【技术实现步骤摘要】
本专利技术属于地球物理与人工智能领域，具体涉及一种基于cpsp编码-解码机制的全自动盐丘分割方法。
技术介绍
1、盐丘是地下存在的蘑菇状地质构造，具有良好的气密性，为油气积累和储存提供了基本条件，很多重要的油气资源都位于盐丘附近。与围岩相比，复杂的形状、较大的地层倾角以及较高的盐速度导致了复杂的地震反射信号和时域结构畸变。据中国石油勘探开发研究院预测，滨里海盆地待发现可采资源量石油27.78亿吨，天然气2.2万亿立方米，剩余油气资源量大部分分布于盐下碳酸盐岩中，从总油气当量来看，盐下所占比例约85％，盐上所占比例仅为15％。因此，盐丘的智能分割对于盐结构的分析、速度模型的建立以及油气的勘探具有重要意义。
2、由于地震图像的分辨率低，盐丘内外特征模糊，以及有效标记的盐丘数据稀缺，完全依赖专家知识解释具有极大不可靠性，严重影响盐丘解释的成效。
3、传统的盐丘解释方法包括基于地震属性、边缘检测技术方法。由于地震成像能力差、噪声强，这些方法不能完全地提取出地震图像的复杂特征，仍然需要进行多轮的地震解释才能得到效果较好的盐边界。并且需要大量的人工干预，不仅效率低下，而且依赖于研究人员的专业知识和经验，结果容易受到主观因素的影响。
4、深度学习作为人工智能的一个重要分支，可以从数据中挖掘和分析有价值的信息和重要特征，已成为公认的智能研究策略。研究人员相继使用基于深度学习方法来分割盐体。unet作为经典的卷积神经网络结构，在语义分割领域得到广泛应用，表现十分出色，其网络结构简洁明了，性能优异，并且具备很强的
5、依托深度学习的强大学习能力，将盐体的解释任务视为一项语义分割任务，融合psp特征金字塔模块与编码-解码结构的优势，提出了一种基于cpsp编码-解码机制的全自动盐丘分割方法。该网络由主干特征提取网络和加强特征提取网络构成，并设计了一种cpsp跳跃连接机制，在固定宽度神经网络中提取多尺度特征和上下文关联，从而更多地捕捉全局信息，提高了盐丘图像的分割精度。
技术实现思路
1、为了解决地震成像分辨率低，盐丘内外特征模糊，以及克服有效标记的盐丘数据稀缺的问题，本专利技术提出了一种基于cpsp编码-解码机制的全自动盐丘分割方法。在主干特征提取的编码器和加强特征提取的解码器网络架构之间设计了cpsp模块，通过这种跳跃连接机制，在固定宽度空洞卷积神经网络中提取多组特征图，利用转置卷积对最后一组特征图逐层上采样，将上采样得到的特征图与cpsp模块的多尺度要素连接起来，最后得到预测结果，从而有效保留空间信息。利用二维地震切片数据对网络模型进行半监督训练，通过adam优化器进行参数优化，自适应调整学习率，使损失函数快速收敛，提升网络模型的语义分割性能。
2、为实现上述目的，本专利技术技术方案主要包括如下步骤：
3、a.构建二维地震切片数据集：
4、将原始三维地震数据体沿着crossline、inline、timeline分别进行切片，得到n×n的二维剖面数据图像切片，每个剖面随机取出m张图像，并将图像水平或垂直镜像翻转，生成与原始图像不同的变体，再对图像进行放大或缩小，模拟不同观测距离、分辨率或尺度下的情况，以增强数据多样性和多尺度输入的适应能力。
5、b.构建基于cpsp编码-解码机制的全自动盐丘分割模型：
6、(1)使用五个卷积层对原始图像逐层进行特征提取，输入为的数据，经过五个卷积层提取特征后，输出的特征图分别为
7、(2)将前四层卷积提取到的特征图输入进cpsp模块，通过三层最大池化和一层全局平均池化(gap)，得到四种不同尺度的上下文特征，再经过卷积通道压缩后，拼接到原特征图后面，每一层都增加了4个通道，则拼接后同时包含局部和上下文信息的特征图变成
8、(3)cpsp模块将输入特征图分别转换成四个大小不同的特征图，然后通过卷积对这四个特征图进行降维，实现通道压缩，将降维后的四个特征图上采样至原始输入特征图的大小；
9、(4)将新的特征图输入到解码器中，对编码器中最后一层输出的特征图进行四次逐级上采样，并且分别与cpsp模块的输出堆叠，每一层再通过两次卷积，得到n×n×64的特征图输出；
10、(5)对最后得到的有效特征层进行结果预测，将n×n×64特征图通过1×1的卷积进行通道调整，将最终特征层的通道数调整成2，进而对每个像素点进行分类，最后得到n×n×2大小的预测掩码。
11、c.以半监督方式训练基于cpsp编码-解码机制的全自动盐丘分割模型：
12、(1)数据集划分
13、在二维地震切片数据集中，26张有标签的图像作为训练集，其余未经标记的574张图像作为测试集；
14、(2)初始化模型
15、利用未标记图像进行自训练，通过交替训练模型和伪标签来扩展带标签的数据集，对模型进行k轮训练，在第一轮迭代中，只利用ground truth标签训练，得到初始模型；
16、(3)生成伪标签
17、利用该初始模型对未经标记的测试集进行预测，并为每个未标记样本分配最可能的类别标签，即生成伪标签；
18、(4)联合训练
19、联合使用ground truth标签和伪标签对初始模型进行再训练，利用得到的新模型更新所有伪标签，继续逐轮迭代直至达到k轮停止；
20、(5)过滤不可靠伪标签
21、在每轮生成伪标签之后，设置可信度阈值0.75，过滤掉具有低可信度的伪标签，以减少噪声和错误；
22、(6)模型保存与评估
23、每轮迭代后保存模型，计算模型的准确率、预测精准率、召回率、f1值、和iou指数，对模型的性能进行定量和定性衡量。
24、本专利技术的有益效果是：利用数据增强技术解决了图像分辨率低的问题，在主干特征提取和加强特征提取网络之间构建了cpsp跳跃连接模块，在固定宽度空洞卷积神经网络中提取多组特征图，将解码器中上采样得到的特征图与cpsp模块的多尺度要素连接起来，搭建了基于cpsp编码-解码机制的全自动盐丘分割模型，解决了特征图的尺寸减小导致空间信息的丢失的问题，针对盐丘内外特征模糊，网络能够更好地捕捉细节和边界，同时提供了上下文信息，实现盐丘图像的智能精准分割。利用二维地震切片数据对网络模型进行半监督训练，通过adam优化器进行自适应调整学习率，使损失函数快速收敛，克服专家知识主观判断，解决了有效标记的盐丘数据本文档来自技高网...
【技术保护点】
1.一种基于CPSP编码-解码机制的全自动盐丘分割方法，其特征在于，包括如下步骤：
【技术特征摘要】
1.一种基于cpsp编码-解码机制的全自动...
【专利技术属性】
技术研发人员：李克文，范娅婷，徐志峰，李文韬，窦一民，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。