Optimizing delamination imaging via full wavefield segmentation using augmented simulated wavefield data

Yitian Yan

doi:10.1016/j.ultras.2025.107789

Optimizing delamination imaging via full wavefield segmentation using augmented simulated wavefield data

2025-08-13

0

PRE

AI

DOI：10.1016/j.ultras.2025.107789

原文链接

原文求助

摘要

En 中文

• 提出了一种数据预处理策略，用于改进全波场分割中用于分层成像的深度学习（DL）模型的性能。通过应用该策略，仅使用模拟数据训练的模型可以有效推广到实验场景，实现准确的分层成像。 • 由分层引起的GW模式从全波场中提取出来用于模型训练。该方法将3D原始全波场数据压缩为2D频域特征谱，同时突出显示由分层引起的能量响应。 • 采用了一种结合对称翻转和添加高斯白噪声的数据增强策略，以提高分层成像模型的泛化能力，使其能够更好地处理实际测量条件。 • 采用了七种不同的DL模型进行应用和评估，展示了数据预处理策略的有效性和优势。

Keyword:

delamination imaging

deep learning

data preprocessing

full wavefield segmentation

data augmentation

Optimizing delamination imaging via full wavefield segmentation using augmented simulated wavefield data

摘要

期刊

机构

引用论文