عنوان پایان‌نامه

تضعیف نوفه تصادفی در داده های لرزه ای با استفاده از روش تطبیق بلوک سه بعدی



    دانشجو در تاریخ ۰۶ دی ۱۳۹۳ ، به راهنمایی ، پایان نامه با عنوان "تضعیف نوفه تصادفی در داده های لرزه ای با استفاده از روش تطبیق بلوک سه بعدی" را دفاع نموده است.


    رشته تحصیلی
    ژئوفیزیک-لرزه شناسی
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66129;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1078
    تاریخ دفاع
    ۰۶ دی ۱۳۹۳

    یکی از مهم‌ترین و مشکل‌ترین کارها در مراحل اکتشاف منابع طبیعی، به‌دست آوردن داده‌های مناسب است. پس از انجام مراحل پردازشی بر روی داده‌ها، آن‌ها را وارد مرحله تفسیر می‌کنند تا از مکان‌های احتمالی منابع طبیعی مطلع شویم. پس اگر این داده‌ها دارای ‌کیفیت بالایی نباشند یا به عبارتی میزان سیگنال به نوفه آنها بالا نباشد، خطا در مرحله تفسیر بیشتر می‌شود. امروزه برای افزایش میزان سیگنال به نوفه، پس از برداشت داده‌ها از انواع روش‌های حذف نوفه استفاده می‌شود که از مهمترین آنها می‌توان به روش تبدیل کرولت اشاره کرد. در این مطالعه، در ابتدا به مرور برخی روش های تضعیف نوفه تصادفی در حوزه زمان- مکان، حوزه تبدیلات و ترکیب آن دو می پردازیم. سپس به بیان یک روش جدید به نام "تطبیق بلوک سه بعدی " می‌پردازیم. این روش با تکیه بر افزونگی اطلاعات موجود در سیگنال یا تصویر برای بازیابی دامنه سیگنال در یک نقطه خاص در همان حوزه مکان زمان استفاده می‌کند و لذا توانایی بهتری برای حفظ ناپیوستگی‌های موجود در داده‌ها نظیر لرزه‌ها، شکستگی‌ها و گسلها دارد. ما نشان خواهیم داد که ‌این روش علاوه بر برتری عددی در میزان کاهش نوفه نسبت به روش‌های مرسوم، از کیفیت تصویری بیشتری نیز برخوردار است.
    Abstract
    One of the most important and hardest steps in the explorations of natural resources is the obtaining of suitable data. After the processing of data, they will be interpreted for finding the possible locations of resources. So, if these data lack high quality, or in the other words, have low signal to noise ratio, the error in the interpretation step will be increased. Nowadays, for increasing of signal to noise ratio, different types of noise attenuation methods are used after data acquisition such as Curvelet method, which is one of the most powerful methods. In this study, we review some of the random noise attenuation methods in the t-x domain, transform domain, and their combination. Then, we introduce a new nonlocal transform-domain method called “3 Dimensional Block Matching (3DBM)”. This method uses the similarities through the signal or data for retrieving the amplitude of signal in a specific point in the t-x domain, and because of this, it is more able for preserving of discontinuities in the data such as fractures and faults. We show that the results of this method, have not also higher signal to noise ratio but also better visual quality, and the attenuated noises have a good randomness.