[发明专利]地震资料多尺度超分辨率与去噪同步处理方法及系统

说明书

本发明的一种地震资料多尺度超分辨率与去噪同步处理方法及系统，其方法包括以下步骤：将高分辨率地震图像进行下采样获得低分辨率地震图像，构建训练样本集；初始化地震重构网络，地震重构网络包含自编码器子网络、超分辨率子网络以及多尺度重构子网络；利用多尺度深度监督学习策略对地震重构网络进行学习；将新的地震图像输入到训练好的地震增强网络，得到去噪的高分辨率地震图像，完成地震资料的重构。本发明具有以下有益效果：能够保留地震图像的高频信息，抑制随机噪声，且有效突出地质构造信息，视觉效果更符合人眼系统，可以有效提升后续地震解释的效率和准确率。

技术领域

本发明涉及新一代信息技术领域，具体涉及一种地震资料多尺度超分辨率与去噪同步处理方法及系统。

背景技术

在油气藏勘探领域，断层和裂缝网络的几何形态对油气成藏和运移起着重要作用，因此对地震图像中的断层和裂缝网络进行准确识别对发现油气藏具有重要意义。传统的地震图像断层识别采用人工的方式进行，由经验丰富的地质专家根据断层的局部特征，并结合整块勘探区域的地质结构和特点，人工在地震剖面图上绘制断层线，最终得到完整的断层面。这种方法缺点也比较明显：效率低，识别准确率很大程度上依赖于地质专家的经验和知识。

近年来，随着人工智能技术的不断发展，基于深度学习的地震图像解释技术也不断涌现，大量研究表明，基于深度学习方法构建的模型在地震断层识别问题中能够取得良好的性能，但这种地震解释模型通常受到低分辨率和强噪声数据的限制。由于地震采集和处理的局限性，现场地震数据常常存在分辨率低和噪声破坏的问题，这对后续的地震解释带来了巨大挑战，因此对地震数据进行超分辨率重构与去噪，恢复出细节丰富的地质信息是十分必要且值得的。

发明内容

本发明提出的一种地震资料多尺度超分辨率与去噪同步处理方法，可至少解决上述技术问题之一。

为实现上述目的，本发明采用了以下技术方案：

一种地震资料多尺度超分辨率与去噪同步处理方法，包括以下步骤，

S1、将高分辨率地震图像进行下采样获得低分辨率地震图像，构建训练样本集；

S2、初始化地震重构网络，地震重构网络包含自编码器子网络、超分辨率子网络以及多尺度重构子网络；

S3、利用多尺度深度监督学习策略对地震重构网络进行学习；

S4、将新的地震图像输入到训练好的地震增强网络，得到去噪的高分辨率地震图像，完成地震资料的重构。

另一方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。

由上述技术方案可知，本发明的地震资料多尺度超分辨率与去噪同步处理方法具有以下有益效果：

在网络上采样阶段，引入多尺度重构子网络，采用多尺度深度监督学习策略，充分学习了地震图像不同尺度的特征，综合了不同感受野和粒度下的特征，使得解码器生成的特征图既能包含更丰富的语义信息，同时又具有较多的纹理信息，能够描述更加精细的地质结构。本发明能够保留地震图像的高频信息，抑制随机噪声，且有效突出地质构造信息，视觉效果更符合人眼系统，可以有效提升后续地震解释的效率和准确率。

附图说明

图1是本发明的方法原理图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

如图1所示，本实施例所述的地震资料多尺度超分辨率与去噪同步处理方法，包括以下步骤，

S1、将高分辨率地震图像进行下采样获得低分辨率地震图像，构建训练样本集；