基于卷积和Transformer联合网络的地震数据插值

地震数据插值是地震数据处理的关键步骤，旨在高精度地恢复出缺失地震数据，提升地震数据信噪比。近年来，基于卷积神经网络的插值方法发展迅速，该方法基于数据驱动，通过搭建卷积神经网络恢复缺失数据。卷积神经网络依赖卷积提取地震数据特征，然而由于受到卷积核局部感受野的限制，卷积运算只能捕捉地震数据局部信息，限制了网络的插值性能。因此本文提出了基于卷积和Transformer联合网络的地震数据插值方法，该方法通过引入Transformer,构建卷积和Transformer融合模块提取地震数据特征，旨在捕捉地震数据更多的细节信息，提升地震数据插值性能。通过仿真数据实验和真实数据实验显示，和基于Unet网络的插值方法相比，本文方法具有更好的插值性能，能够恢复地震数据更多纹理细节，插值结果的信噪比提升了2～3 dB。