地震包络反演对局部极小值的抑制特性

为了实现包络反演,需要通过一种非线性运算来提取信号包络.这种非线性的包络提取过程可以将信号包络中所包含的对介质扰动的大尺度响应从原始地震信号中分离出来,从而抑制反演中的局部极小值,能够在缺乏低频信息的情况下,为全波形反演提供一个良好的初始模型.本文研究包络反演对局部极小值的抑制作用,并通过目标函数形态的对比来展现这一特性.对Marmousi速度模型和Overthrust速度模型做了反演,证明了该方法的有效性.

基于生成对抗网络的CFA图像去马赛克算法

在单传感器数码相机图像采集系统的彩色滤波阵列中,每个像素仅捕获单一颜色分量,并且在彩色图像重构过程中图像边缘等高频区域的伪影现象尤为明显。提出一种基于生成对抗网络的图像去马赛克算法,通过设计生成对抗网络的生成器、鉴别器和网络损失函数增强学习图像高频信息的能力,其中使用的生成器为具有残差稠密块和远程跳跃连接的深层残差稠密网络,鉴别器由一系列堆叠的卷积单元构成,并且结合对抗性损失、像素损失以及特征感知损失改进网络损失函数,提升网络整体性能。数值实验结果表明,与传统去马赛克算法相比,该算法能更有效减少图像边缘的伪影现象并恢复图像高频信息,生成逼真的重建图像。

一种改进的多尺度融合并行稠密残差去噪网络

卷积神经网络在图像去噪方面取得了很好的效果,但是传统的压缩-解压缩结构的神经网络会不可避免地损坏原始图像信息.为了更有效地去除图像中的噪声,本文提出一种改进的多尺度特征融合并行稠密残差去噪神经网络框架,旨在更好地恢复图像边缘和纹理信息.首先使用并行网络结构以结合不同深度的图像信息,每个分支由一些残差稠密块构成,在此基础上加入残差块之间的远程跳跃连接以克服网络训练过程中出现的梯度消失和梯度弥散问题并提高网络训练性能.另外,在结合图像浅层信息与深层信息的基础上,在每个网络分支内部加入多尺度特征融合模块以获取不同深度下的多尺度图像特征信息.最后,采用残差学习的方式进一步提高网络性能.对比试验表明,本文方法在不同噪声强度下均取得了良好的效果,证明了所提出网络能够在抑制噪声的同时有效地保留原始图像的边缘和纹理信息.

瞬时相位信息用于时域弹性波全波形反演初始模型建立

弹性参数反演对于人们了解地层介质信息具有重要意义,弹性参数初始模型的有效建立是弹性全波形反演的关键问题.本文提取地震信号的瞬时相位信息用于时域弹性波全波形反演.为了避免相位解缠绕,采用带衰减的指数相位信息.本文给出了基于该瞬时相位反演的横波速度和纵波速度的梯度公式.数值实验证明该方法能够为弹性波全波形反演建立良好的初始速度模型,能够有效避免反演中的周期跳变现象和局部极小值问题.

基于层析滤波的全波形反演方法

在全波形反演过程中,采集系统的有限孔径和波场对地层介质信息的非均匀覆盖会影响全波形反演的效果.本文引入一种层析滤波器来减小这种影响.该滤波器被作用于反传之前的波场残差之上,对模型梯度进行预处理,可以对有限的采集孔径和非均匀信息覆盖进行校正,从而改善全波形反演的效果.该滤波器的实现简便高效,几乎不引入额外的计算量.本文主要针对地面反射记录进行研究,数值实验验证了该滤波算子的有效性.