使用卷积神经网络压制地滚波
图像与视频处理
2020-10-30 v1 计算机视觉与模式识别
摘要
地震数据处理在地震勘探中起着重要作用，因为它很大程度上决定了地震解释的性能。在此背景下，生成可靠的叠后地震数据也有赖于具备高效的叠前噪声衰减工具。本文处理地滚波噪声，它是叠前地震数据中最具挑战性和最常见的噪声之一。由于地滚波以相对低频和高振幅为特征，最常用的压制方法基于针对地滚波特征频带的频率-振幅滤波器。然而，当信号与噪声共享相同频率范围时，这些方法通常也会导致信号压制或残留噪声。在本文中，我们利用卷积神经网络高度非线性的特征，提出使用不同架构在炮集上检测地滚波，并最终使用条件生成对抗网络将其压制。此外，我们提出评估地滚波压制的指标，并报告相较专家滤波的优异结果。最后，我们讨论了训练模型在相似与不同地质条件下的泛化能力，以更好理解我们的方案在实际应用中的可行性。
引用
@article{arxiv.2010.15209,
title = {Ground Roll Suppression using Convolutional Neural Networks},
author = {Dario Augusto Borges Oliveira and Daniil Semin and Semen Zaytsev},
journal= {arXiv preprint arXiv:2010.15209},
year = {2020}
}
备注
EAGE 2020