可逆网络的地震数据分辨率增强与去噪

基于卷积神经网络的地震超分辨率方法表现良好,但在下采样过程中会丢失高频信息,无法解决一对多不适定性问题.为此,提出了一种基于可逆网络的地震超分辨率和去噪算法(SRInvNet)缓解该问题.在前向过程中,SRInvNet被训练为将有噪声的低分辨率地震图像转换为干净的降尺度图像和噪声-高频信息混合的潜在表示;丢弃潜在的表示来完全去除噪声,并从高斯分布中随机采样一个新的变量来恢复高频信息.在后向过程中,该变量和降尺度图像作为输入来恢复干净的高分辨率图像.结果表明,SRInvNet的性能和参数量均优于最新的超分辨率算法CAUC和SeisGAN.