.png){kind=icon}
返回
Random noise attenuation using dual-module attention with multi-scale kernels
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-59772-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
提高地震数据的信噪比（SNR）是勘探地球物理学中的一个基本问题，因为随机噪声和相干噪声严重降低地震记录质量并阻碍后续成像和解释。传统方法通常在抑制噪声的同时也压制了弱但具有地质信息的信号，限制了其有效性。本研究提出了一种新颖的注意力模块——多核通道-空间注意力（MKCSA），可有效解决随机地震数据噪声问题。该网络丰富了其特征空间以提取复杂的地质特征，有效衰减随机噪声。通过将多核特征提取整合到通道和空间注意力中，实现了更高效的局部和全局地质特征提取。该注意力机制进一步增强了噪声抑制效果，从而减少了局部相似性图中的信号。实验结果表明，MKCSA-Net在峰值信噪比（PSNR）、结构相似性指数度量（SSIM）和频率距离（FD）方面分别优于去噪卷积神经网络（DnCNN）和带有卷积块注意力（DnCNN-CBAM）的DnCNN模型，提升了（4.82%，3.49%，12.68%）和（2.42%，1.77%，7.46%）分别。
