一种基于多尺度注意力交互网络的沙漠地震噪声抑制方法技术

一种基于多尺度注意力交互网络的沙漠地震噪声抑制方法属机器学习和地震图像处理技术领域，本发明专利技术针对沙漠地震图像中低频噪声压制问题，提出了一种多尺度注意力交互网络，该网络先对输入地震数据下采样，然后利用不同核大小的双支路卷积层，自适应地学习多尺度地震数据的复杂特征，再采用多重注意力机制包括置换注意力和坐标注意力在通道、空间和坐标维度上整合和交互多尺度特征来获得连续的地震信号；该方法采用均方误差和平均余弦相似度的混合损失函数，将多尺度策略与注意力机制结合起来，提升沙漠地震图像去噪效果，与单尺度去噪卷积神经网络相比，本发明专利技术对沙漠噪声的抑制效果显著，优于单尺度去噪卷积神经网络对同相轴连续性的恢复。连续性的恢复。连续性的恢复。

【技术实现步骤摘要】
一种基于多尺度注意力交互网络的沙漠地震噪声抑制方法


[0001]本专利技术属机器学习与地震图像处理
，具体涉及一种基于多尺度注意力交互网络的沙漠地震噪声抑制方法。

技术介绍

[0002]地震勘探是寻找油气资源的重要手段。目前，由于地质结构的复杂和采集技术的限制，获得的地震数据往往混杂着强而复杂的随机噪声。这些不规则的和不可预测的随机噪声严重破坏了有效信号。而地震信号处理的重点和难点就是从采集到的噪声地震图像中，尽可能将噪声和有效信号区分开，进而准确地提取出有效地震信号，提高地震数据的信噪比和分辨率。特别是在沙漠地区，沙漠随机噪声与有效信号的波形相似，频谱重叠，这对地震信号的识别和提取增加了巨大难度。因此，压制噪声对于地震勘探具有重要意义。
[0003]为了提高地震数据的质量，国内外研究学者在地震勘探领域做了大量研究，不断地提出了一系列地震降噪的方法和理论，如复扩散滤波、字典学习、非局部贝叶斯滤波、稀疏低秩估计和非局部均值算法等一系列方法。这些方法在一定程度上提高了地震图像的质量。但在低信噪比和时空变化的地震随机噪声的条件下，不同地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度注意力交互网络的沙漠地震噪声抑制方法，包括下列步骤：1)构建多尺度注意力交互网络：所构建的多尺度注意力交互网络由多尺度特征提取模块、多尺度特征融合模块和重构模块构成；1.1)多尺度特征提取模块由下采样块和残差多尺度块构成；下采样块表示在行和列上隔点采样，将输入数据变为大小减半的子数据；残差多尺度块由双支路不同大小的卷积层构成，具体的：先分别执行1
×
3和3
×
1的卷积和线性整流激活函数Relu操作，两个支路的信息交叉融合后分别发送到3
×
1卷积和1
×
3卷积，再执行Relu操作，然后连接两个支路的输出，并发送到一个1
×
1的卷积层，最后与输入数据进行元素相加操作；1.2)多尺度特征融合模块由置换注意力和坐标注意力构成；坐标注意力的第1层是水平方向和垂直方向的池化核，第2层是连接操作和卷积层，第3层是批处理归一化BN层和非线性层，第4层是卷积层，第5层是Sigmoid函数；1.3)重构模块由卷积层和逆下采样块构成；卷积层共有7层，第1层到第6层包括卷积、BN和Relu操作，第7层只进行卷积操作；2)给定含噪地震勘探图像Y＝X+V，其中：X表示干净的地震图像；V表示低频色噪声；基于多尺度注意力交互网络压制含噪地震数据的低频色噪声，包括下列步骤：2.1)将含噪地震勘探图像Y作为网络的输入；2.2)通过下采样块将输入数据分解为4个大小减半的子数据；2.3)将子数据输入到并行的残差多尺度块，得到输出M；2.4)沿着通道维度将M平均划分为G组：M＝[M1,
···
,M
G
]，对于M中的第K个特征M
k
来说，先沿着通道维度分成两个小的子特征，即M
k1
，M
k2
，分别经过通道注意力模块和空间注意力模块，得到输出M
k1
’
和M
k2
’
，最后在通道方向上连接M
k1
’
和M
k2
’
进行channel shuffle操作，得到输出N；在通道注意力模块中，先使用全局平均池化生成通道统计信息，然后使用Sigmoid函数乘到输入特征M
k1
，获得通道注意力模块的最终输出M
k1
’

【专利技术属性】
技术研发人员：林红波，宋雪，马海涛，
申请(专利权)人：吉林大学，
类型：发明
国别省市：