| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 地震数据重建研究现状 | 第10-12页 |
| 1.2.2 地震随机噪音压制研究现状 | 第12-13页 |
| 1.3 本文主要的研究内容 | 第13-15页 |
| 第二章 信号的稀疏表示理论 | 第15-26页 |
| 2.1 稀疏表示理论基础 | 第15-17页 |
| 2.1.1 稀疏表示问题描述 | 第15-16页 |
| 2.1.2 稀疏性的度量 | 第16页 |
| 2.1.3 稀疏表示的不确定性 | 第16-17页 |
| 2.2 字典构造方法 | 第17-20页 |
| 2.2.1 基于数学模型构造字典 | 第17-19页 |
| 2.2.2 基于正交基级联构造字典 | 第19-20页 |
| 2.2.3 基于学习训练构造字典 | 第20页 |
| 2.3 稀疏优化算法 | 第20-24页 |
| 2.3.1 松弛优化算法 | 第21-22页 |
| 2.3.2 贪婪追踪算法 | 第22-23页 |
| 2.3.3 组合优化方法 | 第23-24页 |
| 2.4 稀疏表示与压缩感知 | 第24-26页 |
| 第三章 基于稀疏表示和压缩感知的地震数据重建 | 第26-44页 |
| 3.1 基于稀疏变换压缩重建的基本原理 | 第26-32页 |
| 3.1.1 重建模型描述 | 第26-28页 |
| 3.1.2 稀疏促进反演算法 | 第28-29页 |
| 3.1.3 规则采样与随机采样 | 第29-32页 |
| 3.2 基于傅立叶变换和压缩感知的地震数据重建 | 第32-38页 |
| 3.2.1 基于傅里叶变换的压缩重建流程 | 第32-33页 |
| 3.2.2 理论模型测试 | 第33-35页 |
| 3.2.3 实际资料处理 | 第35-38页 |
| 3.3 基于非局部算法和压缩感知的地震数据重建 | 第38-44页 |
| 3.3.1 非局部压缩采样及地震数据的恢复重建 | 第38-40页 |
| 3.3.2 理论模型测试 | 第40-42页 |
| 3.3.3 实际模型处理 | 第42-44页 |
| 第四章 基于稀疏表示的地震随机噪音压制 | 第44-74页 |
| 4.1 基于独立分量分析的随机噪音压制 | 第44-55页 |
| 4.1.1 基函数 | 第44-45页 |
| 4.1.2 ICA基 | 第45-48页 |
| 4.1.3 基于ICA基的阈值法去噪 | 第48-50页 |
| 4.1.4 理论模型测试及实际资料处理 | 第50-55页 |
| 4.2 基于K-SVD的微地震数据随机噪音压制 | 第55-64页 |
| 4.2.1 基于K-SVD字典训练的稀疏表示理论 | 第56-57页 |
| 4.2.2 小波域稀疏表示去噪方法 | 第57-59页 |
| 4.2.3 理论模型及实际资料处理 | 第59-64页 |
| 4.3 基于稀疏K-SVD的三维地震数据随机噪音压制 | 第64-74页 |
| 4.3.1 稀疏字典模型 | 第64-65页 |
| 4.3.2 基于稀疏字典的稀疏表示去噪方法 | 第65-67页 |
| 4.3.3 理论模型及实际资料处理 | 第67-74页 |
| 第五章 基于稀疏表示的地震属性融合处理 | 第74-89页 |
| 5.1 基于稀疏表示的多属性融合原理 | 第74-78页 |
| 5.2 无噪音属性的融合研究 | 第78-83页 |
| 5.2.1 同类属性的融合 | 第78-80页 |
| 5.2.2 不同类属性的融合 | 第80-83页 |
| 5.3 含噪音属性的融合研究 | 第83-89页 |
| 结论 | 第89-91页 |
| 参考文献 | 第91-100页 |
| 攻读硕士学位期间取得的学术成果 | 第100-101页 |
| 致谢 | 第101页 |