Reconstruction of seismic data with missing traces based on local random sampling and curvelet transform

احتمالا داده های لرزه ای با ردیابی های گمشده در زمینه کسب اطلاعات زمین به دست می آید، با این وجود، پردازش بعدی نیاز به اطلاعات کامل لرزه ای دارد؛ بنابراین لازم است که ردیابی های از دست رفته در داده های لرزه ای بازسازی شود. بازسازی داده های لرزه ای به یک مسئله بهینه سازی کمینه بر اساس داده های لرزه نگاری در حوزه تبدیل خم می شود و الگوریتم رگرسیون گرادیان برای حل آن استفاده می شود. برای غلبه بر محدودیت های نمونه گیری تصادفی کنترل نشده، نمونه گیری تصادفی محلی در مقاله ارائه شده است؛ می تواند نه تنها اندازه شکاف نمونه گیری را به طور موثر کنترل کند، بلکه تصادفی نمونه گیری را نیز حفظ می کند. مدل سازی عددی نشان می دهد که نتایج بازسازی نمونه گیری تصادفی محلی بهتر از نمونه گیری تصادفی سنتی و نمونه برداری است. علاوه بر این، رویکرد پیشنهادی نیز برای جمع آوری و جمع آوری پیش قطعه قطعه مورد استفاده قرار می گیرد، نمونه های زمینه نشان می دهد که این روش برای بازسازی داده های لرزه ای با ردیابی های گم شده موثر است و قابل استفاده است. علاوه بر این، این روش می تواند نتایج مناسب را برای پردازش زیر بر روی داده های لرزه ای فراهم کند.