自动选择用于地震分析的滤波器参数的制作方法
自动选择用于地震分析的滤波器参数的制作方法
【技术领域】
[0001]本发明涉及用于自动选择被应用于给定输入数据的滤波器(filter)和滤波器参数的滤波器选择技术。
【背景技术】
[0002]地震勘测(seismic survey) —般由石油和天然气公司在它们勘探地表下(subsurface)的自然资源时执行。地震勘测由产生朝向地表下的地震爆破(seismicshots)的地震源构成。由于地震爆破向下行进经过地表下中的不同的材料，因此创建了被向上反弹回到地面的反射。这个反射数据被地面处的检测器记录，并且可以被处理以重建地表下的2D或3D图像。地表下图像可以被用来找到(identify)包含所希望的自然资源的潜在区域。
[0003]然而，所产生的地表下图像往往被存在于勘测系统中的噪声破坏。在地震数据采集过程中，声波、相干噪声和随机噪声通过经由地面的传播到达检测器，并且作为反射波和折射波经过地质层传播。地震信号的最有用的部分是主反射，而且所有其它的地震波被认为是相干噪声。这些噪声破坏了反射数据，使得难以产生准确的地表下图像。
[0004]传统上，地质学家已手动应用噪声滤波器来清理被破坏的反射数据中的噪声。然而，这种手动过程通常需要3-6个月来处理给定数据量。这种长的延迟可能是不可接受的，特别是当地震爆破由于用户或仪器误差而需要重复的时候。地质学家很多时候已不在现场并且不能重复测试。
【发明内容】
[0005]在一个实施例中，计算机实现的方法，由处理器接收被第一噪声破坏的第一图像数据。该方法然后由处理器访问存储有来自先前分析的图像数据的信息的库(library)。该方法然后由一个或多个处理器根据第一图像数据从库中自动选择条目。该方法然后由处理器将噪声滤波器应用于第一图像数据以减少第一图像数据中的噪声，其中，根据由条目指定的第一滤波器参数来应用该噪声滤波器。该方法可以使用跨多个处理器的并行化来执行，以实现更好的性能。
[0006]在另一实施例中，非临时性计算机可读存储介质存储一个或多个程序，所述一个或多个程序包括指令以用于:接收被第一噪声破坏的第一图像数据；访问存储有来自先前分析的图像数据的信息的库；根据第一图像数据从库中自动选择条目；以及将噪声滤波器应用于第一图像数据以减少第一图像数据中的噪声，其中，根据由条目指定的第一滤波器参数来应用噪声滤波器。
[0007]在另一实施例中，计算机实现的系统包括一个或多个计算机处理器和非临时性计算机可读存储介质。非临时性计算机可读存储介质包括指令，当所述指令被运行时控制所述一个或多个计算机处理器被配置用于:接收被第一噪声破坏的第一图像数据；访问存储有来自先前分析的图像数据的信息的库；根据第一图像数据从库中自动选择条目；以及将噪声滤波器应用于第一图像数据以减少第一图像数据中的噪声，其中，根据由条目指定的第一滤波器参数来应用噪声滤波器。
[0008]以下详细描述和附图提供了对本发明的性质和优点的更好理解。
【附图说明】
[0009]图1示出了根据一个实施例的系统。
[0010]图2示出了根据一个实施例的系统。
[0011]图3示出了根据一个实施例的系统。
[0012]图4a示出了根据一个实施例的会话。
[0013]图4b示出了根据一个实施例的输入数据与存储在数据库中的被破坏的数据的相关性图表。
[0014]图5示出了根据一个实施例的系统。
[0015]图6a不出了根据一个实施例的显不输入数据的图表。
[0016]图6b不出了根据一个实施例的显不输出数据的图表。
[0017]图7示出了根据一个实施例的提供搜索数据库的处理流程。
[0018]图8示出了根据一个实施例的的示例性计算机系统。
【具体实施方式】
[0019]在下面的描述中，为了说明的目的，阐述了许多例子和特定细节以便提供对本公开的透彻理解。然而，对本领域技术人员而言明显的是，如权利要求所定义的本公开可以包括这些示例本身中的特征中的一些或全部、或者与下面所描述的其它特征的结合，并且还可以包括对这里描述的特征和构思的修改和等同。
[0020]本文中所描述的各种实施例提供了用于自动选择要被应用到数据(或信号)的滤波器和/或滤波器参数的技术。滤波器在被应用时可以除去一些不希望的、破坏数据或信号的组分(component)或特征。例如，地震图像数据在它被记录时可能被噪声破坏。结果，降噪滤波器可以被应用于地震图像数据以降低噪音。通过使用适当的降噪滤波器和滤波器参数，破坏地震图像数据的噪声可以被减少或除去，从而允许生成地表下的准确再现。
[0021]通常，会话(sess1n)可以记录针对地表下的一分割区(partit1n)的图像数据。适合于当前会话中的当前图像数据记录的滤波器和滤波器参数可以通过评估数据库中的条目来自动确定。数据库中的每个条目包括被破坏的图像数据、以及应用于被破坏的图像数据的滤波器和/或滤波器参数。被破坏的图像数据可以是来自当前会话的勘测(survey)数据(例如，被测量并被采集的图像数据)、来自先前会话的勘测数据、或者从数据模拟生成的模拟数据。分类算法可以被应用于地震图像数据以识别包含与当前图像数据记录类似、相似或相关的被破坏的图像数据的一个或多个条目。匹配条目(或多个条目)可以被检查，以确定将被应用于地震图像数据的推荐的滤波器和/或滤波器参数。推荐的滤波器和/或滤波器参数可以是与被应用于一个或多个匹配条目的被破坏的图像数据的参数相同或相似的。
[0022]图1示出了根据一个实施例的系统100。系统100包括输入数据101、自动降噪引擎110和输出数据102。输入数据101可以是图像数据或其它类型的信号和数据。在一些例子中，输入数据101可以是从当前会话选择的图像数据记录。例如，当前会话可以用于记录地震数据以生成地表下的图像。自动降噪引擎110被配置为接收输入数据101，并生成输出数据102，该输出数据102是输入数据101的经滤波的版本。滤波可以除去破坏输入数据101的某些属性或特性。破坏可能由在捕获、存储或处理数据的过程中发生的噪声引起。
[0023]如图所示，自动降噪引擎110可以包括滤波器参数选择器112。滤波器参数选择器112被配置为自动选择将被应用到输入数据101的滤波器参数。滤波器参数可以基于输入数据101和数据库120来选择。数据库120包括多个条目，诸如条目125。条目125将被破坏的数据和滤波器参数一起存储，该滤波器参数被应用于滤波器以清洁(clean up)该被破坏的数据。在一个例子中，被破坏的数据可以被模拟。在另一例子中，被破坏的数据可以是先前测量的输入数据。在一些例子中，数据库120可以被组织以使得属于同一会话的条目被存储在一起。
