Multi-condition seismic data denoising using feature-expanded gradient penalty generative adversarial network

doi:10.1093/jge/gxaf158

Multi-condition seismic data denoising using feature-expanded gradient penalty generative adversarial network

2026-04-01

0

PRE

AI

DOI：10.1093/jge/gxaf158

原文链接

原文求助

摘要

En 中文

高质量地震数据是成像和解释的关键基础。然而，野外地震数据受到噪声污染，导致出现大量虚假地震信号，从而对后续处理和解释产生不利影响。目前，监督深度学习方法因三维地震图像真实标签的稀缺而面临挑战，而无监督方法则因训练过程中缺乏指导，导致去噪结果模糊。为解决这些问题，有必要提出一种自适应半监督随机噪声衰减方法，利用易于生成的伪标签有效指导模型。本研究提出了一种具有特征扩展（FEWGAN-SGP）的半监督梯度惩罚生成对抗网络。该网络首先采用全局残差结构以确保训练过程中的整体收敛。随后，采用具有特征扩展的通道注意力机制以提取更精细的细节。最后，应用平滑梯度惩罚项以增强实际图像与生成图像之间的区分度，从而促进模型的深度学习。实验在二维和三维数据集上进行，结果表明，与主流传统方法和无监督学习方法相比，所提出的方法在实际应用中表现出优异的信号保真度和噪声衰减能力。

Keyword:

random noise attenuation

attention mechanism

deep learning

generative adversarial network

Multi-condition seismic data denoising using feature-expanded gradient penalty generative adversarial network

摘要

期刊

机构

引用论文