计算机工程

作者：席英杰, 李克文, 徐延辉, 朱剑兵

单位：1. 中国石油大学(华东) 计算机科学与技术学院, 山东 青岛 266580;2. 中国石化胜利油田分公司物探研究院, 山东 东营 257022

关键词：地震断层识别,图像分割,神经网络,UNet模型,空洞卷积,金字塔结构

基金：国家自然科学基金重大项目（51991361）；国家科技重大专项（2016ZX05021-002）。

断层是控制油气田形成和分布的主要因素，断层检测和识别对于油气勘探具有重要作用。基于Attention-UNet神经网络模型，构建一种面向地震断层图像识别的SPD-UNet模型。引入空洞卷积，在保证卷积核感受野大小且不损失原始图像分辨率的情况下，增强SPD-UNet模型的断层图像特征提取能力。将金字塔结构的空洞卷积组合成SPD模块，解决空洞卷积的局部信息丢失问题，提高断层信息关联性及图像识别精度。实验结果表明，SPD-UNet模型对于地震断层图像的识别精度优于SegNet与ResUNet模型，并且识别结果与实际标注的地震断层形状及位置更接近。

来源：2021年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第12期