[0024]在一个实施例中，滤波器参数选择器112可以被配置以分析输入数据101，从而识别数据库120中的、包括与输入数据101相关联的被破坏的数据的条目。滤波器参数选择器112 (未示出)的分类算法可以被用来确定条目的被破坏的数据与输入数据101之间的相关性。分类算法可以被应用于数据库120，以识别包含与输入数据101良好匹配的被破坏的数据的一个或多个条目。滤波器参数选择器112可以基于所识别的条目来选择滤波器参数 105。
[0025]在一个实施例中，数据库120中的、在先前会话期间生成的条目可以通过分类算法进行评估。在另一个实施例中，数据库120中的、包括手动地选择的滤波器参数的条目可以通过分类算法进行评估。这允许滤波器参数选择器112选择包含有要应用到输入数据101的手动选择的滤波器参数的条目。在又一实施例中，数据库120中的、与当前会话相关的条目可以通过分类算法进行评估。这可以允许滤波器参数选择器112基于当前会话中的其他数据来生成滤波器参数。
[0026]自动降噪引擎110还包括降噪滤波器114。降噪滤波器114可以是用于减少输入数据102中的噪声的、本领域中已知的许多降噪滤波器之一。在其他实施例中，可以应用除了降噪滤波器外的其他类型的滤波器。在一个实施例中，降噪滤波器114可以根据从滤波器参数选择器112供应的滤波器参数105对输入数据101滤波。降噪滤波器114的输出可以是输出数据102，其是输入数据101的经滤波的版本。
[0027]在一个实施例中，系统100可以检查输出数据102，以评估滤波器参数105对输入数据101的性能。如果输入数据101中的噪声已经被充分除去(例如，从输入数据101除去的噪声高于预定义的阈值、输出数据102中的噪声低于预定义的阈值、或输出数据102的清晰度高于预定义阈值)，则系统100可以将输入数据101连同滤波器参数105 —起存储在数据库120中的新的条目中。这可以提供反馈环(feedback loop)，它允许数据库120随着数据通过自动降噪引擎110被处理而增长(grow)。
[0028]图2示出了根据一个实施例的系统200 。系统200包括输入数据101、自动降噪引擎210和输出数据102。自动降噪引擎210被配置为生成输出数据102，它是具有已降低噪声的输入数据101的版本。自动降噪引擎210包括滤波器选择器212。滤波器选择器212可以从多个滤波器中选择滤波器以应用于输入数据101。所选择的滤波器可以通过滤波器ID 205来表示。在一个例子中，滤波器的选择可以通过将输入数据101与数据库220的条目中的被破坏的数据比较来发生。数据库220类似于图1的数据库120，不同之处在于:数据库220的每个条目包括用于存储被应用于被破坏的数据的滤波器的滤波器ID的附加字段。具有与输入数据101相关的被破坏的数据的条目可以被分组，并且被应用于这些条目的被破坏的数据的滤波器可以被检查以确定应用于输入数据101的滤波器。在一个例子中，滤波器选择器212可以基于数据库220和输入数据101生成滤波器ID 205。
[0029]自动降噪引擎210还包括滤波器参数选择器216。滤波器参数选择器216可以类似于或基本类似于图1的滤波器参数选择器112。与图1的滤波器参数选择器112的不同之处在于，滤波器参数选择器216接收滤波器ID 205作为输入，以缩小在数据库220中检查的条目。在一个实施例中，滤波器参数选择器216检查数据库220中具有与滤波器ID 205匹配的滤波器ID的条目，并跳过数据库220中具有与滤波器ID 205不匹配的滤波器ID的条目。被检查的条目可以使用分类算法来检查，以确定该条目的被破坏的数据是否与输入数据101相关。具有与输入数据101相关的被破坏的数据的条目被进一步检查并被用于生成滤波器参数105。
[0030]自动降噪引擎还包括通用降噪滤波器214。通用降噪滤波器214能够应用来自存储在滤波器库230中的各种滤波器中的滤波器。通用降噪引擎214可以接收滤波器ID 205和滤波器参数105以配置滤波器库230中的滤波器。在一个例子中，通用降噪滤波器214可以应用来自滤波器库230的、与滤波器ID 205匹配的滤波器。一旦被配置，滤波器就被应用于输入数据101以生成输出数据102。
[0031]图3示出了根据一个实施例的系统300。系统300包括输入数据101、滤波器参数选择器112和滤波器参数105。滤波器参数选择器112被配置为基于输入数据101和数据库120生成多个滤波器参数105。滤波器参数选择器112包括一个或多个处理引擎以处理数据库120。在一个实施例中，滤波器参数选择器112包括聚类引擎310。聚类引擎310被配置为对数据库120中的与输入数据101类似的条目进行聚类。在另一个实施例中，滤波器参数选择器112包括相关性引擎320。相关性引擎320被配置为，为输入数据101和数据库120中的条目的被破坏的数据分配相关性得分。在另一实施例中，滤波器参数选择器112包括本征空间引擎330。本征空间引擎330被配置为检查输入数据101和本征空间域中的条目的被破坏的数据。在其他例子中，输入数据和数据库120中的条目可以在另一空间中进行评估。
[0032]图4a示出了根据一个实施例的会话。会话400a是正在被检查的1km乘1km的区域。成像数据可以在该区域中的预定间隔处被收集。这里，在该区域中正在收集1600 X 1600个数据点。因此，在会话400a期间，正在收集1600行数据点，每行具有1600个数据点。
[0033]图4b示出了根据一个实施例的输入数据与存储在数据库中的被破坏的数据的相关性图表。如图所示，相关性图表400示出了输入数据与测量的(measured)数据的集合的相关性。测量的数据的集合是从沿同一地震线展开的一系列地震爆破收集的。这里，该系列地震爆破在X坐标I和介于I和200之间的y坐标处发生。换句话说，测量的数据是从沿y方向移动的一系列地震爆破收集的。输入数据是该系列的爆破xl，yl50。结果，地震爆破xl，yl50与其自身的相关性产生了相关性图表400中为I的相关性。这里，地震爆破xl，ylOl到xl，yl49已经被处理，并与应用于这些地震爆破的滤波器参数一起被存储在数据库的条目中。
[0034]在一个实施例中，相关性引擎可以生成相关性图表400，并且从相关性图表400选择一个或多个数据点以便在生成滤波器参数时进行检查。一个或多个数据点的选择可以基于每个数据点的相关性得分。在一个例子中，相关性引擎可以选择其相关值高于预定阈值或在相关性值的范围之间的数据点。在另一例子中，数据点可以针对一组预定的相关值来选择。这里，具有0.25、0.35、0.55和0.75的相关值(如由虚线410、420、430和440表示的)的数据点被选择。被用于与这些数据点相对应的条目的滤波器参数被检查，以生成将被用于输入数据(爆破xl，yl50)的滤波器参数。
