基于残差注意力网络的地震数据超分辨率方法

• 作者: 周文辉 石敏 朱登明 周军
• 来源期刊: 计算机科学
• 关键词: 地震数据 残差注意力模块 生成对抗网络 相对生成对抗损失 超分辨率
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 数据库&大数据&数据科学费|Database & Big Data & Data Science
• 页码范围: 24-31
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11896/jsjkx.200900034

摘要

地震数据在油气勘探、地质勘探领域发挥着至关重要的作用.精确详细的地震数据有助于对油气勘探做出精确指导,减小勘探的风险,从而产生巨大的社会效益和经济效益.在提升地震数据分辨率方面,现有的方法在面对海量数据时,在高分辨恢复、去噪性能和效率上效果欠佳,难以恢复出细节丰富的地质信息,无法满足实际需求.地震数据能够反映地质构造以及地层的组成,具有局部相关性高、全局相关性低的特点.同时,地震数据高频部分通常蕴含着地质勘探等重要信息,如分层、断层信息等.针对地震数据的特点,文中将地震数据重建问题转化为图像超分辨率问题,提出了采用基于生成对抗网络的地震数据超分辨方法.针对地震数据分布具有局部相关性高、全局相关性低的特点,设计残差注意力模块,挖掘地震数据的内在相关性,通过训练含有相对生成对抗损失函数的生成对抗网络模型,来对地震数据进行超分辨率恢复,以得到更加精确的地震数据.在真实的地震数据集上进行了实验验证,结果表明,所提方法在地震数据超分辨上效果良好,在性能指标PSNR和SSIM上有3％～4％的提升,具有较强的实用性.