使用生成对抗网络进行井壁图像修复
计算机视觉与模式识别
2023-01-18 v1 图像与视频处理
摘要
本文提出一种基于 GAN 的方法，用于填充由电缆微电阻率成像测井工具生成的井壁图像中的间隙。该方法利用生成器、全局判别器和局部判别器来修复图像的缺失区域。生成器基于带有跳跃连接的自编码器架构，所使用的损失函数为 Wasserstein GAN 损失。我们在井壁图像数据集上的实验表明，所提出的模型能够有效处理大规模缺失像素并生成逼真的补全结果。该方法可以提高油藏的定量评价水平，并为解释地质现象和油藏参数提供重要基础。
引用
@article{arxiv.2301.06152,
title = {Inpainting borehole images using Generative Adversarial Networks},
author = {Rachid Belmeskine and Abed Benaichouche},
journal= {arXiv preprint arXiv:2301.06152},
year = {2023}
}
备注
4 pages, 3 figures