[0035]在另一实施例中，相关性引擎可以从数据库选择一个或多个条目。条目可以属于先前会话(例如，其它测量区域)或另一地震线。相关性引擎可以生成每个条目的相关性得分，其描述条目的被破坏的数据与输入数据之间的相关性。具有高于阈值的相关性得分的条目可以被进一步检查以生成用于输入数据的滤波器参数。
[0036]在又一个实施例中，相关性引擎可以从数据库选择当前会话期间生成的一个或多个条目。这是为了新的会话创建的自动化过程(automated process)，而无需使用来自先前会话的数据(勘测的(surveyed)数据或模拟的(simulated)数据)。在一个例子中，当前会话可以有多个数据点。用户可以手动地选择用于几个数据点的滤波器和/或滤波器参数。之后，用户可以将系统设置为自动模式，其中将被应用到其它数据点的滤波器和滤波器参数是基于手动选择的滤波器和/或滤波器参数的。自动化过程的结果可以被周期性地检查，以确定结果是否令人满意。如果结果不能令人满意，则用户可以重复对一些数据点进行滤波，以生成附加的手动选择的滤波器参数。随着时间的推移，系统可以从手动选择的滤波器参数学习，并且将学习到的内容应用到自动化过程。
[0037]图5示出了根据一个实施例的系统500。系统500包括库生成器510，其接收模拟的被破坏的数据501以及模拟的干净的数据502。通过检查被破坏的数据和干净的数据，库生成器510可以创建数据库的条目520。条目520可以包括滤波器参数，当该滤波器参数被应用于滤波器时可以从模拟的被破坏的数据501生成模拟的干净的数据502的接近的或精确的再现。
[0038]库生成器510包括滤波器选择器511和参数分析器513。滤波器选择器511可以比较模拟的被破坏的数据501和模拟的干净的数据502以选择滤波器，当该滤波器被应用于模拟的被破坏的数据501时可以生成模拟的干净的数据502。滤波器可以从滤波器库230选择。参数分析器513可以比较模拟的被破坏的数据501和模拟的干净的数据502以选择滤波器参数，当该滤波器参数被应用于由滤波器选择器511选择的滤波器时可以从模拟的被破坏的数据501生成模拟的干净的数据502。一旦滤波器和滤波器参数被选择，库生成器510就可以生成条目520。条目520可以包括模拟的被破坏的数据501 (其全部或一部分)、来自滤波器选择器511的滤波器ID、和来自参数分析器513的滤波器参数。
[0039]在一些例子中，库生成器510可以对所生成的条目进行聚类，并将它们存储在数据库中以简化搜索。例如，来自同一会话的条目可以在数据库中被聚类在一起。作为另一个例子，来自同一地震线的条目可以在数据库中被聚类在一起。
[0040]图6a不出了根据一个实施例的显不输入数据的图表600a。如图表600a中所不，输入数据具有形状像三角形的在中间的噪声，其可能来自被用于生成数据的地震爆破。图6b示出了根据一个实施例的显示输出数据的图表600b。该输出数据可以是图600a中所示的输入数据的具有较少噪声的版本。如图600b所示，图600a中的形状像三角形的噪声已经通过应用根据输入数据自动选择的滤波器和滤波器参数被部分除去。
[0041]图7示出了根据一个实施例的提供搜索数据库的处理流程。过程700可以被存储在计算机可读介质中并且由处理器执行。在710，过程700开始于接收被第一噪声破坏的第一图像数据。在一个例子中，第一图像数据可以是响应于地震爆破而收集的地震数据，而且第一噪声可以是由地震爆破行进经过地表下所引起的噪声。
[0042]在接收第一图像数据之后，在720，过程700继续以访问存储有来自先前分析的图像数据的信息的库。该库可以是存储先前分析的图像数据的数据库。在一个例子中，先前分析的图像数据是测量的数据。在另一例子中，先前分析的图像数据是模拟的数据。
[0043]在访问库之后，在730，过程700可以继续以根据该第一图像从库选择条目。条目的选择可以包括使第一图像数据与条目的被破坏的图像数据相关。在一个例子中，对于从不同会话(可能覆盖不同区域)捕获的图像数据的分析所生成的多个条目可以被分析，以从多个条目当中选择与第一图像数据充分相关的条目，以使得应用于该条目的被破坏的 数据的相同的滤波器/滤波器参数可以被应用到第一图像数据。当所生成的描述相关性的相关性值高于预定义的阈值时，可以确定充分相关性。在另一例子中，多个条目可以根据第一图像数据从数据库中选择。
[0044]在从库中选择条目之后，在740，过程700可以继续以将噪声滤波器应用于第一图像数据，以减少第一图像数据中的噪声。噪声滤波器可以根据由该条目指定的第一滤波器参数来应用。在其他实施例中，根据第一图像数据自动地选择的多个条目可以被评估，以确定第一滤波器参数。
[0045]图8示出了示例性计算机系统800。计算机系统810包括总线805或用于传送信息的其他通信机制，以及与总线805耦合的用于处理信息的处理器801。计算机系统810还包括耦合到总线805的内存802，用于存储要由处理器801执行的信息和指令，例如包括用于执行上述技术的信息和指令。这个内存还可以用于在由处理器801执行的指令的执行过程中存储变量或其它中间信息。这个内存的可能的实现可以是，但不限于，随机存取存储器(RAM)、只读存储器(ROM)、或两者。存储设备803也被提供以用于存储信息和指令。存储设备的常见形式包括，例如，硬盘驱动器、磁盘、光盘、⑶-ROM、DVD、快闪存储器、USB存储卡、或者计算机可以读取的任何其它介质。例如，存储设备803可以包括用于执行上述技术的源代码、二进制代码或软件文件。存储设备和内存是计算机可读介质的两个例子。
[0046]计算机系统810可以经由总线805耦合到显示器812，诸如阴极射线管(CRT)或液晶显示器(IXD)，以用于显示信息给计算机用户。输入设备811，诸如键盘和/或鼠标，耦合到总线805，以用于将来自用户的信息和命令选择通信给处理器801。这些组件的组合允许用户与系统通信。在一些系统中，总线805可以被划分为多个专用总线。
[0047]计算机系统810还包括与总线805耦合的网络接口 804。网络接口 804可以在计算机系统810和本地网络820之间提供双向数据通信。例如，网络接口 804可以是数字用户线(DSL)或调制解调器，以通过电话线提供数据通信连接。网络接口的另一例子是局域网(LAN)卡，以提供到可兼容LAN的数据通信连接。无线链接是另一例子。在任何这样的实现中，网络接口 804发送和接收携带表示各种类型的信息的数字数据流的电、电磁或光信号。
