基于循环生成对抗网络的逆时偏移成像结果优化

摘要

在常规逆时偏移方法基础上，通过引入循环生成对抗网络(CycleGAN)发展一种基于循环生成对抗网络的逆时偏移成像结果优化方法。首先构建包含两个生成器和两个判别器的CycleGAN。在对抗损失、循环一致性损失函数的基础上，添加身份损失函数，以避免训练过度；然后，组建样本集来训练网络，使其学习常规逆时偏移成像结果和最小二乘逆时偏移成像结果之间的映射关系；最后，利用其他合成数据和实际资料测试网络效果。结果表明，提出的基于循环生成对抗网络的逆时偏移成像结果优化方法在获得高精度、高信噪比成像结果的同时有效地提高了计算效率。

关键词

循环生成对抗网络 / 残差网络 / 逆Hessian / 最小二乘逆时偏移