【技术实现步骤摘要】
本申请涉及地球物理，特别涉及一种基于自监督光流场估计网络的地震共成像点道集处理方法。
技术介绍
1、地震勘探是一种地球声学成像方法，通过设置不同的人工震源和检波器之间的距离(偏移距)，可以获得多个共偏移距道集，实现对同一地下2d(二维)截面的多次成像。地震数据叠加是提高地震剖面信噪比的常见手段，它将多次记录的地震信号进行叠加以消除随机噪声，加强有效信号。
2、由于地下介质的各向异性、偏移速度误差、海上地震拖缆漂移等因素的影响，位于相同位置的成像点在不同的共偏移距道集中存在水平和垂直方向上的位移，导致共成像点道集上的同相轴的错位。同相轴错位会引起振幅随偏移距变化的假象，并会导致非同相叠加，降低叠加剖面的成像质量。因此，校平同相轴、实现共成像点道集的增强，对于高精度地震成像与解释至关重要。
3、然而，现有的共成像点道集同相轴校正方法，只能从单一位移方向上进行校正或计算的光流场存在交叉，从而导致校正结果不准确。因此，亟需一种高准确性的共成像点道集同相轴校正方法。
技术实现思路
1、鉴于上述问题，本申请实施例提供了一种基于自监督光流场估计网络的地震共成像点道集处理方法，以便克服上述问题或者至少部分地解决上述问题。
2、本申请实施例的第一方面，公开了一种基于自监督光流场估计网络的地震共成像点道集处理方法，包括：
3、根据不同共偏移距道集之间的统计特征和互相关特性，对多个共偏移距道集进行加权融合，得到叠加剖面模板，所述多个共偏移距道集表征同一地下
4、将所述叠加剖面模板和每个共偏移距道集输入光流场估计网络进行处理，得到每个共偏移距道集的光流场，所述光流场估计网络是以互相关损失、光流平滑约束损失和光流交叉损失为约束进行自监督训练得到的，所述光流场表征共偏移距道集的成像点和所述叠加剖面模板的成像点之间的水平位移和垂直位移；
5、根据每个所述共偏移距道集的光流场，对每个共偏移距道集的成像点进行校正，得到多个校正后的共偏移距道集；
6、对所述多个校正后的共偏移距道集对应的三维地震体进行抽取，得到同相轴对齐的多个共成像点道集。
7、可选地，所述自监督训练使用的损失函数通过互相关损失、光流平滑约束损失和光流交叉损失加权相加得到的；
8、其中，所述互相关损失用于约束：根据光流场校正后的共偏移距道集和叠加剖面模板参考模版之间的二维局部归一化互相关性；
9、所述光流平滑约束损失用于约束：光流场中相邻位置点之间光流的平滑性；
10、所述光流交叉损失用于约束：光流场中不同位置点的光流矢量不交叉。
11、可选地，根据不同共偏移距道集之间的统计特征和互相关特征，对多个共偏移距道集进行加权融合，得到叠加剖面模板，包括：
12、将所述多个共偏移距道集进行水平叠加，得到初始叠加剖面模板；
13、计算每个共偏移距道集与所述初始叠加剖面模板之间的自适应叠加权重值；
14、根据所述自适应叠加权重值，对所述多个共偏移距道集进行融合，得到自适应叠加剖面模板；
15、根据所述多个共偏移距道集的频谱，计算最高截止频率，并根据所述最高截止频率对所述自适应叠加剖面模板进行滤波，得到所述叠加剖面模板。
16、可选地，计算每个共偏移距道集与所述初始叠加剖面模板之间的自适应叠加权重值，包括：
17、计算每个共偏移距道集与所述初始叠加剖面模板之间的二维局部归一化互相关值；
18、根据所述二维局部归一化互相关值，得到每个共偏移距道集的自适应叠加初始权重值，所述自适应叠加初始权重值与所述二维局部归一化互相关值为正相关关系；
19、根据每个共偏移距道集中多次观测的信号向量，得到每个共偏移距道集各自的质量评估分数；
20、根据所述质量评估分数确定比重系数，并根据所述比重系数和所述自适应叠加初始权重值，得到所述自适应叠加权重值。
21、可选地，根据所述质量评估分数确定比重系数，包括：
22、在所述质量评估分数小于第一阈值的情况下，所述比重系数为0；
23、在所述质量评估分数大于第二阈值的情况下，所述比重系数为1，所述第一阈值小于所述第二阈值；
24、在所述质量评估分数大于等于所述第一阈值，且所述质量评估分数小于等于所述第二阈值的情况下，所述比重系数与所述质量评估分数为负相关关系。
25、可选地，将所述叠加剖面模板和每个共偏移距道集输入光流场估计网络进行处理，得到每个共偏移距道集的光流场，包括：
26、分别对所述叠加剖面模板和所述共偏移距道集进行特征提取，得到不同分辨率下的叠加剖面模板特征图和不同分辨率下的共偏移距道集特征图；
27、计算每个分辨率下的叠加剖面模板特征图和共偏移距道集特征图的相似性，得到每个分辨率下的特征相似度；
28、按照分辨率从低到高的顺序，依次根据所述特征相似度进行每个分辨率下的光流场预测和光流场融合，得到每个共偏移距道集的光流场。
29、可选地，所述不同分辨率包括第一分辨率和第二分辨率，所述第一分辨率是与所述叠加剖面模板相同的分辨率，所述第二分辨率等于0.5倍的第一分辨率；所述不同分辨率下的叠加剖面模板特征图包括：第一分辨率叠加剖面模板特征图和第二分辨率叠加剖面模板特征图，所述不同分辨率下的共偏移距道集特征图包括：第一分辨率共偏移距道集特征图和第二分辨率共偏移距道集特征图；
30、按照分辨率从低到高的顺序，依次根据所述特征相似度进行每个分辨率下的光流场预测和光流场融合，得到每个共偏移距道集的光流场，包括：
