and MIP images of the same patient, IMR reconstruction algorithm show obvious advantages over FBP and iDose4 in suppressing fluctuation artifacts of liver, stomach contents and heart3. 讨论
近些年来，整形美容越来越受到爱美人士的追求，其中隆鼻术是最为常见的。既往做隆鼻术需要在鼻部植入人工假体，由于多存在并发症，如外形不佳、假体易移位、易发生排斥反应甚至感染等并不十分理想，已逐步被自体软骨（包括肋软骨、耳软骨、鼻中隔软骨）以及筋膜组织等充填材料所取代。其中自体肋软骨是首选的材料，相对于其他自体材料，肋软骨供应量充足，感染和移位的发生率较低，术后整体质感良好，鼻翼皮肤表面软组织自然，更易于术者接受。
对于拟行自体肋软骨隆鼻术的患者需在术前准确评估自体肋软骨是否可用，从而提前制定最佳的手术方案，常需要借助于胸部多排螺旋CT扫描[4]。多排螺旋CT具有成像速度快，密度及空间分辨率高的优点，配合CT后处理重建功能可在多个角度准确评价肋软骨有无钙化及测量肋软骨的长度、宽度、厚度等。
因肋软骨解剖结构的限定和CT机具有X射线辐射的特点，在较低X射线辐射水平下如何提高肋软骨的成像细节显示能力一直是我们追求的目标。CT机提高成像显示能力离不开重建算法的发展进步，以往经典的CT数据重建算法多采用FBP重建算法，后来又出现了混合迭代重建技术，如Philips的iDose4重建算法，是在FBP基础上后再行数学模型及矩阵代数识别降噪，但此过程耗时较长，与FBP相比，iDose4可降低图像噪声，提高CNR及SNR，但仍不能满意显示FBP所不能清楚显示的解剖细节，受重建模型的影响，提升图像质量的空间有限。
随着计算机技术的发展，最新出现的IMR重建算法是一种全新的全模型迭代重建技术，是依据硬件平台以结构化模型为基础，设定精确的数据模型和图像统计模型，通过重复迭代采集纯净的源数据最终接近理性模型以产生最优的图像质量，为低剂量CT扫描提供了新的手段，与iDose4相比，能够获得更好的图像质量和进一步降低辐射剂量。理论上IMR重建算法可在更低辐射剂量条件下重建出满足临床需求的图像，并明显降低图像噪声，显著提升图像的空间、密度分辨力、改善图像的锐利度，尤其在薄层重建图像中更能体现其优势，提高微小细节结构诊断的准确性[10-12]。
近几年，关于IMR算法重建在头颈部、泌尿系统、腹部和血管CT成像的应用研究中已见广泛报道。IMR在冠脉CTA和冠脉钙化积分分析中的应用表明，IMR在评价重建的冠脉图像上，降低了图像噪声及严重钙化斑块边缘的光晕伪影[13]，可以准确评估钙化且边缘更清晰，IMR算法重建的图像质量最佳，图像噪声最小，iDose4次之，FBP最差。在评价泌尿系结石的相关文献研究结果表明：同等剂量下，IMR算法重建的图像质量及对结石的大小显示最佳，其噪声最低，诊断可行性最好；当辐射剂量较常规剂量下降76.4%时，IMR算法重建在图像显示及诊断方面仍可与常规剂量相当。更有研究表明在应用IMR算法重建时，剂量降低至20 mAs时，钙化显示仍与常规剂量FBP重建组相当[14]。
本研究过程中，使用了iCT机配套EBW后处理工作站的同步重建模式功能，可以实现IMR、iDose4和FBP三种算法的图像在相同参数下同步重建，比如相同层面中心、层厚、窗宽、窗位等，便于更快的测量具体数据和更直观可靠的对图像作评估分析。应用IMR重建算法较FBP和iDose4在评估肋软骨上的钙化斑边缘及范围，以及在抑制肝脏、胃内容物及心脏波动伪影方面有明显的优势。目前国内外对于CT重建算法对自体肋软骨图像质量影响的相关研究未见类似报道。
综上所述，自体肋软骨是理想的自体软骨取材原料，应用多排螺旋CT及三维重建技术在相关患者术前检查是目前最可靠的影像学评估方法。相比目前临床应用的传统FBP算法和iD0se4算法重建技术，IMR算法重建能显著减低图像噪声，提高重建图像质量，尤其提高MIP图像和VR图像主观质量、CNR及SNR，能更清楚地评估自体肋软骨是否存在钙化、范围、边缘及程度，有助于更精准地测量各肋软骨实际走行、长度、宽度及厚度，为相关患者提供可靠的影像学信息，用以制定最佳的手术方案，明显提高手术成功率及术后满意度，可在临床大力推广。
-
![]()
![]()
表 1 各种滤波分离方法对比
Table 1 Comparison of different filtering-based methods for wave separation.
