基于DC-UNet卷积神经网络的强噪声压制方法

在成熟工业区采集地震数据的过程中,由于生产设备的持续运转,使得采集到的地震数据含有大量振幅很强的局部强噪声,难以用常规的去噪方法压制。将U-Net网络与空洞卷积结合,建立了适用于局部强噪声压制的空洞卷积DC-UNet网络。DC-UNet网络前端的循环空洞卷积块使用循环扩张的空洞卷积核提取不同尺度的强噪声特征信息,并且扩大了感受野;网络后端使用编码器提取强噪声特征,编码器还原强噪声细节特征。DC-UNet网络实现从含噪数据到噪声的非线性映射,通过从含噪数据减去学习到的强噪声,达到压制强噪声的目的。在GPU环境使用Pytorch框架进行训练,合成数据和实际数据实验结果表明,相较于DnCNN、U-Net、PCA-UNet网络,DC-UNet网络能更好地压制局部强噪声并且提高了信噪比。