基于全局上下文和注意力機制深度卷積神經網絡的地震數據去噪

楊翠倩,周亞同,何 昊,崔 燾,王 楊

(1.河北工業大學電子信息工程學院,天津300401;2.中海油田服務股份有限公司物探事業部,天津300451)

地震勘探正向深層勘探以及地面地質條件復雜區發展,對地震數據采集質量的要求不斷提高[1]。在地震勘探中,地震數據不可避免被隨機噪聲干擾,從而影響地震數據后續處理。因此,有效消除隨機噪聲,最大限度保留有效信息是地震數據處理的關鍵步驟之一。

根據地震數據中噪聲的特點,人們提出了多種壓制噪聲的方法。傳統的去噪方法主要包括空間域去噪方法[2]、變換域去噪方法[3]、字典學習[4]和混合域去噪方法[5]。其中,空間域去噪方法主要利用塊之間的相似性去噪,例如非局部均值濾波[6],但是由于塊之間的權重計算代價過大、耗時過多,導致該方法不實用。基于變換域的去噪方法包括傅里葉變換、小波變換[7]和Shearlet變換[8]等,其基本思想是假設地震數據在變換域是稀疏的或可壓縮的,將地震數據轉換到其它域提高稀疏性。在變換域中,地震數據可以用一組稀疏基來表示。李民等[9]在Shearlet變換域中引入非局部均值對地震數據去噪,可以有效處理細節部分。上述方法需要估計噪聲水平,然而噪聲水平通常很難準確估計,并且可能產生不需要的偽影。基于字典學習的方法主要依賴稀疏編碼和字典更新。NAZARI SIAHSAR等[10]提出了一種用于地震數據降噪的相干約束字典學習方法,該方法不需要先驗噪聲,但復雜度較高。基于混合域的去噪方法利用多域優勢,能夠在克服每個域的局限性的同時提高去噪效果。……