方法名称 适用条件 处理域 优缺点 基于平面波解构滤波的散
射波分离方法适用于在倾角域形态或曲线特征上具有显著差异的各种波之间的分离。 叠前处理、叠后处理 优点是能够很好地压制反射波，实现散射波分离；缺点是计算成本较高。 基于扩散滤波的散射波分
离方法适用于在能量大小和分布具有显著差异的各种波之间的分离。 叠后处理 优点是可以不断调整扩散系数和迭代次数，有效提高散射波分离精度，提高了偏移剖面的信噪比；缺点是计算量较大。 基于倾角滤波的散射波分
离方法适用于在不同道集域（共中心点道集、共炮点道集、共偏移距道集）具有特征差异的各种波之间的分离。 叠前处理 优点是能够较完整地分离散射波；缺点是低倾角的散射波信息易失真或丢失。 基于偏移滤波的散射波分
离方法适用于在传播时差和传播路径具有特征差异的各种波之间的分离。 叠前处理 优点是在各个变换域的分辨率都得到提高；缺点是计算量较大，不能很好地处理混叠的波场。 基于F-K滤波的散射波分
离方法适用于在频率波数域和频率偏移距域具有特征差异的各种波之间的分离。 叠前处理 优点是去噪能力强、振幅保真性好，能够消除反射波，增强散射波；缺点是反射波消除不彻底，易破坏反射信息的波形特征和振幅特征。 
下载: 导出CSV
-
[1] DECKER L, KLOKOV A. Diffraction extraction by plane-wave destruction of partial images[C]//2014 SEG Annual Meeting, 1949. DOI: 10.1190/segam2014-1458.1.
[2] DECKER L, MERZLIKIN D, FOMEL S. Diffraction imaging and time-migration velocity analysis using oriented velocity continuation[J]. Geophysics, 2017, 82(2): U25−U35. doi: 10.1190/geo2016-0141.1
[3] GELIUS L J. Limited-view diffraction tomography in a nonuniform background[J]. Geophysics, 1995, 60(2): 580−588. doi: 10.1190/1.1443796
[4] GELIUS L J, TYGEL M, TAKAHATA A K, et al. High-resolution imaging of diffractions: A window-steered MUSIC approach[J]. Geophysics, 2013, 78(6): S255−S264. doi: 10.1190/geo2013-0047.1
[5] LANDA E, KEYDAR S. Seismic monitoring of diffraction images for detection of local heterogeneities[J]. Geophysics, 1998, 63(3): 1093−1100. doi: 10.1190/1.1444387
[6] BANSAL R, IMHOF M G. Diffraction enhancement in prestack seismic data[J]. Geophysics, 2005, 70(3): V73−V79. doi: 10.1190/1.1926577
[7] FOMEL S. Applications of plane-wave destruction filters[J]. Geophysics, 2002, 67(6): 1946−1960. doi: 10.1190/1.1527095
[8] FOMEL S, LANDA E, TANER M T. Poststack velocity analysis by separation and imaging of seismic diffractions[J]. Geophysics, 2007, 72(6): U89−U94. doi: 10.1190/1.2781533
[9] NEMETH T, SUN H, SCHUSTER G T. Separation of signal and coherent noise by migration filtering[J]. Geophysics, 2000, 65(2): 574−583. doi: 10.1190/1.1444753
[10] 陈可洋, 吴沛熹, 杨微. 扩散滤波方法在地震资料处理中的应用研究[J]. 岩性油气藏, 2014,26(1): 117−122. doi: 10.3969/j.issn.1673-8926.2014.01.020 CHEN K Y, WU P X, YANG W. Research on the application of diffusion filtering method in seismic data processing[J]. Lithologic Oil and Gas Reservoir, 2014, 26(1): 117−122. (in Chinese). doi: 10.3969/j.issn.1673-8926.2014.01.020
[11] 陈可洋, 杨微, 吴清岭, 等. 地震反射波与散射波波场分离方法初探[J]. 岩性油气藏, 2013,25(2): 76−81. CHEN K Y, YANG W, WU Q L, et al. Preliminary study on the separation method of seismic reflection wave and scattered wave field[J]. Lithologic Oil and Gas Reservoir, 2013, 25(2): 76−81. (in Chinese).