[0048]计算机系统810可以通过网络接口 804在本地网络820、内联网或互联网830上发送和接收信息，包括消息或其他界面操作。对于本地网络，计算机系统810可以与多个其它计算机设备，诸如服务器815，通信。因此，计算机系统810、和由服务器815所表示的服务器计算机系统可以形成云计算网络，其可以利用本文描述的过程来编程。在互联网例子中，软件组件或服务可以驻留在网络上的多个不同计算机系统810或服务器831-835上。例如，以上描述的过程可以在一个或多个服务器上实现。服务器831可以通过互联网830、本地网络820和网络接口 804从一个组件向计算机系统810中的组件发送动作或消息。例如，上述软件组件和过程可以在任何计算机系统上实现，并且在网络上发送和/或接收信息。
[0049]以上描述示出了本发明的各种实施例连同如何可以实现本发明的各个方面的例子。上述的例子和实施例不应该被视为唯一的实施例，而且被呈现以说明由以下权利要求所限定的本发明的灵活性和优点。基于以上公开和以下权利要求，其他安排、实施例、实现和等同将对本领域技术人员显而易见，而且可以被采用而不脱离由权利要求限定的本发明的精神和范围。
【主权项】
1.一种计算机实现的方法，包括: 由处理器接收被第一噪声破坏的第一图像数据； 由所述处理器访问存储有来自先前分析的图像数据的信息的库； 由所述处理器基于所述第一图像数据和条目的属性，从所述库自动地选择条目；以及由所述处理器将噪声滤波器应用于所述第一图像数据以减少所述第一图像数据中的噪声，其中，所述噪声滤波器是根据由所述条目指定的第一滤波器参数来应用的。2.如权利要求1所述的计算机实现的方法，其中，自动地选择包括: 生成描述所述条目和第一图像数据之间的相关性的相关性值； 确定所述相关性值大于阈值；以及 基于所述确定来选择所述条目。3.如权利要求2所述的计算机实现的方法，其中，所述条目包括被第二噪声破坏的第二图像数据，而且其中，由所述条目指定的滤波器参数先前被应用于所述第二图像数据以减少所述第二噪声。4.如权利要求3所述的计算机实现的方法，其中，所述第二图像数据是模拟的图像数据。5.如权利要求1所述的计算机实现的方法，其中，自动地选择包括: 基于所述第一图像数据，对来自所述库的多个条目进行聚类；以及 从所述多个条目当中选择所述条目。6.如权利要求1所述的计算机实现的方法，其中，所述第一图像数据是与地震爆破相对应的地震数据，而且所述先前分析的图像数据是先前分析的地震数据。7.如权利要求1所述的计算机实现的方法，还包括:由所述处理器根据由所述条目指定的第二滤波器参数，从多个噪声滤波器中自动地选择所述噪声滤波器。8.一种存储一个或多个程序的非临时性计算机可读存储介质，所述一个或多个程序包括指令以用于: 接收被第一噪声破坏的第一图像数据； 访问存储有来自先前分析的图像数据的信息的库； 基于所述第一图像数据和条目的属性，从所述库自动地选择条目；以及将噪声滤波器应用于所述第一图像数据以减少所述第一图像数据中的噪声，其中，所述噪声滤波器是根据由所述条目指定的第一滤波器参数来应用的。9.如权利要求8所述的非临时性计算机可读存储介质，其中，自动地选择包括: 生成描述所述条目和第一图像数据之间的相关性的相关性值； 确定所述相关性值大于阈值；以及 基于所述确定来选择所述条目。10.如权利要求9所述的非临时性计算机可读存储介质，其中，所述条目包括被第二噪声破坏的第二图像数据，而且其中，由所述条目指定的滤波器参数先前被应用于所述第二图像数据以减少所述第二噪声。11.如权利要求10所述的非临时性计算机可读存储介质，其中，所述第二图像数据是模拟的图像数据。12.如权利要求8所述的非临时性计算机可读存储介质，其中，自动地选择包括: 基于所述第一图像数据，对来自所述库的多个条目进行聚类；以及 从所述多个条目当中选择所述条目。13.如权利要求8所述的非临时性计算机可读存储介质，其中，所述第一图像数据是与地震爆破相对应的地震数据，而且所述先前分析的图像数据是先前分析的地震数据。14.如权利要求8所述的非临时性计算机可读存储介质，还包括由所述处理器根据由所述条目指定的第二滤波器参数，从多个噪声滤波器中自动地选择所述噪声滤波器。15.—种计算机实现的系统，包括: 一个或多个计算机处理器；以及 包括指令的非临时性计算机可读存储介质，当所述指令被运行时控制所述一个或多个计算机处理器被配置用于: 接收被第一噪声破坏的第一图像数据； 访问存储有来自先前分析的图像数据的信息的库； 基于所述第一图像数据和条目的属性，从所述库自动地选择条目；以及将噪声滤波器应用于所述第一图像数据以减少所述第一图像数据中的噪声，其中，所述噪声滤波器是根据由所述条目指定的第一滤波器参数来应用的。16.如权利要求15所述的计算机实现的系统，其中，自动地选择包括: 生成描述所述条目和第一图像数据之间的相关性的相关性值； 确定所述相关性值大于阈值；以及 基于所述确定来选择所述条目。17.如权利要求16所述的计算机实现的系统，其中，所述条目包括被第二噪声破坏的第二图像数据，而且其中，由所述条目指定的滤波器参数先前被应用于所述第二图像数据以减少所述第二噪声。18.如权利要求15所述的计算机实现的系统，其中，自动地选择包括: 基于所述第一图像数据，对来自所述库的多个条目进行聚类；以及 从所述多个条目当中选择所述条目。19.如权利要求15所述的计算机实现的系统，其中，所述第一图像数据是与地震爆破相对应的地震数据，而且所述先前分析的图像数据是先前分析的地震数据。20.如权利要求15所述的计算机实现的系统，还包括由所述处理器根据由所述条目指定的第二滤波器参数，从多个噪声滤波器中自动地选择所述噪声滤波器。
【专利摘要】一种自动选择用于地震分析的滤波器参数。描述了用于自动选择被应用于给定输入数据的滤波器和滤波器参数的滤波器选择技术。该技术首先接收输入数据并访问存储有来自先前分析的图像数据的信息的库。该技术从库选择条目，其中该条目包含与输入数据相关的数据。然后，该技术将滤波器应用于输入数据。滤波器和滤波器参数由所选择的条目确定。
【IPC分类】G06F17/30, G06T7/00
【公开号】CN104899859
【申请号】CN201510096339
【发明人】A.斯迪克, R.帕切科, B.秦, D.马洛夫
【申请人】Sap欧洲公司
【公开日】2015年9月9日
【申请日】2015年3月4日
