تضعیف نوفه تصادفی در دادههای لرزهای با استفاده از روش میانگین غیرمحلی

چکیده مقاله

در طی سالهای گذشته دانشمندان و محققان بسیاری در زمینه تضعیف نوفههای تصادفی در علوم متفاوت تلاش کردهاند که نتیجه آن پدید آمدن انواع روشهای گوناگون بر مبنای اصولی مانند تئوری احتمالات ، آمار ، معادلات دیفرانسیل جزئی، فیلترهای خطی و غیرخطی و آنالیزهای طیفی و چند رزولوشنی بوده است. در این پروژه ما به معرفی و بررسی الگوریتمی نوین به نام میانگین غیر محلی 1 می پردازیم این روش در ابتدا برای تضعیف نوفههای تصادفی از عکسها توسعه پیدا کرد و اخیراً در زمینههای مختلف مانند تصاویر پزشکی مورد استفاده قرار میگیرد. این الگوریتم از هر نمونه یا پیکسل درون تصویر با استفاده از دیگر نمونهها یا پیکسل های مشابه و بدون در نظر گرفتن مجاورت مکانی آنها نوفهزدایی میکند و به این ترتیب فرآیند غیر- محلی را به وجود میآورد . در این روش فرض بر این است که از ساختارهای داخل یک تصویر بدون انتقال به محیط دیگر، یعنی در همان محیط زمان مکان، می توان برای تضعیف نوفه تصادفی استفاده کرد. در این روش به علت حجم سنگین - محاسبات و همچنین برای بهینه کردن این روش از نظر زمانی، به جای در نظر گرفتن تنها یک نمونه، عملیات برای چند نمونه که به صورت یک همسایگی میتوان آنها را در نظر گرفت انجام میشود و سپس همسایگیهای مشابه با همسایگی مذکور در کل تصویر یافت میشود. نتایج این تحقیق نشان داد که الگوریتم میانگین غیر محلی برای تضعیف نوفه تصادفی در دادههای لرزهای کارآمد می باشد. آزمایش با دادههای مصنوعی و حقیقی نشان داد که الگوریتم میانگین غیرمحلی در مقایسه با دیگر روش های لرزه ای حذف نوفه مانند واهمامیخت x-f 2 ، انرژی لرزهای را در طول ناپیوستگی های تیز یا رویداد های منحنی پخش نمیکند و همچنین به طور مؤثرتری دامنه رویدادهای منحنی را حفظ میکند.

دریافت لینک دانلود مقاله