实现大规模地震图像增强的三维条件生成对抗网络
图像与视频处理
2019-11-19 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了基于 GAN 的图像增强模型，用于二维和三维地震图像的频率增强。地震成像被用于理解和表征地球 subsurface 以进行能源勘探。由于这些图像常受分辨率限制和噪声污染，我们提出的方法执行大规模地震体频率增强与去噪。增强后的图像降低了不确定性，并改进了关于诸如最优井位布置等常依赖低信噪比(SNR)地震体问题的决策。我们探究了向模型添加岩性类别信息的影响，相较于无条件信息的基线模型，其在 PSNR 和 SSIM 指标上取得了性能提升。
引用
@article{arxiv.1911.06932,
title = {3D Conditional Generative Adversarial Networks to enable large-scale seismic image enhancement},
author = {Praneet Dutta and Bruce Power and Adam Halpert and Carlos Ezequiel and Aravind Subramanian and Chanchal Chatterjee and Sindhu Hari and Kenton Prindle and Vishal Vaddina and Andrew Leach and Raj Domala and Laura Bandura and Massimo Mascaro},
journal= {arXiv preprint arXiv:1911.06932},
year = {2019}
}
备注
To be Presented at the NeurIPS 2019, Second Workshop on Machine Learning and the Physicial Sciences, Vancouver, Canada