导读:本文包含了稀疏数据重建论文开题报告文献综述及选题提纲参考文献，主要关键词:压缩感知,Curvelet变换,Fourier变换,Radon变换
稀疏数据重建论文文献综述
唐欢欢,毛伟建,杜蒙[1]（2019）在《基于不同稀疏表示的压缩感知地震数据重建效果分析》一文中研究指出压缩感知理论打破了信号离散采样中奈奎斯特采样定理的限制,使其在地震数据重建中得到广泛应用。压缩感知方法要求数据是稀疏的或者可以被稀疏表示,因此地震数据的稀疏表示方法是影响重建效果的重要因素之一。本文主要分析了常用的Curvelet、Fourier以及Radon变换这叁种地震数据稀疏表示方法对重建效果和重建效率的影响。通过模型数据和实际数据实验,比较了这叁种稀疏表示在数据不同缺失程度下重建效果、保幅能力以及重建效果这叁方面的优缺点,为实际地震数据重建中稀疏表示的选择提供可靠依据。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
于倩蕾[2]（2019）在《极稀疏投影数据的CT迭代图像重建技术应用研究》一文中研究指出计算机断层扫描(Computed Tomography,CT)成像是一种通过X射线扫描,获得被检测物体截面的技术,能够直观且准确地反映物体的内部结构信息。但是在CT成像的实际应用中,经常会面临欠采样和数据不完备的挑战:工业CT的使用环境较为复杂,受被检测物体的形状、大小,以及扫描条件的影响,投影数据的完备性几乎无法得到保证;医学CT中,如何使用更少的投影角度,最大限度的降低X射线的辐射剂量,重建出更高质量的图像,一直是CT研究领域的热点问题。综合相关文献的研究成果,并与CT工程技术人员进行沟通,本文将[0,360°)范围内投影角度数在20个及以下(即投影角度间隔不小于18°)的投影数据定义为极稀疏投影(Ultra-sparse Projection)数据。CT图像重建算法可分为解析类和迭代类两类。解析类重建算法普遍应用于完备采样数据的图像重建,投影角度数减少会导致重建图像出现严重的条状伪影,图像质量大幅下降。迭代类算法将CT图像重建问题转化为一个多维欠定方程组求解问题,通过不断迭代寻找满足一定收敛条件的像素值组合,实现图像重建。比起解析类算法,迭代类算法在稀疏投影数据的重建方面具有天然优势。特别是压缩感知(Compressed Sensing,CS)理论的出现,将图像固有的某些稀疏先验信息融入到迭代重建算法中,为使用极稀疏投影数据恢复出高质量的图像奠定了理论基础。本文针对极稀疏投影数据的CT图像重建问题进行了实验研究。首先研究圆周扫描轨道平面上扇束投影的二维图像重建,将迭代算法与压缩感知理论相结合,并将图像的全变差(Total Variation,TV)作为目标函数进行优化,提出一种针对极稀疏扇束投影数据的二维CT图像重建算法,本文将其称作USP-2DTV算法(Ultra-sparse Projection Iteration Reconstruction using 2D Total Variation Minimization,USP-2DTV);然后将USP-2DTV算法扩展至叁维,提出一种针对圆周轨道极稀疏锥束投影数据的叁维图像重建算法,记作USP-3DTV算法。实验结果表明在极稀疏投影条件下,本文提出的算法能够重建出质量良好的图像,具有一定的研究潜力和实用价值。此外,本文实验中USP-2DTV算法能处理的最少投影角度为18个,所需要的扫描时间和辐射剂量较之传统的FBP算法(通常采用1000个投影角度)能够降低50余倍。为了提高迭代算法的图像重建效率,本文基于NVIDIA公司的CUDA架构,初步实现了USP-2DTV算法的CPU+GPU异构并行计算,将图像重建程序的执行效率提高到CPU串行计算的2.5倍以上。本课题将CT迭代图像重建技术与压缩感知理论相融合,研究极稀疏投影数据的二维/叁维CT图像重建,并初步实现了算法的CPU+GPU异构并行计算,具有一定的学术探索意义和工程应用价值。(本文来源于《山东大学》期刊2019-05-25）