【公告号】EP2916287A1, US20150254812
【技术领域】
[0001]本发明涉及用于自动选择被应用于给定输入数据的滤波器(filter)和滤波器参数的滤波器选择技术。
【背景技术】
[0002]地震勘测(seismic survey) —般由石油和天然气公司在它们勘探地表下(subsurface)的自然资源时执行。地震勘测由产生朝向地表下的地震爆破(seismicshots)的地震源构成。由于地震爆破向下行进经过地表下中的不同的材料，因此创建了被向上反弹回到地面的反射。这个反射数据被地面处的检测器记录，并且可以被处理以重建地表下的2D或3D图像。地表下图像可以被用来找到(identify)包含所希望的自然资源的潜在区域。
[0003]然而，所产生的地表下图像往往被存在于勘测系统中的噪声破坏。在地震数据采集过程中，声波、相干噪声和随机噪声通过经由地面的传播到达检测器，并且作为反射波和折射波经过地质层传播。地震信号的最有用的部分是主反射，而且所有其它的地震波被认为是相干噪声。这些噪声破坏了反射数据，使得难以产生准确的地表下图像。
[0004]传统上，地质学家已手动应用噪声滤波器来清理被破坏的反射数据中的噪声。然而，这种手动过程通常需要3-6个月来处理给定数据量。这种长的延迟可能是不可接受的，特别是当地震爆破由于用户或仪器误差而需要重复的时候。地质学家很多时候已不在现场并且不能重复测试。
【发明内容】
[0005]在一个实施例中，计算机实现的方法，由处理器接收被第一噪声破坏的第一图像数据。该方法然后由处理器访问存储有来自先前分析的图像数据的信息的库(library)。该方法然后由一个或多个处理器根据第一图像数据从库中自动选择条目。该方法然后由处理器将噪声滤波器应用于第一图像数据以减少第一图像数据中的噪声，其中，根据由条目指定的第一滤波器参数来应用该噪声滤波器。该方法可以使用跨多个处理器的并行化来执行，以实现更好的性能。
[0006]在另一实施例中，非临时性计算机可读存储介质存储一个或多个程序，所述一个或多个程序包括指令以用于:接收被第一噪声破坏的第一图像数据；访问存储有来自先前分析的图像数据的信息的库；根据第一图像数据从库中自动选择条目；以及将噪声滤波器应用于第一图像数据以减少第一图像数据中的噪声，其中，根据由条目指定的第一滤波器参数来应用噪声滤波器。
[0007]在另一实施例中，计算机实现的系统包括一个或多个计算机处理器和非临时性计算机可读存储介质。非临时性计算机可读存储介质包括指令，当所述指令被运行时控制所述一个或多个计算机处理器被配置用于:接收被第一噪声破坏的第一图像数据；访问存储有来自先前分析的图像数据的信息的库；根据第一图像数据从库中自动选择条目；以及将噪声滤波器应用于第一图像数据以减少第一图像数据中的噪声，其中，根据由条目指定的第一滤波器参数来应用噪声滤波器。
[0008]以下详细描述和附图提供了对本发明的性质和优点的更好理解。
【附图说明】
[0009]图1示出了根据一个实施例的系统。
[0010]图2示出了根据一个实施例的系统。
[0011]图3示出了根据一个实施例的系统。
[0012]图4a示出了根据一个实施例的会话。
[0013]图4b示出了根据一个实施例的输入数据与存储在数据库中的被破坏的数据的相关性图表。
[0014]图5示出了根据一个实施例的系统。
[0015]图6a不出了根据一个实施例的显不输入数据的图表。
[0016]图6b不出了根据一个实施例的显不输出数据的图表。
[0017]图7示出了根据一个实施例的提供搜索数据库的处理流程。
[0018]图8示出了根据一个实施例的的示例性计算机系统。
【具体实施方式】
[0019]在下面的描述中，为了说明的目的，阐述了许多例子和特定细节以便提供对本公开的透彻理解。然而，对本领域技术人员而言明显的是，如权利要求所定义的本公开可以包括这些示例本身中的特征中的一些或全部、或者与下面所描述的其它特征的结合，并且还可以包括对这里描述的特征和构思的修改和等同。
[0020]本文中所描述的各种实施例提供了用于自动选择要被应用到数据(或信号)的滤波器和/或滤波器参数的技术。滤波器在被应用时可以除去一些不希望的、破坏数据或信号的组分(component)或特征。例如，地震图像数据在它被记录时可能被噪声破坏。结果，降噪滤波器可以被应用于地震图像数据以降低噪音。通过使用适当的降噪滤波器和滤波器参数，破坏地震图像数据的噪声可以被减少或除去，从而允许生成地表下的准确再现。
[0021]通常，会话(sess1n)可以记录针对地表下的一分割区(partit1n)的图像数据。适合于当前会话中的当前图像数据记录的滤波器和滤波器参数可以通过评估数据库中的条目来自动确定。数据库中的每个条目包括被破坏的图像数据、以及应用于被破坏的图像数据的滤波器和/或滤波器参数。被破坏的图像数据可以是来自当前会话的勘测(survey)数据(例如，被测量并被采集的图像数据)、来自先前会话的勘测数据、或者从数据模拟生成的模拟数据。分类算法可以被应用于地震图像数据以识别包含与当前图像数据记录类似、相似或相关的被破坏的图像数据的一个或多个条目。匹配条目(或多个条目)可以被检查，以确定将被应用于地震图像数据的推荐的滤波器和/或滤波器参数。推荐的滤波器和/或滤波器参数可以是与被应用于一个或多个匹配条目的被破坏的图像数据的参数相同或相似的。
[0022]图1示出了根据一个实施例的系统100。系统100包括输入数据101、自动降噪引擎110和输出数据102。输入数据101可以是图像数据或其它类型的信号和数据。在一些例子中，输入数据101可以是从当前会话选择的图像数据记录。例如，当前会话可以用于记录地震数据以生成地表下的图像。自动降噪引擎110被配置为接收输入数据101，并生成输出数据102，该输出数据102是输入数据101的经滤波的版本。滤波可以除去破坏输入数据101的某些属性或特性。破坏可能由在捕获、存储或处理数据的过程中发生的噪声引起。
[0023]如图所示，自动降噪引擎110可以包括滤波器参数选择器112。滤波器参数选择器112被配置为自动选择将被应用到输入数据101的滤波器参数。滤波器参数可以基于输入数据101和数据库120来选择。数据库120包括多个条目，诸如条目125。条目125将被破坏的数据和滤波器参数一起存储，该滤波器参数被应用于滤波器以清洁(clean up)该被破坏的数据。在一个例子中，被破坏的数据可以被模拟。在另一例子中，被破坏的数据可以是先前测量的输入数据。在一些例子中，数据库120可以被组织以使得属于同一会话的条目被存储在一起。
