基于DnCNN地震数据随机噪声衰减研究.pdfVIP

table{边框‑合并:崩塌;}table,th,td{边框:1px实线#000;}

基于深度卷积神经网络残差学习的随

机噪声衰减

，袁义军，地质大学地球与学院，，

去噪卷积

神经网络（DnCNN）算法最初是为图像去噪目的而开发的一种噪声衰减方法。

DnCNN算法基于神经网络和统计学原理，从含噪声的数据中学习残差图像，并通过减法

获得结果。由于数据中的随机噪声衰减与图像去噪相似，我们提出使用DnCNN算法

来衰减数据的随机噪声。对合成数据的测试表明，DnCNN算法在数据的随机噪

声衰减方面非常有效。

引言

随着勘探难度的增加，数据的保真去噪仍然是一个技术难题，特别是在抑制随机

噪声方面。为了去除数据中的随机噪声，世界各地的许多学者开发了许多去噪方法，

例如f‑x反褶积（Cana,1984）、Cadzow滤波（Trickett,2008）、奇异谱分析（

Oropeza和Sacchi,2011）等。f‑x反褶积将问题转化为(f‑x)域中的线性预测问题。

Abma和Claerbout（1995）进一