兰天维[3]（2019）在《基于稀疏表示的地震数据重建方法研究》一文中研究指出地震勘探作为一种地球物理勘探手段在油气勘探方面发挥着重要作用。地震勘探包括采集、处理与解释叁部分,地震数据的处理做为承前启后的一环,前人在此方面做了大量研究,取得了许多进展。然而,受制于科学技术的发展,在一段时期内,地震数据处理技术发展缓慢。随着时代的进步,数字计算机的出现将地震数据处理带入了数字时代,各种处理方法的提出使得地震勘探寻找与解释地质现象的能力得到长足发展。近年来,因勘探难度的增加,勘探区域地质条件复杂,勘探仪器受到本身及环境的影响,勘探时经济因素的制约,使得采集到的地震数据表现为不规则性、不完整性,这对后续的地震数据的处理与解释十分不利,因此需要对此不完整数据进行重建。地震数据的重建包括叁种方法:基于滤波器的方法、基于波动方程的插值方法、基于某种变换的方法。前两种方法有计算量大,结果不稳定的缺点,传统的基于某种变换的方法在上世纪八十年代便已经开始研究,但是此方法受制于Nyquist采样定理,需要较高的采样率才能完成重建,限制了数据处理的效率。压缩感知理论的提出打破了Nyquist采样定理的限制,为较低采样率的地震数据重建提供了理论支持。压缩感知理论认为,当信号具有稀疏性或者在某个变换域可以稀疏表示时,通过一个与稀疏变换基不相关的观测矩阵,将该信号从高维投射到低维,然后通过稀疏促进算法求解最优化问题可实现数据的高概率重建。压缩感知理论框架在地震数据重建中的应用提高了重建的效率与结果的精度,在地震勘探中发展前景广阔。压缩感知理论框架下的地震数据重建方法包含叁部分:测量矩阵、稀疏变换基、重建算法。对于不同的地震数据,叁部分不同程度地影响着重建效率与精度。由于地震勘探中,所得地震数据规模不尽相同,规模的大小一定程度上影响了不同稀疏变换基与重建算法的应用。通过对比不同规模下稀疏变换基与重建算法重建模拟数据与实际数据的的效果,本文研究了一种适用于大规模地震数据重建的方法。该方法通过在轮廓波变换域(Contourlet)中采用L_1范数谱投影梯度算法重建缺失的稀疏系数,以完成地震数据的重建。重建模拟数据与实际数据的实验表明,在采用相同稀疏变换基下,与正交匹配追踪算法(Orthogonal Matching Pursuit,OMP),梯度投影稀疏重建算法(Gradient Projection for Sparse Reconstruction,GPSR)相比,L_1范数谱投影梯度算法(Spectral Projection Gradient L1 Algorithm,SPGL1)重建精度更高,且能够满足处理大规模数据时对重建效率的要求。(本文来源于《吉林大学》期刊2019-05-01）
石战战,夏艳晴,王元君,周怀来,庞溯[4]（2019）在《基于L_1-L_1范数稀疏表示的共偏移距道集地震数据重建方法》一文中研究指出传统地震数据稀疏重建方法面临着:(1)迭前共炮点道集或CMP道集反射波为双曲线型同相轴,地震数据重建会损害有效波;(2)地震信号存在噪声和畸变,要求重建方法具有较好的噪声鲁棒性.针对这两个问题,提出一种基于L_1-L_1范数稀疏表示的共偏移距道集地震数据重建方法.该方法利用了共偏移距道集中地震波为水平同相轴,无道间时差,满足空间重建要求,和L_1-L_1范数稀疏表示具有较好的噪声鲁棒性.首先抽取共偏移距道集地震数据,并根据地震采集信息构造复合采样矩阵,然后采用L_1-L_1范数稀疏表示对数据稀疏重建后,再将数据反变换回共炮点道集或CMP道集,能够同时实现地震信号稀疏重建和随机噪声压制.理论模型和实际数据试算结果验证所提方法具有较好重建精度和噪声鲁棒性.(本文来源于《地球物理学进展》期刊2019年05期）
