MAE-GAN: 一种用于叠后地震剖面同时超分辨率重建与去噪的新策略
地球物理
2024-05-31 v1
摘要
叠后地震剖面是反映地质结构的图像，为理解油气资源分布提供了关键基础。然而，由于地震采集设备和数据采集几何的限制，叠后剖面存在分辨率低和噪声强的问题，严重影响了后续的地震解释。为了更好地提高叠后地震剖面的空间分辨率和信噪比，提出了一种基于生成对抗网络的多尺度注意力编码器-解码器网络(MAE-GAN)。该方法提高了叠后剖面的分辨率，并有效抑制噪声、恢复弱信号。提出了多尺度残差模块以提取不同感受野下的地质特征。同时，设计了注意力模块进一步引导网络关注重要特征信息。此外，为了更好地恢复叠后剖面的全局和局部信息，提出了一种基于马尔可夫判别器的对抗网络。最后，通过引入边缘信息保持损失函数，改进了生成对抗网络的常规损失函数，从而更好地恢复原始叠后剖面的边缘信息。在模拟和实际叠后剖面上的实验结果表明，所提出的MAE-GAN方法在噪声抑制和弱信号恢复方面优于两种先进的基于卷积神经网络的方法。此外，MAE-GAN方法重建的剖面保留了更多的地质结构。
引用
@article{arxiv.2405.19767,
title = {MAE-GAN: A Novel Strategy for Simultaneous Super-resolution Reconstruction and Denoising of Post-stack Seismic Profile},
author = {Wenshuo Yu and Shiqi Dong and Shaoping Lu and Xintong Dong},
journal= {arXiv preprint arXiv:2405.19767},
year = {2024}
}