Multiscale Spatial Attention Network for Seismic Data Denoising

计算机科学 降噪 卷积神经网络 噪音(视频) 模式识别(心理学) 杠杆(统计) 人工智能 卷积(计算机科学) 比例(比率) 核(代数) 人工神经网络 数学 组合数学 图像(数学) 物理 量子力学
作者
Xintong Dong,Jun Lin,Shaoping Lu,Hongzhou Wang,Yue Li
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:60: 1-17 被引量:24
标识
DOI:10.1109/tgrs.2022.3178212
摘要

Seismic background noise often damages the desired signals, thereby resulting in some artifacts in the seismic imaging that follows. Since about 2016, some supervised-deep-learning methods have shown impressive performance in seismic data denoising, but they usually only consider single-scale features and neglect the multi-scale strategy. To further reinforce their denoising performance, a novel multi-scale convolutional neural network (CNN) combined with spatial attention mechanism, called multi-scale spatial attention denoising network (MSSA-Net), is proposed to tell weak reflected signals apart from strong seismic background noise. Unlike conventional single-scale CNNs, this proposed MSSA-Net can achieve the extraction of multi-scale features which is beneficial for the suppression of strong noise and the recovery of weak reflected signals. Specifically, MSSA-Net contains a principal denoising network and two auxiliary networks. The former utilizes the widen convolution composed of multiple parallel convolution layers with different kernel sizes to capture the informative multi-scale features; the latter two leverage up and down sampling to extract local fine and global coarse features, respectively. Furthermore, a spatial attention block is adopted to fuse these multi-scale features, thereby distinguishing weak reflected signals from strong seismic background noise. Multiple experiments of synthetic and real seismic records demonstrate the effectiveness of MSSA-Net. In addition, compared with two classical single-scale CNNs, MSSA-Net performs better in signal recovery, indicating the positive effect of multi-scale strategy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小彭友完成签到 ,获得积分10
5秒前
江流有声完成签到 ,获得积分10
11秒前
xiao完成签到 ,获得积分10
14秒前
su完成签到 ,获得积分10
14秒前
logolush完成签到 ,获得积分10
22秒前
zhang完成签到 ,获得积分10
23秒前
zhdjj完成签到 ,获得积分10
34秒前
sydhwo完成签到 ,获得积分10
36秒前
无极2023完成签到 ,获得积分10
41秒前
特别圆的正方形完成签到 ,获得积分10
42秒前
iShine完成签到 ,获得积分10
49秒前
会发芽完成签到 ,获得积分10
50秒前
CC2333完成签到 ,获得积分10
53秒前
卓矢完成签到 ,获得积分10
53秒前
jue完成签到 ,获得积分10
56秒前
GuangboXia完成签到,获得积分10
56秒前
研友_LN32Mn完成签到,获得积分10
1分钟前
yinhe完成签到 ,获得积分10
1分钟前
Singularity应助科研通管家采纳,获得10
1分钟前
天天快乐应助科研通管家采纳,获得10
1分钟前
Singularity应助科研通管家采纳,获得10
1分钟前
传奇3应助科研通管家采纳,获得10
1分钟前
范白容完成签到 ,获得积分10
1分钟前
但大图完成签到 ,获得积分10
1分钟前
启程牛牛完成签到,获得积分0
1分钟前
侠医2012完成签到,获得积分10
1分钟前
九天完成签到 ,获得积分10
1分钟前
酱豆豆完成签到 ,获得积分10
1分钟前
dent强完成签到 ,获得积分10
1分钟前
Xx完成签到 ,获得积分10
1分钟前
玩命的无春完成签到 ,获得积分10
1分钟前
Bill Wang完成签到 ,获得积分10
1分钟前
大气夜山完成签到 ,获得积分10
1分钟前
邵翎365完成签到,获得积分10
1分钟前
Enchanted完成签到 ,获得积分10
2分钟前
starwan完成签到 ,获得积分10
2分钟前
绿色催化完成签到,获得积分20
2分钟前
woshiwuziq完成签到 ,获得积分10
2分钟前
丹丹完成签到,获得积分10
2分钟前
Jack80发布了新的文献求助50
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921