牛丽琨,吴美平[5]（2018）在《基于Curvelet变换冗余字典的重力数据稀疏表示与重建》一文中研究指出压缩感知理论为低采样建立大面积、高精度的重力场模型提供了理论指导。构造合适的变换基,实现二维重力数据更为稀疏的表示,对于测量矩阵的设计和重构精度的提高具有重大意义。采用Curvelet变换作为核函数构造过完备冗余字典,选取不同尺度不同方向的曲波系数作为原子组成不同的字典,对EGM2008模型分辨率为1′×1′的某海域重力异常数据进行稀疏表示和重建,根据PSNR值,稀疏度和η值作为评估标准确定最优原子个数。最后采用OMP算法对重力数据稀疏表示并重建。(本文来源于《物探化探计算技术》期刊2018年05期）
张岩[6]（2018）在《基于稀疏表示的油气地震勘探数据重建与去噪方法研究》一文中研究指出油气地震探勘数据的重建与去噪是提高地震资料信噪比、分辨率的基础过程,也是地震资料处理工作的关键问题,其本质上均可以归结为利用野外采集到的观测数据,通过数学的手段求解非线性不适定反问题,近似得到原始真实的地震数据。在求解该类反问题的研究中,经常会出现高维小样本数据的情况,在过少训练样本的条件下往往会导致过拟合问题,降低模型的泛化能力。近年来发展的稀疏表示技术可以将地震数据中大量的冗余变量去除,只保留与响应变量最相关的解释变量,简化模型的同时保留数据中最重要的信息。当地震数据处理问题的解满足稀疏性条件时,数据重建与去噪问题的求解转为求解具有稀疏性约束的非线性不适定反问题,从而使问题模型具有更好的适定性,便于数据处理、减少计算量和传输存储。特别近年来在压缩感知及超完备字典学习理论的影响下,稀疏表示与稀疏约束模型的求解理论得到了迅速的完善,也为解决地震数据的重建与去噪问题提供了新的方法与思路。因此,本文针对地震数据的重建、随机噪声压制问题深入分析,利用多尺度几何分析稀疏表示方法,在压缩感知理论框架下探索地震数据重建技术;采用超完备字典学习稀疏表示方法,研究地震数据随机噪声压制问题的解决方案,分析地震数据的重建与随机噪声压制问题的理论模型,揭示其内在的规律性。本文的主要研究内容及研究成果集中在以下方面:(1)研究压缩感知框架下,基于多尺度几何分析稀疏表示的地震数据重建方法,分析地震数据稀疏表示、观测采样、最优化求解方法应遵循的原则、步骤;研究基于超完备字典学习稀疏表示的地震数据随机噪声压制模型,以局部字典学习技术为主,探索地震数据的最优稀疏表示方法。(2)针对当前基于Curvelet域稀疏表示的地震数据重建方法未考虑变换系数相关性的问题,提出基于Curvelet域的贝叶斯估计阈值函数的重建算法,加强Curvelet域地震数据重建处理的稀疏表示效率,提高稀疏约束不适定反问题求解的准确性与收敛性。利用地震数据Curvelet变换系数在各个尺度之间及局部存在较强的相关性,在压缩感知框架下建立地震数据与噪声信号Curvelet父子系数联合分布模型,结合贝叶斯最大后验概率估计得到当前系数的双变量阈值函数,通过地震数据Curvelet变换最高尺度与邻域窗口系数分布特点确定参数,重建的稀疏约束正则化模型采用Landweber迭代算法求解,重建地震数据,与软阈值函数重建相比地震数据同向轴更加连续,提高了数据精度。