[发明专利]一种基于多分支选择性内核嵌套连接残差网络的去噪方法

权利要求书

1.一种基于多分支选择性内核嵌套连接残差网络的去噪方法，其特征在于：包括以下处理步骤：

将多层残差模块进行嵌套相连得到残差嵌套网络，并将地震数据输入残差嵌套网络中；

添加多分支选择性内核，并把残差嵌套网络的输出作为多分支选择性内核的输入，每个分支使用不同尺度的卷积进行特征提取、计算并输出最终图像；

每层残差模块包括两个依次相连的卷积神经网络单元和一个恒等映射单元，所述恒等映射单元的输入侧连接在第一个卷积神经网络单元的输入侧且作为该层残差模块的输入端，所述恒等映射单元的输出侧连接在第二卷积神经网络单元的输出侧，恒等映射单元的输出侧与第二个卷积神经网络单元的输出侧进行求和作为该层残差模块的输出；

多层残差模块嵌套相连的具体连接方法为：下层的残差模块的输入端连接在上层残差模块的第一个卷积神经网络单元的输出侧，下层残差模块的输出端连接在上层残差模块的第二个卷积神经模块的输入侧。

2.根据权利要求1所述的一种基于多分支选择性内核嵌套连接残差网络的去噪方法，其特征在于：每个卷积神经网络单元包括进行两次的卷积操作和激活函数处理。

3.根据权利要求1或2所述的一种基于多分支选择性内核嵌套连接残差网络的去噪方法，其特征在于：所述多分支选择性内核包括以下处理子步骤：

得到残差嵌套网络的特征图U∈R^W×H×N，R为实数集，W、H和N分别为特征图宽度、高度和通道数；

利用三个不同大小的卷积核进行卷积运算，分别得到U₁∈R^W×H×N、U₂∈R^W×H×N和U₃∈R^W×H×N三个特征图，并逐元素求和得到特征图U₄∈R^W×H×N；

使用全局平均池化将U₄的全局信息压缩为特征图U₅∈R^1×1×N；

利用N/S个神经元进行全连接FC₁操作，将N通道的特征图U₅∈R^1×1×N降维成N/S个通道，其中S为缩放因子，得到特征图U₆∈R^1×1×N/S；

利用N个神经元进行全连接FC₂操作，将U₆∈R^1×1×N/S升维成N个通道的特征图，分别为U₇∈R^1×1×N、U₈∈R^1×1×N和U₉∈R^1×1×N；

通过Softmax函数计算第k个通道归一化加权参数α_k、β_k和γ_k；

式中，α′_k、β′_k和γ′_k分别为U₇、U₈和U₉中第k个通道的像素值，e为自然对数的底数；α、β和γ分别表示U₇、U₈和U₉的软注意力矢量；

并利用其与对应特征图中第k个通道像素值相乘求和，得到最终输出图像V；

4.根据权利要求3所述的一种基于多分支选择性内核嵌套连接残差网络的去噪方法，其特征在于：所述U₁、U₂、U₃分别采用3×3卷积核、5×5卷积核，7×7卷积核。