基于深度增强型生成对抗网络的叠后地震数据超分辨率重建

摘要

针对由于地球物理勘探环境的复杂性日益增加，同时受采集和处理技术的限制，叠后地震数据的分辨率和信噪比较低的问题，为提升其分辨率的同时实现噪声压制，提出了一种深度增强型超分辨生成对抗网络(DESRGAN:Depth-Enhanced Super-Resolution Generative Adversarial Network)。DESRGAN采用轻量化后的残差密集块(LRDB:Lightweight Residual Dense Block)作为基本单元以提升训练过程的效率和稳定性；在深层特征提取阶段，通过通道注意力机制增强对重要特征的关注；考虑像素之间的空间关系，在上采样操作中，使用像素重组代替插值。在模拟和实测数据上的实验结果表明，该网络不仅能重建作为测试集的模拟数据，而且还能很好地泛用到复杂实测数据上。在对比经典的生成对抗网络(GAN:Generative Adversarial Network)和卷积神经网络(CNN:Convolutional Neural Network)的实验中表明，该方法的重建结果更清晰，并在定量分析中具有更高的峰值信噪比和结构相似性。

关键词

地震数据 / 分辨率 / 信噪比 / 深度增强型