[12] LI C, ZHANG J. Wavefield separation using irreversible-migration filtering[J]. Geophysics, 2022, 87(3): A43−A48. doi: 10.1190/geo2021-0607.1
[13] BAKER B B, COPSON E T. The mathematical theory of Hyugens' principle[J]. Oxford: Clarendon Press, 1939.
[14] KHAIDUKOV V, LANDA E, MOSER T J. Diffraction imaging by focusing-defocusing: An outlook on seismic super resolution[J]. Geophysics, 2004, 69(6): 1478−1490. doi: 10.1190/1.1836821
[15] 吴如山. 地震波散射: 理论与应用[J]. 地球物理学进展, 1989,(4): 1−23. WU R S. Seismic wave scattering: Theory and applications[J]. Progress in Geophysics, 1989, (4): 1−23. (in Chinese).
[16] HARLAN W S, CLAERBOUT J F, ROCCA F. Signal/noise separation and velocity estimation[J]. Geophysics, 1984, 49(11): 1869−1880. doi: 10.1190/1.1441600
[17] CLAERBOUT J F, Abma R. Earth soundings analysis: Processing versus inversion[M]. London: Blackwell Scientific Publications, 1992.
[18] HAO H M, ZHANG J, KONG X, et al. Diffracting objective imaging based on plane wave record[C]//Society of Exploration Geophysicists. Nonrecurring Meetings 2011: International Geophysical Conference, Shenzhen, China, 2011. https://doi.org/10.1190/1.4705051.
[19] TANER M T, FOMEL S. Separation and imaging of seismic diffractions using plane-wave decomposition[C]//2006 SEG Annual Meeting. OnePetro, 2006.
[20] 刘玉金, 李振春, 黄建平, 等. 绕射波叠前时间偏移速度分析及成像[J]. 地球物理学进展, 2013,28(6): 3022−3029. LIU Y J, LI Z C, HUANG J P, et al. Diffraction wave prestack time migration velocity analysis and imaging[J]. Progress in Geophysics, 2013, 28(6): 3022−3029. (in Chinese).
[21] 孔雪, 李振春, 黄建平, 等. 基于平面波记录的绕射目标成像方法研究[J]. 石油地球物理勘探, 2012,47(4): 674−682, 518. DOI: 10.13810/j.cnki.issn.1000-7210.2012.04.014. KONG X, LI Z C, HUANG J P, et al. Research on diffraction target imaging method based on plane wave recording[J]. Petroleum Geophysical Exploration, 2012, 47(4): 674−682, 518. DOI: 10.13810/j.cnki.issn.1000-7210.2012.04.014. (in Chinese).
[22] KONG X, WANG D Y, LI Z C, et al. Diffraction separation by plane-wave prediction filtering[J]. Applied Geophysics, 2017, 14(3): 399−405. doi: 10.1007/s11770-017-0634-9
[23] KONG X, WANG D Y, LI Z C, et al. Study on the separation and imaging of diffracted waves in dip domain based on slope analysis[J]. Applied Geophysics, 2020, 17(1): 103-110, 169.