(3)针对波原子域可以最优稀疏表示振荡函数(简单的纹理模型),具有更高效稀疏表示地震数据同相轴纹理信息的特点,提出基于波原子域稀疏表示的地震数据压缩感知重建算法,打破地震数据重建处理中传统多尺度几何分析稀疏表示方法的限制,提高稀疏约束正则化模型中解释变量的有效性。在波原子域建立基于压缩感知框架的地震数据重建稀疏性约束正则化模型;模型求解过程中采用循环平移方法抑制重建数据中的噪声,利用指数阈值收缩模型逐步促进编码系数的稀疏程度,保留地震数据主要特征,较同类稀疏表示方法波形的纹理保持质量较好。(4)针对当前全局字典去噪方法不能对地震数据中不同空间位置的波形变化都最优稀疏表示的问题,提出基于结构聚类的局部超完备字典稀疏表示的地震数据随机噪声压制算法,增强字典稀疏表示方法中原子的完备程度,提高稀疏约束正则化去噪模型求解的精确性和稳定性。利用地震数据分块之间存在较强的自相似性,且全局字典学习稀疏表示获得的系数分布具有局部结构非随机性冗余的特点,对地震数据块进行结构聚类,将每一类集合通过训练得到局部超完备字典,稀疏表示该类地震数据,依据各个聚类中心对其进行重新编码,得到原始地震数据更稀疏的表示和描述,压制地震随机噪声,与同类算法对比波形复杂区域质量较好。(5)针对当前以地震数据块为字典学习样本的稀疏表示方法不能充分描述邻近记录道在局部纵向与横向上存在相似性的问题,提出基于多道相似组字典学习稀疏表示的去噪算法,提高字典中原子的准确程度,使稀疏约束正则化的去噪模型具有较高的泛化能力和鲁棒性。利用地震数据波形在邻近记录道存在较强的相似性,首先在训练窗口内计算与目标地震数据块所包含多道记录波形的相似度,利用多道波形相似度最高的一组数据块构造多道相似组;然后采用自适应超完备字典学习训练算法完成基于多道相似组的字典构建与稀疏编码;最后通过迭代阈值收缩算法求解L1范数最优化问题,保留地震数据主要特征,压制随机噪声,细节特征保持质量较高。本文以稀疏表示为研究的主线,将地震数据重建、去噪的实际需求与多尺度几何分析稀疏表示、压缩感知、超完备字典学习、最优化求解、机器学习等理论与方法相结合进行研究,设计有效的地震数据重建与去噪的新方法,增强地震资料的信噪比、分辨率和保真度,以提高后续地震资料处理、解释和目标区块油气藏情况判断的准确度,同时为其他方面的地震数据处理工作提供参考。(本文来源于《东北石油大学》期刊2018-06-02）
秦宁,梁鸿贤,刘培体[7]（2018）在《基于Shearlet稀疏变换的地震数据重建技术》一文中研究指出基于压缩感知理论框架,研究了基于Shearlet稀疏表达的地震数据重建技术,主要包括叁部分内容:地震数据重建算法的构建、求解以及定量评价。首先,构建了基于压缩感知理论的地震数据重建反演算法,利用Shearlet变换实现地震数据的稀疏变换;其次,利用收敛速度快、重建精度高的快速凸集投影(FPOCS)算法进行求解,并选用指数模型作为阈值策略获取最优解;最终,利用叁个参数对数据重建结果进行了定量评价。数值测试结果验证了本方法的正确性和有效性,其重建精度高于利用Fourier和Curvelet稀疏变换的数据重建技术。(本文来源于《CPS/SEG北京2018国际地球物理会议暨展览电子论文集》期刊2018-04-24）
李冬平,何雯,高健[8]（2018）在《利用水声纳稀疏条带测量数据进行水下地形叁维重建方法》一文中研究指出水声纳侧扫声纳干涉测量系统,是比较有效的水下地形数据采集工具,通过侧扫条带式方式覆盖测量区域,实际作业中,在符合一定的条件下,采用稀疏条带的作业方式可以提高数据采集效率、降低作业成本,但必须要解决稀疏条带测量数据的内插处理问题。针对水声纳测量系统,提出了热扩散方程方法解决稀疏条带数据内插问题,获得水下地形的完整数据进行叁维重建,该方法通过对黄冈市太白湖的测量数据处理实验,证明该方法可获得较好的内插数据,插值数据可信度较高。(本文来源于《科技创新导报》期刊2018年08期）
