基于多尺度双判别器GAN的地震图像超分辨率重建方法

摘要

地震图像超分辨率重建是提升油气勘探中地质解释精度与储层预测可靠性的关键环节，其目标是在不增加采集成本的前提下恢复高频信息、增强薄层与断层等精细构造表征。受野外采集条件限制，以及地下介质吸收衰减与随机噪声、相干噪声叠加影响，实际地震资料常呈现分辨率不足、频带受限与细节模糊等问题，导致同相轴连续性变差、断层界面不清，从而影响构造解释、层序划分及属性反演等后续流程。近年来，深度学习技术为解决该问题提供了新途径，然而现有方法仍面临特征提取尺度单一、物理约束缺失及泛化能力不足等挑战。本文提出一种多尺度双判别器生成对抗网络(MSDD-GAN)。首先设计基于多尺度残差组(MSRG)的生成器，通过并行多分支与跨层残差连接实现多尺度地质特征的联合建模；其次构建空间-频率协同的双判别器机制，其中结构判别器从空间域评价地层连续性、断层清晰度与纹理一致性，频域判别器约束地震数据频率分布的合理性，抑制不合理高频伪影。实验在合成与现场地震数据上开展系统验证，并以代表性方法SeisGAN为主要基线对比，综合采用PSNR、SSIM及频谱一致性等指标进行评估。结果表明，MSDD-GAN能够改善薄层与断层重建质量，同相轴连续性增强，细节更清晰且噪声得到有效抑制。进一步的消融实验(去除MSRG与去除频率判别器)验证了多尺度特征建模与频域约束对提升地震图像超分辨率重建真实性与稳定性的关键作用。

关键词

深度学习 / 地震图像 / 超分辨率重建 / 生成对抗网络 / 多尺度特征提取