[00146897]基于数据驱动紧框架小波稀疏约束优化的地震数据重建

(1)提出五维地震数据抗噪重建 提出了一种基于高维数据驱动紧框架理论的地震数据重构方法。数据驱动紧框架方法根据数据本身训练得到最优稀疏表示字典。本项目将数据驱动紧框架应 用于五维地震数据重构,结果证明五维数据驱动紧框架可以获得很好的地震数据 重构效果。数据驱动紧框架方法比传统字典学习方法提速近一百倍,这使得字典 学习方法有望应用于实际地震资料处理。 （2）提出四种改进的字典学习算法 1)蒙特卡罗 DDTF,通过蒙特卡罗块选择方法大幅度降低计算量并同时保持了重构效果。 2)基于克罗内克的数据驱动紧框架字典学习方法。该字典学习方法利用了克罗内克结构,避免了向量化操作,有效的保持了数据之间的联系性。 3)基于图正则化的字典学习方法。图正则化方法考虑了数据的局部和非局部相似性。 4)结合非局部高斯混合尺度模型,提出了图结构字典学习模型 （3）)获得荣誉 项目负责人马坚伟获得 2016 年的国家杰出青年基金; 入选 2017 年领军人才; 作为项目负责人获得国家重点研发计划的高性能计算专项一项。 （4）发表国际 SCI 期刊论文 19 篇。其中在地球物理勘探顶级期刊 Geophysics 发表10篇,IEEE Transactions on Geoscience and Remote Sensing 1 篇和 Inverse Problem 1 篇。 The Leading Edge发表邀请综述1篇。