Atenuación de ruido aleatorio en registros sísmicos utilizando el método de aprendizaje de diccionario por coherencia

Abstract

En esta tesis abordamos el problema de atenuación de ruido aleatorio en registros sísmicos 2D. El ruido en los datos sísmicos enmascara las señales de interés, dificultando el procesamiento e interpretación de los datos. Para mitigar estos efectos, implementamos en el lenguaje de programación Python un algoritmo de atenuación de ruido aleatorio por aprendizaje de diccionario basado en una restricción de coherencia. El método extrae parches 2D superpuestos del dato y aprende una colección de vectores a partir de los cuales se reproduce la señal sísmica original, sin ruido aleatorio, a partir de la combinación lineal de un número pequeño de sus elementos. Aplicamos el método en datos sísmicos sintéticos y en datos reales, comparando su desempeño respecto a otros métodos, tales como métodos basados en representaciones por ondículas y métodos de aprendizaje de diccionarios tradicionales. El método por aprendizaje de diccionario propuesto logra una atenuación muy satisfactoria de los datos, con residuos prácticamente libres de señal.