一种基于深度学习的两阶段地震资料多次波噪声压制方法技术

本发明专利技术提出一种基于深度学习的两阶段地震资料多次波噪声压制方法。该图像去噪方法，首先对真实工区含多次波噪声数据集按比例划分为训练数据和测试数据；训练过程分为两个阶段，第一阶段对训练数据进行目标检测，框选出含多次波噪声的部分，然后对无噪声部分进行MASK掩码处理，达到数据增强目的；第二阶段先将处理过后的数据分为含强、弱多次波噪声图片两类，然后自适应的输入到基于改进的Swin‑Transformer强、弱去噪模型中进行去噪。节约训练时间，节省计算成本，且本方法具有较好的去噪精度以及很强的适应性，特别是在一些多次波噪声强、弱等级相差较大的数据中有非常好的表现。

【技术实现步骤摘要】

本专利技术属于计算机视觉，尤其是数据增强以及图像去噪，涉及一种对含有不同程度多次波干扰图像实现噪声压制的方法，特别是一种基于深度学习的两阶段地震资料多次波噪声压制方法。

技术介绍

1、传统图像多次波压制方法在早期滤波任务中有重要作用。空间滤波是在图像原始空间中进行操作，对高强度噪声呈现的敏感度往往较低，无法有效去除，且去噪效果受到滤波器窗口大小的影响，选择不当可能导致过度采样或细节丢失；变换域滤波需要对图像进行变换和逆变换，计算复杂度较高，因此难免会引入一些伪影或失真。colour-bm3d是将bm3d算法应用于彩色图像的去噪，其原理是将彩色图像的rgb颜色空间转换到yuv亮度-色度空间，此种方法只能去除某种特定的噪声。

2、基于深度学习的多次波压制方法，利用深度学习的非线性与算法的高效性，能更有效的对噪声进行压制。基于强化学习技术的方法，比如策略梯度和q-learning来训练递归神经网络，但是它们的计算量大，且搜索效率很低；基于深度学习的图像去噪方法结合了跳跃链接、注意力机制和多尺度特征融合提高网络特征的表达能力。然而，这些方法的网络结构相本文档来自技高网...

【技术保护点】

1.一种基于深度学习的两阶段地震资料多次波噪声压制方法，其特征在于包括以下步骤：

【技术特征摘要】

1.一种基于深度学习的两阶段地震资料多次...

【专利技术属性】
技术研发人员：罗仁泽，易玺，武娟，廖波，曹瑞，赵丹，李治岐，李进涛，陈星廷，王冠胜，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：