[논문 리뷰] L0+L1+L2 mixed optimization: a geometric approach to seismic imaging and inversion using concepts in topology and semigroup

August Lau, Chuan Yin|arXiv (Cornell University)|2010. 07. 12.

Topological and Geometric Data Analysis참고 문헌 7인용 수 4

한 줄 요약

이 논문은 지반 이미징 및 역문제를 위한 기하 최적화 프레임워크를 제안하며, 데이터 정제와 멀티미터 정확도 향상을 위해 순차적으로 L1, L0, L2 노름을 적용한다. L1은 스파이크 제거를 위해 사용되며, L0(베티 수를 통한)은 위상적 복잡도를 최소화하고, L2 준군은 기하학적 정보 없이 데이터 피팅을 정의하여 최적 속도에서 최소한의 잡음으로 개선된 이미징을 달성한다.

ABSTRACT

The mathematical interpretation of L0, L1 and L2 is needed to understand how we should use these norms for optimization problems. The L0 norm is combinatorics which is counting certain properties of an object or an operator. This is the least amplitude dependent norm since it is counted regardless of the magnitude. The L1 norm could be interpreted as minimal geometric description. It is somewhat sensitive to amplitude information. In geophysics, it has been used to edit outliers like spikes in seismic data. This is a good application of L1 norm. The L2 norm could be interpreted as the numerically simplest solution to fitting data with a differential equation. It is very sensitive to amplitude information. Previous application includes least square migration. In this paper, we will show how to combine the usage of L0 and L1 and L2. We will not be optimizing the 3 norms simultaneously but will go from one norm to the next norm to optimize the data before the final migration.

연구 동기 및 목표

• 위상, 기하학, 최소 제곱 원리를 통합한 다중 노름 최적화 프레임워크를 개발하여 지반 이미징에 활용한다.
• 기존의 L2 기반 멀티미터가 비지열학적이고 산술적 잡음(예: 정현파 잡음)을 유발하는 한계를 해결한다.
• 위상적 단순성(L0)을 최적 멀티미터 속도 선택 기준으로 삼아 속도 분석 및 이미징을 향상시킨다.
• L1(스파이크 제거), L0(위상 최소화), L2(준군 기반 피팅)의 조합이 더 강력하고 지질학적으로 타당한 결과를 얻을 수 있음을 입증한다.
• 합성 및 실재 2D 지반 데이터셋을 사용하여 검증함으로써, 위상적 복잡도를 최소화하는 속도에서 이미징 성능이 향상됨을 보여준다.

제안 방법

• L1 변분 노름을 먼저 적용하여 총 변동량을 최소화함으로써 스파이크와 같은 비정상적 사건을 제거하고, 평탄한 사건을 유지하며 비연속적 특징을 억제한다.
• 베티 수를 통한 L0 노름을 사용하여 멀티미터된 이미지의 위상적 복잡도(예: 구멍 수)를 정량화하고, 이 수를 최소화하여 최적의 멀티미터 조건을 식별한다.
• 확산 지도를 통한 L2 준군 노름을 활용하여 사전 정의된 푸리에 또는 웨이블릿 변환에 의존하지 않고 내재된 데이터 기하학을 정의함으로써 정현파 잡음과 같은 문제를 방지한다.
• 최적화 순서를 설정: L1은 데이터 정제, L0은 위상적 단순화, L2는 기하학적 충실도 확보를 위한 최종 멀티미터에 적용한다.
• 다양한 속도로 준군 멀티미터를 수행하여 일련의 이미지를 생성하고, 다양한 속도에서 베티 수(B1 등)를 계산하여 복잡도 최소화 지점을 탐지한다.
• 베티 수 추세를 멀티미터 속도와 비교하여 최소값이 실제 속도 추정과 일치하는지 검증한다.

실험 결과

연구 질문

• RQ1 L1 변분 노름은 평탄한 사건을 왜곡하지 않으면서도, 멀티미터되지 않은 지반 데이터에서 비정상적인 스파이크 및 사건을 효과적으로 억제할 수 있는가?
• RQ2 베티 수로 측정된 L0를 통한 위상적 복잡도 최소화가 합성 및 실재 데이터셋 모두에서 정확한 멀티미터 속도를 신뢰성 있게 나타내는가?
• RQ3 L2 준군 기반 멀티미터는 기존의 최소 제곱 멀티미터에서 흔히 발생하는 비지열학적 정현파 잡음 문제를 피할 수 있는가?
• RQ4 L1, L0, L2 노름을 순차적으로 적용할 경우, 기존 방법에 비해 이미징 품질과 속도 분석이 어느 정도 향상되는가?
• RQ5 멀티미터된 이미지에서 관측된 최소 베티 수는 진정한 지하 속도 모델을 신뢰성 있게 나타내는 지표인가?

주요 결과

• L1 변분 노름은 현장 데이터에서 스파이크 유사 비정상성을 효과적으로 제거하면서도 평탄하고 부드러운 사건을 유지하였으며, 그 결과는 그림 1(b)에서 확인할 수 있다.
• 세 개의 디프랙터를 포함한 합성 데이터셋에서, 베티 수 B1은 1500 m/s의 멀티미터 속도에서 최소값을 보였고, 이는 진짜 속도와 일치하여 위상적 단순성이 타당한 최적화 기준임을 확인한다.
• 실재 2D 스택 단면도에서는 베티 수 B1이 약 1800 m/s에서 최소값을 보였으며, 이는 이 속도가 이미징에 최적임을 시사한다. 그림 7에서 확인 가능하다.
• 준군 멀티미터의 순차적 적용 결과, 진짜 값에서 벗어날수록 아래 및 위로 속도가 벗어나면서 점점 더 복잡한 간섭 패턴이 나타났으며, 이는 위상적 복잡도 증가 경향을 확인한다.
• L1(노이즈 억제), L0(위상 최적화), L2(기하학적 인식 피팅)의 조합은 기존 L2 방법에 비해 더 해석 가능하고 지질학적으로 타당한 이미지를 생성한다.
• L2 멀티미터에 준군을 사용함으로써 사전 정의된 변환(푸리에 등)에 의존하지 않고 기하학적 인식 피팅이 가능해졌으며, 인위적인 정현파 잡음이 감소하였다.