[發明專利]基于框架集的p階張量深度學習的多維地震數據去噪方法

有效

• 申請號: 202210292980.1
• 申請日: 2022-03-24
• 公開（公告）號: CN114662045B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 錢峰;鄭丙偉;王彥;劉章波;李惠敏;胡光岷
• 申請（專利權）人: 電子科技大學
• 主分類號: G01V1/28
• 分類號: G01V1/28;G06F17/14;G06F17/15;G06F17/16;G06N3/04;G06N3/088;G01V1/36;G06F18/10
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發明公開一種基于框架集的p階張量深度學習的多維地震數據去噪方法，應用于地震數據去噪領域，針對現有技術在處理高維地震數據時，缺乏平坦化操作的情況下，明顯無法捕捉到完整的圖像結構的問題，本發明首先，利用框架優于傅里葉變換的優勢，將傅里葉替換為框架并給出了要觸發的p階張量?張量積(t?product)的新定義；然后，通過重新定義p階張量積，p階tNN框架將標準張量積的tNN直接擴展到M?D地震去噪；利用框架域中矩陣乘法可以計算p階張量積的特點，通過一組變換后的矩陣片DL來求解FPTNN中的最優加權參數。

技術領域

本發明屬于地震數據處理領域，特別涉及一種地震數據去噪技術。

背景技術

地震數據去噪是地震數據處理中一個經典但目前仍很活躍的課題，因為它是后續解釋工作(如描述真實地下構造)中不可或缺的步驟。從機器學習的角度來看，單一地震數據去噪原則上是一個欠定逆問題，其解決取決于有效的圖像先驗知識或模型。與傳統的圖像去噪任務不同，要充分處理多維(M-D)地震數據(如三維疊后數據、4-D疊前數據和5-D寬方位角疊前數據)，地震數據去噪更加復雜。因此，地震數據去噪面臨的最重要的問題是在帶噪地震數據中合理提取底層M-D結構的先驗知識，并充分利用這些先驗信息進行噪聲抑制和發現有效反射。但是，由于地震圖像的M-D性質，地震圖像先驗建模具有一定的挑戰性。

在圖像先驗領域最有前景的方式是通過各種二維或三維深度學習(DL)來學習底層結構的先驗知識。然而，對于高維地震數據，如4-D疊前數據，這些DL去噪方案在缺乏平坦化操作的情況下，無疑無法捕捉到完整的圖像結構。現有的地震圖像先驗建模和學習技術主要包括稀疏表示模型、低秩模型和深度學習模型等，這些都存在著上述問題。

在地震文獻中，有許多地震圖像先驗建模和學習技術，包括稀疏表示模型、低秩模型和深度學習模型。到目前為止，稀疏表示已經成為地震圖像去噪的重要先驗知識，它可以進一步分為解析稀疏化變換和數據驅動稀疏編碼。在解析稀疏變換的情況下，假設在給定的解析變換基礎上，干凈的地震圖像能夠很好地稀疏表示，而噪聲則不能。典型的變換包括希爾伯特黃、小波、曲波、剪切波、地震波和Radon變換，但單一的解析稀疏變換不能稀疏地表示所有類型的圖像特征，限制了去噪質量。相反，稀疏編碼是以基本元素的線性組合也就是字典的方式學習輸入地震數據的有用的稀疏表示形式，它的優點是更好地貼合地震圖像；這些方法的例子包括快速，統計，受限，多任務和雙稀疏字典學習。

狹義上，稀疏表示模型本質上是一種高效而直接的局部圖像先驗，而另一種低秩圖像先驗則能夠探索隱藏在M-D地震數據中的全局結構(因此稱為全局圖像先驗)。已知全局圖像先驗有兩種類型，即基于矩陣和基于張量的低秩近似(LRA)。前者是基于M-D地震數據可以堆積成一個低秩矩陣的思想。如果地震圖像被噪聲污染，矩陣的秩將增加。因此，圖像去噪問題可以通過降階技術來實現，包括一般的非結構化和基于結構化Hankel矩陣的LRA方法。而后者則自發地集中于張量而不是矩陣表示；典型的例子包括張量奇異值分解(tSVD)和CANDECOMP/PARAFAC(CP)分解。但是，這些方法，包括稀疏表示和低秩模型由于其只能依賴于手工制作的圖像先驗而導致性能有所局限，這在涉及復雜地質構造的數據中有時不會滿足要求。

作為手工制作的圖像先驗的一種替代方法，深度先驗學習是為了明確地學習從損壞監測到潛在地震圖像的精簡的映射函數，并且在學習過程中不做任何假設。目前，根據處理單元的形式，當前的深度先驗學習一般可分為兩類：二維或三維地震圖像去噪。前者受到傳統深度圖像去噪的啟發，將M-D地震數據切片成一個矩陣或圖像，然后通過各種深度學習模型，如卷積神經網絡(CNNs)、生成對抗網絡(GANs)、自編碼器和U-Net進行圖像去噪。很明顯，變平會對M-D結構造成損傷，不可避免地會影響去噪性能。為了彌補這一不足，后一類采用原始的三維立方體作為輸入，以便更好地保存疊后地震數據的三維空間結構。在這方面，有兩種類型的3-D?DL去噪方法來尋找這種深度圖像先驗：有監督的3-D?CNN，和無監督的3-D自編碼器。然而，目前的三維DL去噪方案無法自動描述這類高維結構(如4-D疊前數據)，這可能使其無法有效地執行M-D地震數據去噪任務。

發明內容