基于邻域结构正则化的自监督Trace2Trace地震去噪方法

《Electronics》：Unsupervised Seismic Data Denoising Based on Trace2Trace with Neighborhood Structure Regularization

　　去噪是地球物理数据处理的核心，因为地震记录的质量在很大程度上决定了地下结构解释和资源评价的可靠性。然而，野外数据通常受到随机噪声的干扰，而在实际勘探中很少能获得干净的标签。本文提出了一种改进的自监督 Trace2Trace 框架来解决这一地震去噪问题。我们的方法利用地震记录的奇偶道构建输入-目标对，通过利用相邻道之间的空间相关性，仅从含噪观测中学习去噪映射，因此不需要干净参考。常规 Trace2Trace 由于相邻道过于相似而容易导致过度平滑，为此我们添加了邻域结构正则化机制：一个纳入损失函数的结构约束项可保持局部不连续性和边缘完整，锐化不连续地质的表示，同时一个专门的结构差异矩阵增强了断层和其他关键不连续性的捕捉能力。基于理想化的无噪网络假设，我们进一步开发了一种双路径正则化优化策略，在抑制残余噪声的同时不削弱有用信号。在合成和真实地震数据集上，所提方法相较于现有基线方法取得了更好的去噪性能。在合成数据集上，所提方法实现了 17.91 dB 的信噪比，相比表现最佳的基线方法提高了 0.98 dB，同时更忠实地保留了反射事件、局部振幅变化和断层边界。其在真实地震数据上的性能也得到了进一步检验。