加权全变分正则化与ADMM 求解的无监督地震数据随机噪声压制方法

打开文本图片集

摘要： 噪声压制是地震数据处理中的一个至关重要的环节。近年来，随着深度学习的蓬勃发展，其在地震数据中的应用取得显著成效。在实际应用中，收集大量带标签的地震数据（无噪数据）是困难的，为此，基于无监督的深度图像先验（DIP）框架压制二维地震数据随机噪声。首先，探索跳跃连接对网络去噪性能的影响，确定网络架构；其次，在损失函数中加入加权全变分（WTV）正则项，与传统的全变分（TV）正则项所不同的是，WTV 正则项的权重系数不再是固定不变的超参数，而是与数据空间结构有关的可学习参数；最后，通过交替方向乘子法（ADMM）求解该优化问题。（剩余222字）