高红霞,罗澜,骆英浩,陈展鸿,马鸽[9]（2018）在《角度受限下稀疏投影数据的改进粒子群优化随机CT重建》一文中研究指出当计算机断层成像(CT)中X射线的采样范围和数量受限时,得到的稀疏投影数据完备性很低,重建算法的搜索空间巨大。基于凸优化思路的迭代求解算法及其改进采用固定搜索路径,难以在有限时间内收敛至全局最优解;粒子群优化具有全局搜索能力,但计算成本和存储代价过高。为解决这类不完备投影数据的重建问题,提出基于粒子群优化的随机稀疏重建算法。首先,通过随机策略生成具有多样性的初始种群,以保证算法的搜索能力;其次,随机选择梯度下降或基于个体历史最优解和全局历史最优解的随机方向进行迭代,以兼顾算法效率和搜索方向的多样性;最后,基于适应度评价,有针对性地重新生成随机初始种群,强制跳离局部最优。针对角度受限下无噪声和含噪声的稀疏投影数据,分别进行重建实验。结果显示,与常见的凸优化迭代和粒子群优化算法相比,本文算法既能保证算法效率,又在重建质量和算法稳健性上具有明显优势。(本文来源于《光学学报》期刊2018年01期）
孔啸[10]（2017）在《稀疏采样数据重建及全波形反演结果对比》一文中研究指出随着地震勘探程度的不断提高和勘探领域的不断延伸,勘探目标愈加复杂,在野外数据采集过程中,由于野外地形条件和仪器设备上限制,导致地震数据的不规则、不完整的情况愈发严重,影响后期的资料处理和解释。传统的重建方法对采样率要求较高,也不能根据野外实际条件灵活采样,野外采集成本较高。本文基于压缩感知理论,将稀疏采集的地震数据进行数据重建,在减少了数据的采集量,节约成本的前提下,获得了理想的重建效果。根据压缩感知理论,低于传统奈奎斯特采样率的不完整数据也能够得到良好的重建效果,基于该理论框架,本文主要研究了不同的稀疏采集方式的数据重建的效果和不同的稀疏表示基和不同重建方法的地震数据重建效果。在稀疏采集方式上,对比了随机下采样和Jitter下采样对重建效果的影响。在傅里叶变换和曲波变换方面,先后研究了基于傅里叶变换的SPGL1方法数据重建和基于曲波变换的SPGL1方法数据重建,对比了重建数据效果,基于曲波变换重建方法的重建数据质量更高。在重建方法上,对比了基于曲波变换的SPGL1重建方法和基于曲波变换的POCS重建方法的重建效果,SPGL1重建方法和成熟的重建方法相比重建效果不够好,该方法有待提高精度,具有较大的发展空间。在上述的重建数据中,选取基于POCS方法的重建数据,用来做全波形反演,和原始的数据的全波形结果相比较,重建数据的全波形反演结果比较理想,只是在深部速度拟合存在些许误差。(本文来源于《长安大学》期刊2017-06-05）
稀疏数据重建论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
计算机断层扫描(Computed Tomography,CT)成像是一种通过X射线扫描,获得被检测物体截面的技术,能够直观且准确地反映物体的内部结构信息。但是在CT成像的实际应用中,经常会面临欠采样和数据不完备的挑战:工业CT的使用环境较为复杂,受被检测物体的形状、大小,以及扫描条件的影响,投影数据的完备性几乎无法得到保证;医学CT中,如何使用更少的投影角度,最大限度的降低X射线的辐射剂量,重建出更高质量的图像,一直是CT研究领域的热点问题。综合相关文献的研究成果,并与CT工程技术人员进行沟通,本文将[0,360°)范围内投影角度数在20个及以下(即投影角度间隔不小于18°)的投影数据定义为极稀疏投影(Ultra-sparse Projection)数据。