[发明专利]一种基于多尺度特征融合的叠前地震反射模式识别方法

权利要求书

1.一种基于多尺度特征融合的叠前地震反射模式识别方法，其特征在于，包括：

S1、对输入的叠前地震信号进行预处理，获得叠前地震图像集；

S2、构建多尺度特征融合网络；步骤S2所述多尺度特征融合网络包括：融合网络与生成网络；融合网络为提取叠前地震信号低层特征和高层特征并进行多尺度融合的网络结构；生成网络为一个全卷积网络；

所述融合网络包括三个部分：多级特征提取部分、多尺度特征融合部分以及分类器部分；多级特征提取部分采用Conv1、Conv2、Conv3、Conv4一共四个卷积层来提取多级特征；每一个卷积层后面都附有一个LeakyReLU函数和一个批标准化层，每层输出的图像特征尺寸减半，通道数量增加一倍，逐级从低层特征抽象到高层特征；

多尺度特征融合部分将从卷积层Conv2、Conv4中分别提取特征图Fea2和Fea4进行融合后形成的新特征图；分类器部分对融合后的新特征图进行判别

S3、采用步骤S1的叠前地震图像集对步骤S2的多尺度特征融合网络进行训练；

S4、采用步骤S3训练完成的多尺度特征融合网络进行叠前地震反射模式识别。

2.根据权利要求1所述的一种基于多尺度特征融合的叠前地震反射模式识别方法，其特征在于，步骤S1具体为：首先采用结构导向滤波算法对获得的叠前地震信号进行去噪；然后参考层位所在位置，在时间维度的上方和下方截取目标数据段；最后将位置相同但方位角不同的数据段连接起来，构成叠前地震图像集。

3.根据权利要求1所述的一种基于多尺度特征融合的叠前地震反射模式识别方法，其特征在于，所述多尺度融合部分的实现过程为：

(1)多级特征，从卷积层Conv2、Conv4中分别提取特征图Fea2和Fea4；将特征图Fea2和Fea4进行融合后形成的新特征图；

(2)尺寸放缩，对特征图Fea2采用最大值池化，使特征池化后特征图Fea2的尺寸与步骤(1)中特征图Fea4的尺寸相同；

(3)幅值归一化，分别对特征图Fea4与经尺寸缩放后的特征图Fea2进行幅度归一化操作；

(4)特征图融合，将经步骤(3)处理后的Fea2和Fea4按通道方向合并，形成新的融合特征图Feaf；

(5)融合特征维度转化，将融合特征图Feaf通过两个卷积层：Conv5和Conv6，使其变为一维的融合特征向量，最后输入分类器进行判别。

4.根据权利要求3所述的一种基于多尺度特征融合的叠前地震反射模式识别方法，其特征在于，所述生成网络采用Deconv1，Deconv2，Deconv3，Deconv4四个反卷积层来逐层生成地震图像。

5.根据权利要求4所述的一种基于多尺度特征融合的叠前地震反射模式识别方法，其特征在于，所述步骤S3具体为：

S31、从叠前地震图像集中随机抽取m个图像，组成一个batch并对其归一化；

S32、抽取m个50维高斯噪声矢量输入生成网络，生成m个生成地震图像；

S33、保持生成网络不变，将生成地震图像和真实地震图像随机输入融合网络中，采用随机梯度下降法更新融合网络的参数；

S34、重新抽取m个50维高斯随机噪声并输入生成网络，产生m个新的生成地震图像；

S35、保持融合网络参数不变，采用随机梯度下降法对生成网络参数进行更新；

S36、迭代次数加1，直到网络达到最大迭代次数M后停止训练；得到训练完整的多尺度特征融合网络。