[0024]在一个实施例中，滤波器参数选择器112可以被配置以分析输入数据101，从而识别数据库120中的、包括与输入数据101相关联的被破坏的数据的条目。滤波器参数选择器112 (未示出)的分类算法可以被用来确定条目的被破坏的数据与输入数据101之间的相关性。分类算法可以被应用于数据库120，以识别包含与输入数据101良好匹配的被破坏的数据的一个或多个条目。滤波器参数选择器112可以基于所识别的条目来选择滤波器参数 105。
[0025]在一个实施例中，数据库120中的、在先前会话期间生成的条目可以通过分类算法进行评估。在另一个实施例中，数据库120中的、包括手动地选择的滤波器参数的条目可以通过分类算法进行评估。这允许滤波器参数选择器112选择包含有要应用到输入数据101的手动选择的滤波器参数的条目。在又一实施例中，数据库120中的、与当前会话相关的条目可以通过分类算法进行评估。这可以允许滤波器参数选择器112基于当前会话中的其他数据来生成滤波器参数。
[0026]自动降噪引擎110还包括降噪滤波器114。降噪滤波器114可以是用于减少输入数据102中的噪声的、本领域中已知的许多降噪滤波器之一。在其他实施例中，可以应用除了降噪滤波器外的其他类型的滤波器。在一个实施例中，降噪滤波器114可以根据从滤波器参数选择器112供应的滤波器参数105对输入数据101滤波。降噪滤波器114的输出可以是输出数据102，其是输入数据101的经滤波的版本。
[0027]在一个实施例中，系统100可以检查输出数据102，以评估滤波器参数105对输入数据101的性能。如果输入数据101中的噪声已经被充分除去(例如，从输入数据101除去的噪声高于预定义的阈值、输出数据102中的噪声低于预定义的阈值、或输出数据102的清晰度高于预定义阈值)，则系统100可以将输入数据101连同滤波器参数105 —起存储在数据库120中的新的条目中。这可以提供反馈环(feedback loop)，它允许数据库120随着数据通过自动降噪引擎110被处理而增长(grow)。
[0028]图2示出了根据一个实施例的系统200 。系统200包括输入数据101、自动降噪引擎210和输出数据102。自动降噪引擎210被配置为生成输出数据102，它是具有已降低噪声的输入数据101的版本。自动降噪引擎210包括滤波器选择器212。滤波器选择器212可以从多个滤波器中选择滤波器以应用于输入数据101。所选择的滤波器可以通过滤波器ID 205来表示。在一个例子中，滤波器的选择可以通过将输入数据101与数据库220的条目中的被破坏的数据比较来发生。数据库220类似于图1的数据库120，不同之处在于:数据库220的每个条目包括用于存储被应用于被破坏的数据的滤波器的滤波器ID的附加字段。具有与输入数据101相关的被破坏的数据的条目可以被分组，并且被应用于这些条目的被破坏的数据的滤波器可以被检查以确定应用于输入数据101的滤波器。在一个例子中，滤波器选择器212可以基于数据库220和输入数据101生成滤波器ID 205。
[0029]自动降噪引擎210还包括滤波器参数选择器216。滤波器参数选择器216可以类似于或基本类似于图1的滤波器参数选择器112。与图1的滤波器参数选择器112的不同之处在于，滤波器参数选择器216接收滤波器ID 205作为输入，以缩小在数据库220中检查的条目。在一个实施例中，滤波器参数选择器216检查数据库220中具有与滤波器ID 205匹配的滤波器ID的条目，并跳过数据库220中具有与滤波器ID 205不匹配的滤波器ID的条目。被检查的条目可以使用分类算法来检查，以确定该条目的被破坏的数据是否与输入数据101相关。具有与输入数据101相关的被破坏的数据的条目被进一步检查并被用于生成滤波器参数105。
[0030]自动降噪引擎还包括通用降噪滤波器214。通用降噪滤波器214能够应用来自存储在滤波器库230中的各种滤波器中的滤波器。通用降噪引擎214可以接收滤波器ID 205和滤波器参数105以配置滤波器库230中的滤波器。在一个例子中，通用降噪滤波器214可以应用来自滤波器库230的、与滤波器ID 205匹配的滤波器。一旦被配置，滤波器就被应用于输入数据101以生成输出数据102。
[0031]图3示出了根据一个实施例的系统300。系统300包括输入数据101、滤波器参数选择器112和滤波器参数105。滤波器参数选择器112被配置为基于输入数据101和数据库120生成多个滤波器参数105。滤波器参数选择器112包括一个或多个处理引擎以处理数据库120。在一个实施例中，滤波器参数选择器112包括聚类引擎310。聚类引擎310被配置为对数据库120中的与输入数据101类似的条目进行聚类。在另一个实施例中，滤波器参数选择器112包括相关性引擎320。相关性引擎320被配置为，为输入数据101和数据库120中的条目的被破坏的数据分配相关性得分。在另一实施例中，滤波器参数选择器112包括本征空间引擎330。本征空间引擎330被配置为检查输入数据101和本征空间域中的条目的被破坏的数据。在其他例子中，输入数据和数据库120中的条目可以在另一空间中进行评估。
[0032]图4a示出了根据一个实施例的会话。会话400a是正在被检查的1km乘1km的区域。成像数据可以在该区域中的预定间隔处被收集。这里，在该区域中正在收集1600 X 1600个数据点。因此，在会话400a期间，正在收集1600行数据点，每行具有1600个数据点。
[0033]图4b示出了根据一个实施例的输入数据与存储在数据库中的被破坏的数据的相关性图表。如图所示，相关性图表400示出了输入数据与测量的(measured)数据的集合的相关性。测量的数据的集合是从沿同一地震线展开的一系列地震爆破收集的。这里，该系列地震爆破在X坐标I和介于I和200之间的y坐标处发生。换句话说，测量的数据是从沿y方向移动的一系列地震爆破收集的。输入数据是该系列的爆破xl，yl50。结果，地震爆破xl，yl50与其自身的相关性产生了相关性图表400中为I的相关性。这里，地震爆破xl，ylOl到xl，yl49已经被处理，并与应用于这些地震爆破的滤波器参数一起被存储在数据库的条目中。
[0034]在一个实施例中，相关性引擎可以生成相关性图表400，并且从相关性图表400选择一个或多个数据点以便在生成滤波器参数时进行检查。一个或多个数据点的选择可以基于每个数据点的相关性得分。在一个例子中，相关性引擎可以选择其相关值高于预定阈值或在相关性值的范围之间的数据点。在另一例子中，数据点可以针对一组预定的相关值来选择。这里，具有0.25、0.35、0.55和0.75的相关值(如由虚线410、420、430和440表示的)的数据点被选择。被用于与这些数据点相对应的条目的滤波器参数被检查，以生成将被用于输入数据(爆破xl，yl50)的滤波器参数。
