学习的近端算子用于解决地震反卷积问题
摘要：学习型地震反褶积学习算子 (学习型反褶积学习算子) 在地震数据处理中是一个非常重要的步骤，旨在从嘈杂的观测跟踪中提取层信息。总体上，这是一个不适定问题，具有非唯一解。由于反射系列的稀疏性质，经常使用促进尖峰的正则化器，如 $ell\_1$-norm。它们要么需要严格的系数调节，要么对反射性做出强假设，例如假设反射性为已知稀疏级别和零均值高斯噪声的稀疏信号。为了克服传统正则化器的局限性，近年来提出了基于学习的正则化器。本文提出了一种学习型地震反褶积算子 (LP4SD)，它利用神经网络学习正则化器的接近算子。LP4SD以展开回路方式进行训练，能够从训练数据中学习到复杂的结构。值得一提的是，该网络是用合成数据进行训练，并在合成和真实数据上进行评估。与直接反演学习相比，LP4SD在三个不同的指标上生成了更好的重建结果。
作者：Peimeng Guan, Naveed Iqbal, Mark A. Davenport, Mudassir Masood
论文ID：2307.10030
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-20