基于多阶段渐进式UNet压制地震勘探随机噪声

摘要

数据处理是地震勘探的关键环节，UNet网络作为典型的神经网络架构之一，近年来也被用于地震勘探领域，作为一种压制随机噪声的手段。UNet网络基于其对称的编码和解码结构，可以提取广泛的上下文信息，但由于其编码部分过度使用下采样操作，容易丢失输入图像的空间细节部分。其次，UNet架构是一种单阶段模型，网络结构简单，在空间精确度和多尺度信息之间难以达到平衡。基于此，提出多阶段渐进式UNet网络（MPUNet），网络前两个阶段采用编码器-解码器学习丰富的多尺度信息，最后一个阶段通过原始分辨率子网络保留精确的空间细节。每两个阶段之间引入监督注意模块，用来重新校准进入下一阶段的特征，以及引入跨阶段特征融合机制，使整个网络框架连接更加紧密，避免有效信息的丢失。人工合成记录和实际地震数据实验结果表明：相比于时频峰值滤波（TFPF）、残差密集网络（RDNet）、传统UNet和加入残差密集块的UNet(RDBUNet), MPUNet具有更显著的去噪效果，能够有效提高地震数据的信噪比和分辨率，为后续地震资料的分析解释提供了有利的依据。

关键词

UNet / 噪声压制 / MPUNet / 神经网络 / 地震勘探