[发明专利]一种地震断层图像处理方法

权利要求书

1.一种地震断层图像处理方法，其特征在于，包括以下步骤：

11)地震断层图像数据集的获取：获取地震断层图像数据集，地震断层图像数据集包括线性地质断层结构图像、曲线地质断层结构图像、线性曲面断层地质结构图像、层次地质结构图像；

12)对地震断层图像数据集进行预处理：对地震断层图像数据集按X-T方向进行切线，形成数据立方体，设定64*64*64的立方体作为滑动窗口；

13)构建地震断层图像处理网络：利用VAE和CNN构建地震断层图像处理网络，其中VAE为生成器，CNN作为评判器，经过多轮迭代后，使得VAE端的输出接近于自然的地震数据；构建VAE编码层：通过VAE编码层生成初步的地震断层图像，用于评判器的输入数据；利用CNN网络构建地震断层图像处理网络的评判器；

14)地震断层图像处理网络的训练：将预处理的地震断层图像数据集输入地震断层图像处理网络进行训练；

15)获取待处理的地震断层图像数据：获得待处理的地震断层图像数据，并对其进行预处理；

16)地震断层图像的处理：将预处理后的待处理地震断层图像数据送入训练后的地震断层图像处理网络，生成处理后的地震断层图像数据。

2.根据权利要求1所述的一种地震断层图像处理方法，其特征在于，所述的构建VAE编码层包括以下步骤：

21)对于每个变量分别计算x[x,t,y]在滑动窗口内的均值μ和方差σ，

其中，x、y分别表示地平面X、Y轴坐标，t表示收到信号回波的时间；

22)构建x的正态分布空间Z，将z初始值为x平均值，其表达式如下：

取z构成Z空间；

23)构建KL散度函数用于测量Z空间偏离情况，其表达式如下：

其中，μ，σ分别表示x在滑动窗口内的均值和方差；

24)用sigmoid作为激活函数搭建解码器神经网络，

采用地震原始滑动图像X作为输入，并得到即为VAE输出结果，用于填充新的地震断层数据立方体；

25)通过计算与X交叉熵得出VAE网络数据输入数据与生成数据的偏离情况L_enx，其公式为

26)VAE损失函数为：L_VAE＝L_KL+L_enx，其中，L_KL为步骤23)计算出的VAE的Z空间偏离情况；

对VAE输出计算置信率，对采样空间各值z计算置信率D(z)、D(x)、D(z)作为计算评判器损失函数的准备函数。

3.根据权利要求1所述的一种地震断层图像处理方法，其特征在于，所述利用CNN网络构建生成对抗网络的评判器，其评判过程如下：

31)取VAE输出作为CNN输入，以窗口内x值、x方向坐标梯度、t方向坐标梯度、x-y方向光流梯度、t-y方向光流梯度作为数据通道，其中光流梯度采用Lucas–Kanade光流算法；

32)构建CNN层，各层采用全连接方式，卷积核采用4*4*4卷积核，各层之间采用ReLU作为激活函数连接，最终输出采用Sigmoid作为激活函数；

33)计算VAE-GAN网络损失函数如下,获取L_VAE、D(x)、D(z)值，α₁为经验参数，其表达式如下：

L＝L_3DGAN+α₁L_VAE，

L_3DGAN＝logD(x)+log(1-D(z))，

34)用上述损失函数修订VAE生成网络的输入X，构成基于VAE、CNN的地震断层图像处理网络。

4.根据权利要求1所述的一种地震断层图像处理方法，其特征在于，所述地震断层图像处理网络的训练包括图像生成步骤和训练步骤，其具体步骤如下：

41)设定若干份具有一定特征的地质断层数据资料作为正向训练数据，一部分不包含特征数据做反向训练数据，采用数据立方体作为滑动采样立方体，对该数据资料进行滑动采样；

42)地震断层图像处理网络经过多轮循环迭代，经验参数为50次，VAE输出端产生了新的数据立方体矩阵；

43)分别按照x方向、y方向、z方向滑动采样立方体，重复步骤41)、42)过程，直到完成原始数据资料扫描，并生成同样数据维度的具有相同特征的新的地震断层图像资料；

44)设定具备特定特征的原始资料、经过步骤42)、43)产生的具有同样特征的数据资料组为正向训练样本，不具备特征的数据作为反向训练样本；

45)对地震断层图像处理网络的评价器即CNN网络进行训练，通过损失函数调整网络各层权重，经过多轮迭代，等权重的变化趋于一致，CNN网络保留训练过的信息；

46)利用训练好的CNN网络对未分类数据判别，判断数据特征。