摘要
本发明属于地震勘探和人工智能技术领域,涉及一种地震数据高分辨率重建与随机噪声抑制方法,通过经典生成器对低分辨率、含噪地震数据进行特征提取与重建,生成高分辨率、去噪后的地震图像;通过量子增强双路径判别器对真实地震数据与生成结果进行判别学习,不断优化生成器的重建能力。本发明设计的量子增强双路径结构,不仅能提升模型对复杂地震信号的建模能力,使重建图像更加精细、结构更加清晰,还能增强网络对随机噪声的鲁棒性,实现更有效的噪声抑制。本发明残差学习机制使各层之间的特征交互更加充分,有助于地震特征在不同层次传递与融合,从而提升整体重建质量。本方法可在实现地震数据高分辨率重建的同时,显著提高对随机噪声的抑制效果。
技术关键词
随机噪声
生成对抗网络
浅层特征提取
特征提取模块
残差学习
生成高分辨率
噪声抑制
深度语义空间
图像块
量子态
地震数据重建
图像空间分辨率
判别模块
生成对抗模型
批量
像素
系统为您推荐了相关专利信息
高维时间序列数据
注意力机制
去噪模型
变量
标签
混合卷积神经网络
光谱图像分类方法
交互网络
浅层特征提取
分类器
时序神经网络
文本
序列特征
多模态特征融合
门控循环单元
电网告警信息
数据挖掘模型
自然语言
多层注意力
指标