基于多信息融合深度语义分割网络的自动速度拾取
计算机视觉与模式识别
2023-05-17 v1 图像与视频处理
摘要
速度拾取是地震数据处理中的关键步骤，已被研究数十年。尽管人工拾取可从叠前道集的速度谱中得出准确的正常时差 (NMO) 速度，但其耗时且在大量地震数据出现时不可行。因此已开发众多自动速度拾取方法。近年来，深度学习 (DL) 方法在中等和高信噪比 (SNR) 的地震数据上取得了良好结果。遗憾的是，在低 SNR 情况下仍缺乏能自动生成准确速度的拾取方法。本文中，我们提出多信息融合网络 (MIFN) 从速度谱与叠后道集段 (SGS) 的融合信息中估计叠加速度。特别地，我们将速度拾取问题转化为基于速度谱图像的语义分割问题。同时，SGS 提供的信息用作网络中的先验以辅助分割。在两个实地数据集上的实验结果表明，MIFN 的拾取结果在中等和高 SNR 场景下稳定且准确，并在低 SNR 场景中也表现良好。
引用
@article{arxiv.2205.03645,
title = {Automatic Velocity Picking Using a Multi-Information Fusion Deep Semantic Segmentation Network},
author = {H. T. Wang and J. S. Zhang and Z. X. Zhao and C. X. Zhang and L. Li and Z. Y. Yang and W. F. Geng},
journal= {arXiv preprint arXiv:2205.03645},
year = {2023}
}