[發明專利]基于卷積自編碼器的疊前數據去噪方法及系統

在審

• 申請號: 201810862238.3
• 申請日: 2018-08-01
• 公開（公告）號: CN109087259A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 袁三一;宋衛賓;謝濤;劉穎;連世杰;鄧力;王尚旭
• 申請（專利權）人: 中國石油大學(北京);中海油田服務股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王濤

1.一種基于卷積自編碼器的疊前數據去噪方法，其特征在于，包括：

對疊前數據進行歸一化，得到經過歸一化的數據圖像；

對所述經過歸一化的數據圖像開辟多個大小相同的窗口，分割為多個小數據圖像，選取其中一個或多個小數據圖像作為卷積層輸入特征圖；

使用卷積層的卷積核和卷積層的卷積核偏置對所述卷積層輸入特征圖進行卷積處理，得到卷積層輸出特征圖；

將所述卷積層輸出特征圖進行池化處理和反池化處理，得到反卷積層輸入特征圖；

使用反卷積層的卷積核和反卷積層的卷積核偏置對所述反卷積層輸入特征圖進行反卷積處理，得到反卷積層輸出特征圖；

將所述反卷積層輸出特征圖進行反歸一化，得到去噪數據。

2.根據權利要求1所述的基于卷積自編碼器的疊前數據去噪方法，其特征在于，使用卷積層的卷積核和卷積層的卷積核偏置對所述卷積層輸入特征圖進行卷積處理，得到卷積層輸出特征圖，具體包括：

將所述卷積層輸入特征圖作為第1個卷積層全部神經元的輸出特征圖；

執行迭代處理：當L＝2，3，……，Q時，根據第L-1個卷積層全部神經元的輸出特征圖、連接第L-1個卷積層全部神經元與第L個卷積層全部神經元的卷積核，和第L個卷積層全部神經元的卷積核偏置，計算第L個卷積層全部神經元的輸出特征圖；

將第Q個卷積層全部神經元的輸出特征圖作為所述卷積層輸出特征圖；

其中，Q為卷積層的個數。

3.根據權利要求2所述的基于卷積自編碼器的疊前數據去噪方法，其特征在于，

通過如下公式計算第L個卷積層全部神經元的輸出特征圖：

其中，為第L個卷積層第j個神經元的輸出特征圖，為第L-1個卷積層第i個神經元的輸出特征圖，為連接第L-1個卷積層第i個神經元與第L個卷積層第j個神經元的卷積核，k_L-1為第L-1個卷積層神經元的個數，1≤i≤k_L-1，k_L為第L個卷積層神經元的個數，1≤j≤k_L，k₁＝1,k_Q＝1，為第L個卷積層第j個神經元的卷積核偏置。

4.根據權利要求1所述的基于卷積自編碼器的疊前數據去噪方法，其特征在于，使用反卷積層的卷積核和反卷積層的卷積核偏置對所述反卷積層輸入特征圖進行反卷積處理，得到反卷積層輸出特征圖，具體包括：

將所述反卷積層輸入特征圖作為第1個反卷積層全部神經元的輸出特征圖；

執行迭代處理：當L＝2，3，……，Q時，根據第L-1個反卷積層全部神經元的輸出特征圖、連接第L-1個反卷積層全部神經元與第L個反卷積層全部神經元的卷積核，和第L個反卷積層全部神經元的卷積核偏置，計算第L個反卷積層全部神經元的輸出特征圖；

將第Q個反卷積層全部神經元的輸出特征圖作為所述反卷積層輸出特征圖；

其中，Q為反卷積層的個數。

5.根據權利要求4所述的基于卷積自編碼器的疊前數據去噪方法，其特征在于，

通過如下公式計算第L個反卷積層全部神經元的輸出特征圖：

其中，為第L個反卷積層第j個神經元的輸出特征圖，為第L-1個反卷積層第i個神經元的輸出特征圖，為連接第L-1個反卷積層第i個神經元與第L個反卷積層第j個神經元的卷積核，k'_L-1為第L-1個反卷積層神經元的個數，1≤i≤k'_L-1，k'_L為第L個反卷積層神經元的個數，1≤j≤k'_L，k'₁＝1,k'_Q＝1，為第L個反卷積層第j個神經元的卷積核偏置。