公开(公告)号：CN113269818A

公开(公告)日：2021-08-17

申请号：CN202110641642.X

申请日：2021-06-09

申请人： 河北工业大学

发明人： 顾军华 ,  李一凡 ,  贾永娜 ,  沈晓宁 ,  王国伟 ,  吴杰

IPC分类号： G06T7/40 ,  G06T3/40 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的地震数据纹理特征重建方法。本发明采用纹理提取网络，用浅层卷积网络进行训练，该纹理提取网络随着训练的过程不断更新自己的参数，使得纹理提取网络能够提取到最合适的纹理特征信息。采用归一化内积的方法分别计算上采样低分辨率图像特征图Q中的一个特征块和下上采样参考图像特征图K的一个特征块的两两特征块之间的相似度ri，j，通过分块计算相似度来进行迁移学习，用注意力机制进行纹理迁移。在损失函数部分加入了对抗损失和感知损失。本发明能够自动更新参数，不需要其他的先验信息，并且可以学习复杂的纹理特征结构，有效地避免空间假频问题，能够快速重建出清晰的高分辨率地震数据。

公开(公告)号：CN113269818B

公开(公告)日：2023-07-25

申请号：CN202110641642.X

申请日：2021-06-09

申请人： 河北工业大学

发明人： 顾军华 ,  李一凡 ,  贾永娜 ,  沈晓宁 ,  王国伟 ,  吴杰

IPC分类号： G06T7/40 ,  G06T3/40 ,  G06V10/44 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的地震数据纹理特征重建方法。本发明采用纹理提取网络，用浅层卷积网络进行训练，该纹理提取网络随着训练的过程不断更新自己的参数，使得纹理提取网络能够提取到最合适的纹理特征信息。采用归一化内积的方法分别计算上采样低分辨率图像特征图Q中的一个特征块和下上采样参考图像特征图K的一个特征块的两两特征块之间的相似度ri，j，通过分块计算相似度来进行迁移学习，用注意力机制进行纹理迁移。在损失函数部分加入了对抗损失和感知损失。本发明能够自动更新参数，不需要其他的先验信息，并且可以学习复杂的纹理特征结构，有效地避免空间假频问题，能够快速重建出清晰的高分辨率地震数据。