[24] 黄建平, 李振春, 孔雪, 等. 基于PWD的绕射波波场分离成像方法综述[J]. 地球物理学进展, 2012,27(6): 2499−2510. HUANG J P, LI Z C, KONG X, et al. Overview of PWD based diffraction wave field separation imaging methods[J]. Progress in Geophysics, 2012, 27(6): 2499−2510. (in Chinese).
[25] LIU L, VINCENT E, JI X, et al. Imaging diffractors using wave-equation migration[J]. Geophysics, 2016, 81(6): S459−S468. doi: 10.1190/geo2016-0029.1
[26] MERZLIKIN D, FOMEL S, SEN M K. Least-squares path-summation diffraction imaging using sparsity constraints[J]. Geophysics, 2019, 84(3): S187−S200. doi: 10.1190/geo2018-0609.1
[27] PERONA P, MALIK J. Scale-space and edge detection using anisotropic diffusion[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990, 12(7): 629−639. doi: 10.1109/34.56205
[28] FEHMERS G C, HÖCKER C F W. Fast structural interpretation with structure-oriented filtering[J]. Geophysics, 2003, 68(4): 1286−1293. doi: 10.1190/1.1598121
[29] 孙夕平, 杜世通, 汤磊. 相干增强各向异性扩散滤波技术[J]. 石油地球物理勘探, 2004,39(6): 651−655, 665. doi: 10.3321/j.issn:1000-7210.2004.06.006 SUN X P, DU S T, TANG L. Coherent enhanced anisotropic diffusion filtering technology[J]. Petroleum Geophysical Exploration, 2004, 39(6): 651−655, 665. (in Chinese). doi: 10.3321/j.issn:1000-7210.2004.06.006
[30] 王绪松, 杨长春. 对地震图像进行保边滤波的非线性各向异性扩散算法[J]. 地球物理学进展, 2006,(2): 452−457. doi: 10.3969/j.issn.1004-2903.2006.02.017 WANG X S, YANG C C. A nonlinear anisotropic diffusion algorithm for edge preserving filtering of seismic images[J]. Progress in Geophysics, 2006, (2): 452−457. (in Chinese). doi: 10.3969/j.issn.1004-2903.2006.02.017
[31] LAVIALLE O, POP S, GERMAIN C, et al. Seismic fault preserving diffusion[J]. Journal of Applied Geophysics, 2007, 61(2): 132−141. doi: 10.1016/j.jappgeo.2006.06.002
[32] KADLEC B J, DORN G A, TUFO H M. Confidence and curvature-guided level sets for channel segmentation[M]//Society of Exploration Geophysicists. SEG Technical Program Expanded Abstracts 2008, 2008: 879-883.
[33] 张尔华, 王伟, 高静怀, 等. 非线性各向异性扩散滤波器用于三维地震资料噪声衰减与结构特征增强[J]. 地球物理学进展, 2010,25(3): 866−870. doi: 10.3969/j.issn.1004-2903.2010.03.019 ZHANG E H, WANG W, GAO J H, et al. Application of nonlinear anisotropic diffusion filter to noise attenuation and structural feature enhancement of 3D seismic data[J]. Progress in Geophysics, 2010, 25(3): 866−870. (in Chinese). doi: 10.3969/j.issn.1004-2903.2010.03.019
[34] 朱生旺, 李佩, 宁俊瑞. 局部倾角滤波和预测反演联合分离绕射波[J]. 地球物理学报, 2013,56(1): 280−288. doi: 10.6038/cjg20130129 ZHU S W, LI P, NING J R. Separation of diffracted waves by local dip filtering and prediction inversion[J]. Chinese Journal of Geophysics, 2013, 56(1): 280−288. (in Chinese). doi: 10.6038/cjg20130129
[35] KENT G M, KIM I I, HARDING A J, et al. Suppression of sea-floor-scattered energy using a dip-moveout approach−Application to the mid-ocean ridge environment[J]. Geophysics, 1996, 61(3): 821−834. doi: 10.1190/1.1444007
[36] 闫艳琴, 马学军. 基于优化反演的绕射波提取成像技术及其应用[J]. 石油物探, 2021,60(4): 574−583. doi: 10.3969/j.issn.1000-1441.2021.04.006 YAN Y Q, MA X J. Diffraction wave extraction imaging technology based on optimized inversion and its application[J]. Petroleum Geophysical Prospecting, 2021, 60(4): 574−583. (in Chinese). doi: 10.3969/j.issn.1000-1441.2021.04.006
[37] ZHANG R. Fresnel aperture and diffraction prestack depth migration[J]. CDSST Annual Report, 2004: 1-11.
