典型文献
一种基于地震图像深度语义分割的初至拾取方法
文献摘要：
本文从图像处理角度出发,模拟专业技术人员拾取初至的认知过程,提出了一种基于深度语义分割的初至拾取技术.该方法以更合适计算机辨识的地震数据密度图像为数据源,充分发挥语义分割在图像处理中的优势,采用端到端的编码-解码的语义分割网络模型实现初至语义特征学习,这是一种集合了深层抽象语义信息和浅层精细表征信息的跨层架构的语义分割网络,用来解决初至波语义和位置的内在张力问题,在收缩路径中捕捉初至上下文的语义信息和特征抽象,解决初至是什么的问题,在对称扩展路径中实现初至相对精准定位,结合浅层局部信息解决初至更高精度定位的问题.学习过程中通过样本筛选实现无初至时窗的数据聚焦和小粒度下的精细学习,通过模拟地形变化来对样本进行扩展,以实现在小样本下的优质学习.对深度网络模型进行优化,提高学习训练的精度与速度.通过实际数据测试表明,本方法可实现较高精度的初至检测,同时具有较强的抗噪能力,在低信噪比、不同噪声背景下也下仍能够较为精确地拾取初至.
文献关键词：
初至拾取;图像语义分割;深度学习;深度网络模型;自编码;地震图像分割
中图分类号：
作者姓名：
潘英杰;许银坡;倪宇东;蓝益军;白志宏;曹跃辉;田磊
作者机构：
中国石油集团东方地球物理勘探有限责任公司,涿州 072750
文献出处：
引用格式：
[1]潘英杰;许银坡;倪宇东;蓝益军;白志宏;曹跃辉;田磊-.一种基于地震图像深度语义分割的初至拾取方法)[J].地球物理学进展,2022(03):1122-1131
A类：
地震图像分割
B类：
图像深度,初至拾取,专业技术人员,认知过程,更合,地震数据,数据密度,密度图,数据源,端到端,解码,语义分割网络,模型实现,语义特征,特征学习,语义信息,精细表征,跨层,层架,内在张力,上下文,扩展路径,精准定位,局部信息,高精度定位,学习过程,样本筛选,时窗,小粒,模拟地形,地形变化,小样本,深度网络模型,学习训练,实际数据,数据测试,测试表明,低信噪比,图像语义分割,自编码
AB值：
0.399634
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