[0035]在另一实施例中，相关性引擎可以从数据库选择一个或多个条目。条目可以属于先前会话(例如，其它测量区域)或另一地震线。相关性引擎可以生成每个条目的相关性得分，其描述条目的被破坏的数据与输入数据之间的相关性。具有高于阈值的相关性得分的条目可以被进一步检查以生成用于输入数据的滤波器参数。
[0036]在又一个实施例中，相关性引擎可以从数据库选择当前会话期间生成的一个或多个条目。这是为了新的会话创建的自动化过程(automated process)，而无需使用来自先前会话的数据(勘测的(surveyed)数据或模拟的(simulated)数据)。在一个例子中，当前会话可以有多个数据点。用户可以手动地选择用于几个数据点的滤波器和/或滤波器参数。之后，用户可以将系统设置为自动模式，其中将被应用到其它数据点的滤波器和滤波器参数是基于手动选择的滤波器和/或滤波器参数的。自动化过程的结果可以被周期性地检查，以确定结果是否令人满意。如果结果不能令人满意，则用户可以重复对一些数据点进行滤波，以生成附加的手动选择的滤波器参数。随着时间的推移，系统可以从手动选择的滤波器参数学习，并且将学习到的内容应用到自动化过程。
[0037]图5示出了根据一个实施例的系统500。系统500包括库生成器510，其接收模拟的被破坏的数据501以及模拟的干净的数据502。通过检查被破坏的数据和干净的数据，库生成器510可以创建数据库的条目520。条目520可以包括滤波器参数，当该滤波器参数被应用于滤波器时可以从模拟的被破坏的数据501生成模拟的干净的数据502的接近的或精确的再现。
[0038]库生成器510包括滤波器选择器511和参数分析器513。滤波器选择器511可以比较模拟的被破坏的数据501和模拟的干净的数据502以选择滤波器，当该滤波器被应用于模拟的被破坏的数据501时可以生成模拟的干净的数据502。滤波器可以从滤波器库230选择。参数分析器513可以比较模拟的被破坏的数据501和模拟的干净的数据502以选择滤波器参数，当该滤波器参数被应用于由滤波器选择器511选择的滤波器时可以从模拟的被破坏的数据501生成模拟的干净的数据502。一旦滤波器和滤波器参数被选择，库生成器510就可以生成条目520。条目520可以包括模拟的被破坏的数据501 (其全部或一部分)、来自滤波器选择器511的滤波器ID、和来自参数分析器513的滤波器参数。
[0039]在一些例子中，库生成器510可以对所生成的条目进行聚类，并将它们存储在数据库中以简化搜索。例如，来自同一会话的条目可以在数据库中被聚类在一起。作为另一个例子，来自同一地震线的条目可以在数据库中被聚类在一起。
[0040]图6a不出了根据一个实施例的显不输入数据的图表600a。如图表600a中所不，输入数据具有形状像三角形的在中间的噪声，其可能来自被用于生成数据的地震爆破。图6b示出了根据一个实施例的显示输出数据的图表600b。该输出数据可以是图600a中所示的输入数据的具有较少噪声的版本。如图600b所示，图600a中的形状像三角形的噪声已经通过应用根据输入数据自动选择的滤波器和滤波器参数被部分除去。
[0041]图7示出了根据一个实施例的提供搜索数据库的处理流程。过程700可以被存储在计算机可读介质中并且由处理器执行。在710，过程700开始于接收被第一噪声破坏的第一图像数据。在一个例子中，第一图像数据可以是响应于地震爆破而收集的地震数据，而且第一噪声可以是由地震爆破行进经过地表下所引起的噪声。
[0042]在接收第一图像数据之后，在720，过程700继续以访问存储有来自先前分析的图像数据的信息的库。该库可以是存储先前分析的图像数据的数据库。在一个例子中，先前分析的图像数据是测量的数据。在另一例子中，先前分析的图像数据是模拟的数据。
[0043]在访问库之后，在730，过程700可以继续以根据该第一图像从库选择条目。条目的选择可以包括使第一图像数据与条目的被破坏的图像数据相关。在一个例子中，对于从不同会话(可能覆盖不同区域)捕获的图像数据的分析所生成的多个条目可以被分析，以从多个条目当中选择与第一图像数据充分相关的条目，以使得应用于该条目的被破坏的 数据的相同的滤波器/滤波器参数可以被应用到第一图像数据。当所生成的描述相关性的相关性值高于预定义的阈值时，可以确定充分相关性。在另一例子中，多个条目可以根据第一图像数据从数据库中选择。
[0044]在从库中选择条目之后，在740，过程700可以继续以将噪声滤波器应用于第一图像数据，以减少第一图像数据中的噪声。噪声滤波器可以根据由该条目指定的第一滤波器参数来应用。在其他实施例中，根据第一图像数据自动地选择的多个条目可以被评估，以确定第一滤波器参数。
[0045]图8示出了示例性计算机系统800。计算机系统810包括总线805或用于传送信息的其他通信机制，以及与总线805耦合的用于处理信息的处理器801。计算机系统810还包括耦合到总线805的内存802，用于存储要由处理器801执行的信息和指令，例如包括用于执行上述技术的信息和指令。这个内存还可以用于在由处理器801执行的指令的执行过程中存储变量或其它中间信息。这个内存的可能的实现可以是，但不限于，随机存取存储器(RAM)、只读存储器(ROM)、或两者。存储设备803也被提供以用于存储信息和指令。存储设备的常见形式包括，例如，硬盘驱动器、磁盘、光盘、⑶-ROM、DVD、快闪存储器、USB存储卡、或者计算机可以读取的任何其它介质。例如，存储设备803可以包括用于执行上述技术的源代码、二进制代码或软件文件。存储设备和内存是计算机可读介质的两个例子。
[0046]计算机系统810可以经由总线805耦合到显示器812，诸如阴极射线管(CRT)或液晶显示器(IXD)，以用于显示信息给计算机用户。输入设备811，诸如键盘和/或鼠标，耦合到总线805，以用于将来自用户的信息和命令选择通信给处理器801。这些组件的组合允许用户与系统通信。在一些系统中，总线805可以被划分为多个专用总线。
[0047]计算机系统810还包括与总线805耦合的网络接口 804。网络接口 804可以在计算机系统810和本地网络820之间提供双向数据通信。例如，网络接口 804可以是数字用户线(DSL)或调制解调器，以通过电话线提供数据通信连接。网络接口的另一例子是局域网(LAN)卡，以提供到可兼容LAN的数据通信连接。无线链接是另一例子。在任何这样的实现中，网络接口 804发送和接收携带表示各种类型的信息的数字数据流的电、电磁或光信号。