[38] ZHU X, WU R S. Imaging diffraction points using the local image matrix in prestack migration[C]//2008 SEG Annual Meeting. OnePetro, 2008.
[39] KOREN Z, RAVVE I. Specular/diffraction imaging by full azimuth subsurface angle domain decomposition[M]//Society of Exploration Geophysicists. SEG Technical Program Expanded Abstracts 2010, 2010: 3268-3272.
[40] De FIGUEIREDO J J S, OLIVEIRA F, ESMI E, et al. Diffraction Imaging Based on the Diffraction Operator[C]//European Association of Geoscientists & Engineers. 73th EAGE Conference and Exhibition incorporating SPE EUROPEC 2011, 2011: cp-238-00049.
[41] ZHANG J, ZHANG J. Diffraction imaging using shot and opening-angle gathers: A prestack time migration approach[J]. Geophysics, 2014, 79(2): S23−S33. doi: 10.1190/geo2013-0016.1
[42] ZHAO J, WANG Y, YU C. Diffraction imaging by uniform asymptotic theory and double exponential fitting[J]. Geophysical Prospecting, 2015, 63(2): 338−353. doi: 10.1111/1365-2478.12199
[43] 李晓峰, 黄建平, 李振春, 等. 基于反稳相滤波的边缘绕射成像方法研究[J]. 地球物理学进展, 2015,30(3): 1205−1213. doi: 10.6038/pg20150328 LI X F, HUANG J P, LI Z C, et al. Research on edge diffraction imaging method based on anti stable phase filtering[J]. Progress in Geophysics, 2015, 30(3): 1205−1213. (in Chinese). doi: 10.6038/pg20150328
[44] 刘培君, 黄建平, 李振春, 等. 一种基于反稳相的深度域绕射波分离成像方法[J]. 石油地球物理勘探, 2017,52(5): 967−973, 879. DOI: 10.13810/j.cnki.issn.1000-7210.2017.05.009. LIU P J, HUANG J P, LI Z C, et al. A depth domain diffracted wave separation imaging method based on anti stable phase[J]. Petroleum Geophysical Exploration, 2017, 52(5): 967−973, 879. DOI: 10.13810/j.cnki.issn.1000-7210.2017.05.009. (in Chinese).
[45] MOON W, CARSWELL A, TANG R, et al. Radon transform wave field separation for vertical seismic profiling data[J]. Geophysics, 1986, 51(4): 940−947. doi: 10.1190/1.1442151
[46] ROWBOTHAM P S, GOULTY N R. Wavefield separation by 3-D filtering in cross hole seismic reflection processing[J]. Geophysics, 1994, 59(7): 1065−1071. doi: 10.1190/1.1443662
[47] BOULFOUL M, WATTS D R. Separation and enhancement of split S-waves on multicomponent shot records from the BIRPS WISPA experiment[J]. Geophysics, 1994, 59(1): 131−139. doi: 10.1190/1.1443524
[48] MacBETH C, LI X Y, ZENG X, et al. Processing of a nine-component near-offset VSP for seismic anisotropy[J]. Geophysics, 1997, 62(2): 676−689. doi: 10.1190/1.1444176
[49] ZHOU H, SATO M. Application of vertical radar profiling technique to Sendai Castle[J]. Geophysics, 2000, 65(2): 533−539. doi: 10.1190/1.1444748
[50] 李彩芹, 张华. 小波变换与F-K联合滤波在面波分离中的应用[J]. 中国煤田地质, 2007,(4): 60−61, 84. LI C Q, ZHANG H. Application of wavelet transform and F-K joint filtering in surface wave separation[J]. China Coal Field Geology, 2007, (4): 60−61, 84. (in Chinese).