CT图像重建算法可分为解析类和迭代类两类。解析类重建算法普遍应用于完备采样数据的图像重建,投影角度数减少会导致重建图像出现严重的条状伪影,图像质量大幅下降。迭代类算法将CT图像重建问题转化为一个多维欠定方程组求解问题,通过不断迭代寻找满足一定收敛条件的像素值组合,实现图像重建。比起解析类算法,迭代类算法在稀疏投影数据的重建方面具有天然优势。特别是压缩感知(Compressed Sensing,CS)理论的出现,将图像固有的某些稀疏先验信息融入到迭代重建算法中,为使用极稀疏投影数据恢复出高质量的图像奠定了理论基础。本文针对极稀疏投影数据的CT图像重建问题进行了实验研究。首先研究圆周扫描轨道平面上扇束投影的二维图像重建,将迭代算法与压缩感知理论相结合,并将图像的全变差(Total Variation,TV)作为目标函数进行优化,提出一种针对极稀疏扇束投影数据的二维CT图像重建算法,本文将其称作USP-2DTV算法(Ultra-sparse Projection Iteration Reconstruction using 2D Total Variation Minimization,USP-2DTV);然后将USP-2DTV算法扩展至叁维,提出一种针对圆周轨道极稀疏锥束投影数据的叁维图像重建算法,记作USP-3DTV算法。实验结果表明在极稀疏投影条件下,本文提出的算法能够重建出质量良好的图像,具有一定的研究潜力和实用价值。此外,本文实验中USP-2DTV算法能处理的最少投影角度为18个,所需要的扫描时间和辐射剂量较之传统的FBP算法(通常采用1000个投影角度)能够降低50余倍。为了提高迭代算法的图像重建效率,本文基于NVIDIA公司的CUDA架构,初步实现了USP-2DTV算法的CPU+GPU异构并行计算,将图像重建程序的执行效率提高到CPU串行计算的2.5倍以上。本课题将CT迭代图像重建技术与压缩感知理论相融合,研究极稀疏投影数据的二维/叁维CT图像重建,并初步实现了算法的CPU+GPU异构并行计算,具有一定的学术探索意义和工程应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
稀疏数据重建论文参考文献
[1].唐欢欢,毛伟建,杜蒙.基于不同稀疏表示的压缩感知地震数据重建效果分析[C].中国石油学会2019年物探技术研讨会论文集.2019
[2].于倩蕾.极稀疏投影数据的CT迭代图像重建技术应用研究[D].山东大学.2019
[3].兰天维.基于稀疏表示的地震数据重建方法研究[D].吉林大学.2019
[4].石战战,夏艳晴,王元君,周怀来,庞溯.基于L_1-L_1范数稀疏表示的共偏移距道集地震数据重建方法[J].地球物理学进展.2019
[5].牛丽琨,吴美平.基于Curvelet变换冗余字典的重力数据稀疏表示与重建[J].物探化探计算技术.2018
[6].张岩.基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D].东北石油大学.2018
[7].秦宁,梁鸿贤,刘培体.基于Shearlet稀疏变换的地震数据重建技术[C].CPS/SEG北京2018国际地球物理会议暨展览电子论文集.2018
[8].李冬平,何雯,高健.利用水声纳稀疏条带测量数据进行水下地形叁维重建方法[J].科技创新导报.2018
[9].高红霞,罗澜,骆英浩,陈展鸿,马鸽.角度受限下稀疏投影数据的改进粒子群优化随机CT重建[J].光学学报.2018
[10].孔啸.稀疏采样数据重建及全波形反演结果对比[D].长安大学.2017
标签：压缩感知; Curvelet变换; Fourier变换; Radon变换;