基于卷积字典学习网络的地震数据重建 |
| |
引用本文: | 岳静楠,李志明.基于卷积字典学习网络的地震数据重建[J].工程地球物理学报,2023(3):383-392. |
| |
作者姓名: | 岳静楠 李志明 |
| |
作者单位: | 中国地质大学数学与物理学院 |
| |
基金项目: | 国家自然科学基金项目(编号:42274172); |
| |
摘 要: | 地震数据重建是地震资料处理的重要步骤。经典的字典学习方法将地震数据分解为重叠的数据块,并独立地计算所有块的稀疏表示,忽略了块之间的相关性。基于卷积字典学习的方法使用线性滤波器替代字典,具有更好的自适应稀疏表示能力。但相应算法的优化涉及卷积运算,求解复杂度较高。另外,重建性能也依赖手动参数的选择。深度学习方法在大量缺失/完整的训练数据驱动下,可以智能、高效地实现缺失地震数据重建。本文结合卷积字典学习和深度学习的优点,提出基于卷积字典学习网络(Convolutional Dictionary Learning Network, CDLNet)的地震数据重建方法,将卷积字典学习方法嵌入到深度神经网络框架中。该方法不仅可以取得更准确、高效的重建结果,而且在卷积字典学习模型和迭代收缩阈值算法(Iterative Shrinkage Thresholding Algorithm, ISTA)的指导下,训练的网络也具有一定的意义。通过仿真和真实数据实验显示,和Unet深度学习方法相比,重建数据的信噪比提高了2~3 dB;和DDTF(Data-Driven Tight Frame, DDTF)字典学习...
|
关 键 词: | 地震数据重建 卷积字典学习 深度学习 卷积字典学习网络 |
|
|