[51] 赵娟娟, 李德春, 匡伟, 等. F-K滤波方法分离地震绕射波和反射波[J]. 能源技术与管理, 2010,(3): 16−17. doi: 10.3969/j.issn.1672-9943.2010.03.007 ZHAO J J, LI D C, KUANG W, et al. Separation of seismic diffracted and reflected waves by F-K filtering method[J]. Energy Technology and Management, 2010, (3): 16−17. (in Chinese). doi: 10.3969/j.issn.1672-9943.2010.03.007
[52] LOU M, CAMPBELL M, CHENG D, et al. An improved parametric inversion methodology to separate P and SV wavefields from VSP data[C]//2013 SEG Annual Meeting. OnePetro, 2013.
[53] 万光南. f-k滤波在压制面波噪声中的应用[J]. 中州煤炭, 2014,(2): 99−101. WAN G N. Application of f-k filtering in suppressing surface wave noise[J]. Zhongzhou Coal, 2014, (2): 99−101. (in Chinese).
[54] LI H, YANG G, WANG J, et al. Ground-roll suppression by EMD algorithm based on average value constraint[C]//2016 SEG International Exposition and Annual Meeting. OnePetro, 2016.
[55] SUN J, ZHENG J, GUO J, et al. An f-k filtering technology based on structural constraint to suppress the interference of small-scale geologic bodies in fault identification[M]//Society of Exploration Geophysicists. SEG Technical Program Expanded Abstracts 2017, 2017: 2315-2319.
[56] SUN Y, FEI T W. Wavefield separation at an arbitrary propagation direction via f-k filtering[C]//SEG Technical Program Expanded Abstracts 2018. Society of Exploration Geophysicists, 2018: 4171-4175.
[57] 吕佳静, 程广利, 袁骏, 等. 波数域滤波法提取海底地震波场中的表面波[C]//中国声学学会水声学分会2019年学术会议论文集, 2019: 43-45. [58] 吴海波, 张平松, 胡雄武, 等. f-k滤波在探地雷达数据去噪中的应用[J]. 安徽理工大学学报(自然科学版), 2020,40(1): 33−37. WU H B, ZHANG P S, HU X W, et al. Application of f-k filtering in ground penetrating radar data denoising[J]. Journal of Anhui University of Science and Technology (Natural Science Edition), 2020, 40(1): 33−37. (in Chinese).
[59] 李志娜, 李振春, 王鹏, 等. 地震资料F-K滤波去除相干噪声综合性实验[J]. 实验技术与管理, 2022,39(1): 66−71. DOI: 10.16791/j.cnki.sjg.2022.01.014. LI Z N, LI Z C, WANG P, et al. Comprehensive experiment on F-K filtering of seismic data to remove coherent noise[J]. Experiment Technology and Management, 2022, 39(1): 66−71. DOI: 10.16791/j.cnki.sjg.2022.01.014. (in Chinese).
[60] 马铭, 包乾宗. 利用Encoder-Decoder框架的深度学习网络实现绕射波分离及成像[J]. 石油地球物理勘探, 2023,58(1): 56−64. DOI: 10.13810/j.cnki.issn.1000-7210.2023.01.005. MA M, BAO Q Z. Deep learning network using Encoder-Decoder framework for bypass wave separation and imaging[J]. Petroleum Geophysical Exploration, 2023, 58(1): 56−64. DOI: 10.13810/j.cnki.issn.1000-7210.2023.01.005. (in Chinese).
[61] 盛同杰, 赵惊涛, 彭苏萍. 地震绕射波弱信号U-net网络提取方法[J]. 地球物理学报, 2023,66(3): 1192−1204. doi: 10.6038/cjg2022Q0073 SHENG T J, ZHAO J T, PENG S P. Extraction method of seismic bypass wave weak signal U-net network[J]. Chinese Journal of Geophysics, 2023, 66(3): 1192−1204. (in Chinese). doi: 10.6038/cjg2022Q0073
-
期刊类型引用(1)
1. 魏昊业，柳青，宗会迁. GE LightSpeed Pro 16 CT伪影故障维修3例. 医疗卫生装备. 2024(10): 118-120 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 291
- HTML全文浏览量: 153
- PDF下载量: 82
- 被引次数: 1
