基于多阶段渐进式UNet压制地震勘探随机噪声

数据处理是地震勘探的关键环节,UNet网络作为典型的神经网络架构之一,近年来也被用于地震勘探领域,作为一种压制随机噪声的手段。UNet网络基于其对称的编码和解码结构,可以提取广泛的上下文信息,但由于其编码部分过度使用下采样操作,容易丢失输入图像的空间细节部分。其次,UNet架构是一种单阶段模型,网络结构简单,在空间精确度和多尺度信息之间难以达到平衡。基于此,提出多阶段渐进式UNet网络(MPUNet),网络前两个阶段采用编码器-解码器学习丰富的多尺度信息,最后一个阶段通过原始分辨率子网络保留精确的空间细节。每两个阶段之间引入监督注意模块,用来重新校准进入下一阶段的特征,以及引入跨阶段特征融合机制,使整个网络框架连接更加紧密,避免有效信息的丢失。人工合成记录和实际地震数据实验结果表明:相比于时频峰值滤波(TFPF)、残差密集网络(RDNet)、传统UNet和加入残差密集块的UNe(t RDBUNet),MPUNet具有更显著的去噪效果,能够有效提高地震数据的信噪比和分辨率,为后续地震资料的分析解释提供了有利的依据。