《表4 不同噪声水平时本文算法的去噪结果》
需要指出的是,本文去噪方法是在固定噪声幅度(15%)时进行的,如果待去噪地震数据的噪声幅度发生变化,需要重新训练LeNet-5系统,这对实际地震数据去噪时所用样本集的丰富性提出了更高的要求。为了解决实际数据中训练样本少的问题,本文采用与实际噪声概率分布相似的估计水平,即5%、10%、15%,25%、30%,分别进行实验,对实际工程中采用的叠后地震数据进行去噪,结果如表4所示。由表4可知,随着噪声水平的增加,网络输出的MSE越来越大,使得PSNR和SNR值越来越小。对比表4可知,在30%的噪声水平下,本文算法仍然能达到63.7596dB的PSNR值,22.1031的SNR值,并不低于其他算法在15%噪声水平时的去噪能力,该结果表明本文算法在实际工程中确实有效可行。
图表编号 | XD00162238400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 崔少华、李素文、汪徐德 |
绘制单位 | 淮北师范大学物理与电子信息学院、淮北师范大学物理与电子信息学院、淮北师范大学物理与电子信息学院 |
更多格式 | 高清、无水印(增值服务) |