公开(公告)号：CN119624773A

公开(公告)日：2025-03-14

申请号：CN202411715208.1

申请日：2024-11-27

Applicant: 吉林大学

Inventor： 董新桐 ,  于文硕 ,  董士琦

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 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。

公开(公告)号：CN119090723A

公开(公告)日：2024-12-06

申请号：CN202411190824.X

申请日：2024-08-28

Applicant: 吉林大学

Inventor： 董新桐 ,  于文硕 ,  董士琦 ,  罗玉钦 ,  钟铁

IPC: G06T3/4076 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/774 ,  G06V10/776 ,  G06N3/048 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及一种叠后地震剖面超分辨率重建方法，包括构建生成网络与对抗网络，生成网络用于提高叠后地震剖面的分辨率，对抗网则用于判别输入的图像是原始的高分辨率地震剖面还是通过生成网络重建后的高分辨率地震剖面。本发明设计了一种由多尺度残差模块、双注意力模块以及残差D模块等组成的生成网络，提高了网络在提取重要特征信息方面的能力；还设计了一种基于马尔科夫判别器的对抗网络，提高了网络对于地震图像的判别能力；通过引入总变分损失和边缘信息保留损失函数，改进了生成对抗网络的常规损失函数。本方法可以在有效提高叠后地震剖面分辨率的同时，更好地去除噪声信号，保留更多的地质构造和特征，提高地震图像的感知质量。