[发明专利]基于超分辨率深度学习的断裂检测方法及系统

权利要求书

1.一种基于超分辨率深度学习的断裂检测方法，其特征在于，包括：

建立包含有第一类图像特征与第二类图像目标的映射关系的超分辨率深度学习模型，所述第一类图像的分辨率小于所述第二类图像的分辨率；

获取目标层段的断裂检测几何属性地震数据体，从所述地震数据体中选取断裂图像；

将所述断裂图像输入到所述超分辨率深度学习模型中，得到分辨率大于所述断裂图像的高分辨率断裂图像；

根据所述高分辨率断裂图像得到所述目标层段的断裂发育情况。

2.根据权利要求1所述的断裂检测方法，其特征在于，所述建立包含有第一类图像特征与第二类图像目标的映射关系的超分辨率深度学习模型，具体包括：

获取包含地质断裂的第二类图片；

对所述第二类图片进行处理，得到分辨率小于所述第二类图片且像素尺寸相同的第一类图片；

建立所述第一类图像特征与所述第二类图像目标之间的深度网络映射函数；

求解所述深度网络映射函数，得到所述超分辨率深度学习模型。

3.根据权利要求2所述的断裂检测方法，其特征在于，根据以下公式建立所述深度网络映射函数：

根据以下公式求解所述深度网络映射函数F：

其中，F为深度网络映射函数，为估算的第二类图像，X为第一类图像，Y为第二类图像，i的取值从1到N，N为样本的个数，MSE为损失函数。

4.根据权利要求2所述的断裂检测方法，其特征在于，所述对所述第二类图片进行处理，得到分辨率小于所述第二类图片的第一类图片，具体包括：

对所述第二类图片进行下采样处理和插值处理，得到分辨率小于所述第二类图片的第一类图片。

5.根据权利要求2所述的断裂检测方法，其特征在于，所述建立所述第一类图像特征与所述第二类图像目标之间的深度网络映射函数之前，还包括：

分别对所述第一类图像和所述第二类图像进行分块化处理，以增加样本个数。

6.一种基于超分辨率深度学习的断裂检测系统，其特征在于，包括：

建模单元，用于建立包含有第一类图像特征与第二类图像目标的映射关系的超分辨率深度学习模型，所述第一类图像的分辨率小于所述第二类图像的分辨率；

获取单元，用于获取目标层段的断裂检测几何属性地震数据体，从所述地震数据体中选取断裂图像；

处理单元，用于将所述断裂图像输入到所述超分辨率深度学习模型中，得到分辨率大于所述断裂图像的高分辨率断裂图像；

显示单元，用于根据所述高分辨率断裂图像得到所述目标层段的断裂发育情况。

7.根据权利要求6所述的断裂检测系统，其特征在于，所述建模单元具体用于获取包含地质断裂的第二类图片，并对所述第二类图片进行处理，得到分辨率小于所述第二类图片的第一类图片，并建立所述第一类图像特征与所述第二类图像目标之间的深度网络映射函数，并求解所述深度网络映射函数，得到所述超分辨率深度学习模型。

8.根据权利要求7所述的断裂检测系统，其特征在于，所述建模单元具体用于对所述第二类图片进行下采样处理和插值处理，得到分辨率小于所述第二类图片的第一类图片。

9.根据权利要求7所述的断裂检测系统，其特征在于，所述建模单元还用于分别对所述第一类图像和所述第二类图像进行分块化处理。

10.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至4中任一项所述的方法。