摘要
本发明涉及一种基于Mamba的地震图像超分辨率重建方法,包括构建局部特征提取模块、全局特征提取模块与高质量地震剖面重建模块,以解决高频衰减和稀疏采集导致的分辨率不足问题。本发明引入了Mamba模型,构建了一种新型的超分辨率重建网络。局部特征提取模块通过卷积层提取浅层特征信息;全局特征提取模块通过多级残差状态空间块获取全局特征;高质量地震图像重建模块则通过像素重组和卷积操作实现高分辨率地震图像的重建。此外,本发明采用了Charbonnier损失函数,有效避免梯度消失问题,并改进了传统Mamba的损失函数。本发明可以在提升地震图像分辨率的同时,显著降低计算复杂度与时间成本。
技术关键词
图像超分辨率重建
局部特征提取
全局特征提取
图像重建
地层特征
输出特征
离散状态空间
空间模块
局部特征信息
网络模型训练
地震图像分辨率
彩色噪声
注意力
峰值信噪比
系统为您推荐了相关专利信息
事件处理方法
随机梯度下降
相机
门控循环单元网络
事件处理系统
局部特征提取
图像分类模型
图像局部特征
影像分类方法
图像全局特征
关节点特征
重识别方法
卷积特征
行人重识别
全局特征提取
图像处理方法
建立训练模型
喷墨
卷积神经网络学习
像素
生成器网络
分支
输入多尺度
检测识别模块
检测器