31、根据第二分辨率的特征相似度，得到第二初始光流场；
32、对所述第二初始光流场和所述第二分辨率叠加剖面模板特征图进行拼接和预测处理，得到第二光流场；
33、对所述第二光流场进行上采样处理，得到第一分辨率下的第二光流场；
34、根据第一分辨率的特征相似度，得到第一初始光流场；
35、计算所述第一分辨率的特征相似度在不同位置空间的最大互相关值；
36、对所述第一初始光流场、所述第一分辨率下的第二光流场、所述第一分辨率叠加剖面模板特征图、所述第一分辨率共偏移距道集特征图、所述最大互相关值进行拼接和预测处理，得到每个共偏移距道集的光流场。
37、可选地，所述共偏移距道集包括多个成像点；根据每个所述共偏移距道集的光流场，对每个共偏移距道集的成像点进行校正，得到多个校正后的共偏移距道集，包括：
38、从所述共偏移距道集的光流场中获取每个成像点的光流值，所述光流值包括水平位移和垂直位移；
39、根据所述光流值对每个共偏移距道集的多个成像点进行逐点校正，得到多个校正后的共偏移距道集。
40、本申请实施例的第二方面，公开了一种基于自监督光流场估计网络的地震共成本文档来自技高网...
【技术保护点】
1.一种基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，包括：
2.根据权利要求1所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，所述自监督训练使用的损失函数通过互相关损失、光流平滑约束损失和光流交叉损失加权相加得到的；
3.根据权利要求1所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，根据不同共偏移距道集之间的统计特征和互相关特征，对多个共偏移距道集进行加权融合，得到叠加剖面模板，包括：
4.根据权利要求3所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，计算每个共偏移距道集与所述初始叠加剖面模板之间的自适应叠加权重值，包括：
5.根据权利要求4所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，根据所述质量评估分数确定比重系数，包括：
6.根据权利要求1所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，将所述叠加剖面模板和每个共偏移距道集输入光流场估计网络进行处理，得到每个共偏移距道集的光流场，包括：
7.根据权利要求6所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，所述不同分辨率包括第一分辨率和第二分辨率，所述第一分辨率是与所述叠加剖面模板相同的分辨率，所述第二分辨率等于0.5倍的第一分辨率；所述不同分辨率下的叠加剖面模板特征图包括：第一分辨率叠加剖面模板特征图和第二分辨率叠加剖面模板特征图，所述不同分辨率下的共偏移距道集特征图包括：第一分辨率共偏移距道集特征图和第二分辨率共偏移距道集特征图；
8.根据权利要求1所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，所述共偏移距道集包括多个成像点；根据每个所述共偏移距道集的光流场，对每个共偏移距道集的成像点进行校正，得到多个校正后的共偏移距道集，包括：
9.一种基于自监督光流场估计网络的地震共成像点道集处理装置，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8任一项所述的基于自监督光流场估计网络的地震共成像点道集处理方法的步骤。
...【技术特征摘要】
1.一种基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，包括：
2.根据权利要求1所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，所述自监督训练使用的损失函数通过互相关损失、光流平滑约束损失和光流交叉损失加权相加得到的；
3.根据权利要求1所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，根据不同共偏移距道集之间的统计特征和互相关特征，对多个共偏移距道集进行加权融合，得到叠加剖面模板，包括：
4.根据权利要求3所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，计算每个共偏移距道集与所述初始叠加剖面模板之间的自适应叠加权重值，包括：
5.根据权利要求4所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，根据所述质量评估分数确定比重系数，包括：
6.根据权利要求1所述的基于自监督光流场估计网络的地震共成像点道集处理方法，其特征在于，将所述叠加剖面模板和每个共偏移距道集输入光流场估计网络进行处理，得到每个共偏移距道集的光流场，包括：<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。