近日，我院2024级硕士研究生潘思睿（导师为查志远教授）以第一作者身份在国际地球科学领域顶级期刊IEEE Transactions on Geoscience and Remote Sensing发表两篇研究成果。该期刊是IEEE地球科学与遥感技术协会（GRSS）会刊，属于中科院一区Top期刊，影响因子为8.6，在地球科学领域具有较高的学术影响力。
1. Triply Laplacian Scale Mixture Modeling for Seismic Data Noise Suppression
论文简介：针对现有稀疏张量恢复方法在实际地震数据非平稳性及噪声影响下难以准确估计张量系数方差的问题，提出了一种三重拉普拉斯尺度混合（TLSM）模型，如图1所示。该方法通过引入拉普拉斯尺度混合分布，联合估计稀疏张量系数及潜在尺度参数，从而提升噪声抑制效果。大量合成及真实数据实验表明，TLSM方法在定量指标与视觉效果上均优于现有地震数据去噪算法，并具备更高的计算效率。
论文链接：https://ieeexplore.ieee.org/document/11213513
图1 TLSM方法框架
2. Joint Tensor Ring Decomposition and Unidirectional Total Variation for Seismic Data Denoising
论文简介：针对现有低秩张量去噪方法未能充分利用地震数据在不同模态间相关性的问题，提出了一种张量环分解与单向全变差相结合的TR-UTV去噪方法。该方法利用张量环分解有效刻画地震数据的低秩结构，同时通过单向全变差正则化抑制脚印噪声。此外，论文提出了一种基于交替方向乘子法的求解算法。实验结果显示，TR-UTV在噪声去除与反射事件保真度方面均优于现有方法，如图2所示。
论文链接：https://ieeexplore.ieee.org/document/11202991
图2 TR-UTV方法与现有方法的去噪结果对比
我院查志远教授为这两个工作的通信作者，上述研究得到了吉林大学王世刚教授、李月教授、燕刚教授、范子沛教授、新加坡南洋理工大学Bihan Wen副教授、越南国立大学胡志明市自然科学大学Binh T. Nguyen副教授以及电子科技大学朱策教授的支持与指导。研究工作受到国家自然科学基金优秀青年科学基金项目（海外）和国家自然科学基金面上项目的资助。