[0048]计算机系统810可以通过网络接口 804在本地网络820、内联网或互联网830上发送和接收信息，包括消息或其他界面操作。对于本地网络，计算机系统810可以与多个其它计算机设备，诸如服务器815，通信。因此，计算机系统810、和由服务器815所表示的服务器计算机系统可以形成云计算网络，其可以利用本文描述的过程来编程。在互联网例子中，软件组件或服务可以驻留在网络上的多个不同计算机系统810或服务器831-835上。例如，以上描述的过程可以在一个或多个服务器上实现。服务器831可以通过互联网830、本地网络820和网络接口 804从一个组件向计算机系统810中的组件发送动作或消息。例如，上述软件组件和过程可以在任何计算机系统上实现，并且在网络上发送和/或接收信息。
[0049]以上描述示出了本发明的各种实施例连同如何可以实现本发明的各个方面的例子。上述的例子和实施例不应该被视为唯一的实施例，而且被呈现以说明由以下权利要求所限定的本发明的灵活性和优点。基于以上公开和以下权利要求，其他安排、实施例、实现和等同将对本领域技术人员显而易见，而且可以被采用而不脱离由权利要求限定的本发明的精神和范围。
【主权项】
1.一种计算机实现的方法，包括: 由处理器接收被第一噪声破坏的第一图像数据； 由所述处理器访问存储有来自先前分析的图像数据的信息的库； 由所述处理器基于所述第一图像数据和条目的属性，从所述库自动地选择条目；以及由所述处理器将噪声滤波器应用于所述第一图像数据以减少所述第一图像数据中的噪声，其中，所述噪声滤波器是根据由所述条目指定的第一滤波器参数来应用的。2.如权利要求1所述的计算机实现的方法，其中，自动地选择包括: 生成描述所述条目和第一图像数据之间的相关性的相关性值； 确定所述相关性值大于阈值；以及 基于所述确定来选择所述条目。3.如权利要求2所述的计算机实现的方法，其中，所述条目包括被第二噪声破坏的第二图像数据，而且其中，由所述条目指定的滤波器参数先前被应用于所述第二图像数据以减少所述第二噪声。4.如权利要求3所述的计算机实现的方法，其中，所述第二图像数据是模拟的图像数据。5.如权利要求1所述的计算机实现的方法，其中，自动地选择包括: 基于所述第一图像数据，对来自所述库的多个条目进行聚类；以及 从所述多个条目当中选择所述条目。6.如权利要求1所述的计算机实现的方法，其中，所述第一图像数据是与地震爆破相对应的地震数据，而且所述先前分析的图像数据是先前分析的地震数据。7.如权利要求1所述的计算机实现的方法，还包括:由所述处理器根据由所述条目指定的第二滤波器参数，从多个噪声滤波器中自动地选择所述噪声滤波器。8.一种存储一个或多个程序的非临时性计算机可读存储介质，所述一个或多个程序包括指令以用于: 接收被第一噪声破坏的第一图像数据； 访问存储有来自先前分析的图像数据的信息的库； 基于所述第一图像数据和条目的属性，从所述库自动地选择条目；以及将噪声滤波器应用于所述第一图像数据以减少所述第一图像数据中的噪声，其中，所述噪声滤波器是根据由所述条目指定的第一滤波器参数来应用的。9.如权利要求8所述的非临时性计算机可读存储介质，其中，自动地选择包括: 生成描述所述条目和第一图像数据之间的相关性的相关性值； 确定所述相关性值大于阈值；以及 基于所述确定来选择所述条目。10.如权利要求9所述的非临时性计算机可读存储介质，其中，所述条目包括被第二噪声破坏的第二图像数据，而且其中，由所述条目指定的滤波器参数先前被应用于所述第二图像数据以减少所述第二噪声。11.如权利要求10所述的非临时性计算机可读存储介质，其中，所述第二图像数据是模拟的图像数据。12.如权利要求8所述的非临时性计算机可读存储介质，其中，自动地选择包括: 基于所述第一图像数据，对来自所述库的多个条目进行聚类；以及 从所述多个条目当中选择所述条目。13.如权利要求8所述的非临时性计算机可读存储介质，其中，所述第一图像数据是与地震爆破相对应的地震数据，而且所述先前分析的图像数据是先前分析的地震数据。14.如权利要求8所述的非临时性计算机可读存储介质，还包括由所述处理器根据由所述条目指定的第二滤波器参数，从多个噪声滤波器中自动地选择所述噪声滤波器。15.—种计算机实现的系统，包括: 一个或多个计算机处理器；以及 包括指令的非临时性计算机可读存储介质，当所述指令被运行时控制所述一个或多个计算机处理器被配置用于: 接收被第一噪声破坏的第一图像数据； 访问存储有来自先前分析的图像数据的信息的库； 基于所述第一图像数据和条目的属性，从所述库自动地选择条目；以及将噪声滤波器应用于所述第一图像数据以减少所述第一图像数据中的噪声，其中，所述噪声滤波器是根据由所述条目指定的第一滤波器参数来应用的。16.如权利要求15所述的计算机实现的系统，其中，自动地选择包括: 生成描述所述条目和第一图像数据之间的相关性的相关性值； 确定所述相关性值大于阈值；以及 基于所述确定来选择所述条目。17.如权利要求16所述的计算机实现的系统，其中，所述条目包括被第二噪声破坏的第二图像数据，而且其中，由所述条目指定的滤波器参数先前被应用于所述第二图像数据以减少所述第二噪声。18.如权利要求15所述的计算机实现的系统，其中，自动地选择包括: 基于所述第一图像数据，对来自所述库的多个条目进行聚类；以及 从所述多个条目当中选择所述条目。19.如权利要求15所述的计算机实现的系统，其中，所述第一图像数据是与地震爆破相对应的地震数据，而且所述先前分析的图像数据是先前分析的地震数据。20.如权利要求15所述的计算机实现的系统，还包括由所述处理器根据由所述条目指定的第二滤波器参数，从多个噪声滤波器中自动地选择所述噪声滤波器。
【专利摘要】一种自动选择用于地震分析的滤波器参数。描述了用于自动选择被应用于给定输入数据的滤波器和滤波器参数的滤波器选择技术。该技术首先接收输入数据并访问存储有来自先前分析的图像数据的信息的库。该技术从库选择条目，其中该条目包含与输入数据相关的数据。然后，该技术将滤波器应用于输入数据。滤波器和滤波器参数由所选择的条目确定。
【IPC分类】G06F17/30, G06T7/00
【公开号】CN104899859
【申请号】CN201510096339
【发明人】A.斯迪克, R.帕切科, B.秦, D.马洛夫
【申请人】Sap欧洲公司
【公开日】2015年9月9日
【申请日】2015年3月4日
【公告号】EP2916287A1, US20150254812
最新回复(0)