买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北石油大学三亚海洋油气研究院申请的专利一种地震数据处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120598781B 。

龙图腾网通过国家知识产权局官网在2025-10-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511113164.X，技术领域涉及：G06T3/4053；该发明授权一种地震数据处理方法是由李学贵;董宏丽;李娜;秦俐;黄世鑫;李含阳;路敬祎;王石;袁红旗;李佳慧设计研发完成，并于2025-08-11向国家知识产权局提交的专利申请。

本一种地震数据处理方法在说明书摘要公布了：本发明公开了一种地震数据处理方法，其涉及地震数据处理技术领域。包括：获取低分辨率地震图像；对低分辨率地震图像进行注意力卷积操作，以进行加权，并对加权后的关键特征进行非线性变换，得到初始特征；依次对初始特征进行两次注意力卷积操作，以进行加权；对每个加权后的初始特征进行非线性变换，并进行空洞卷积操作，得到中间特征；对中间特征进行上采样操作，并对上采样后的中间特征进行注意力卷积操作，以进行加权；对加权后的上采样后的中间特征进行非线性映射，得到高分辨率地震图像。本发明在保持超分辨率重建性能的同时，将复杂度降至接近线性复杂度，实现效率与精度的双重优化。

本发明授权一种地震数据处理方法在权利要求书中公布了：1.一种地震数据处理方法，其特征在于，包括： 获取低分辨率地震图像； 对低分辨率地震图像进行注意力卷积操作，以对低分辨率地震图像的关键特征进行加权，并对加权后的关键特征进行非线性变换，得到初始特征； 依次对初始特征进行两次注意力卷积操作，以对初始特征的关键特征进行加权；对每个加权后的初始特征进行非线性变换，并对非线性变换后的特征进行空洞卷积操作以插入间隔，得到中间特征； 对中间特征进行上采样操作，并对上采样后的中间特征进行注意力卷积操作，以对上采样后的中间特征的关键特征进行加权；对加权后的上采样后的中间特征进行非线性映射，得到高分辨率地震图像； 其中，通过改进生成器获取高分辨率地震图像；所述改进生成器包括：依次连接的第一注意力卷积层、Prelu函数层、两个改进残差块、上采样层、第三注意力卷积层和Tanh函数层；两个所述改进残差块均包括依次连接的第二注意力卷积层、Prelu函数层和空间卷积层； 通过第一注意力卷积层对低分辨率地震图像进行注意力卷积操作，以对低分辨率地震图像的关键特征进行加权；并通过Prelu函数层对加权后的关键特征进行非线性变换，得到初始特征； 通过两个改进残差块中的第二注意力卷积层依次对初始特征进行两次注意力卷积操作，以对初始特征的关键特征进行加权；通过两个改进残差块中的Prelu函数层对每个加权后的初始特征进行非线性变换，并通过两个改进残差块中的空间卷积层对非线性变换后的特征进行空洞卷积操作以插入间隔，得到中间特征； 通过上采样层对中间特征进行上采样操作，并通过第三注意力卷积层对上采样后的中间特征进行注意力卷积操作，以对上采样后的中间特征的关键特征进行加权；通过Tanh函数层对加权后的上采样后的中间特征进行非线性映射，得到高分辨率地震图像； 其中，所述生成器的训练方式包括： 构建改进生成对抗网络，所述改进生成对抗网络包括：所述改进生成器和改进判别器；所述改进判别器包括：依次连接的多个判别器块、全连接层和Sigmoid函数层；每个判别器块均包括依次连接的空洞卷积层、LeakyRelu函数层和二维丢弃层； 获取低分辨率地震图像对应的真实高分辨率地震图像，将改进生成器生成的高分辨率地震图像作为重建高分辨率地震图像； 针对每个判别器块，通过该判别器块的空洞卷积层提取重建高分辨率地震图像的全局特征；通过该判别器块的LeakyRelu函数层对重建高分辨率地震图像的全局特征进行LeakyRelu函数的运算，得到非线性全局特征；通过该判别器块的二维丢弃层对非线性全局特征进行随机丢弃，得到最终全局特征； 通过全连接层将最终全局特征映射为一个概率值，通过Sigmoid函数层对概率值进行S型函数的运算，得到低分辨率地震图像识别结果的概率； 根据低分辨率地震图像识别结果的概率确定重建高分辨率地震图像和真实高分辨率地震图像之间的损失函数，以最小化损失函数为目标，对改进生成对抗网络进行训练，得到训练后的改进生成对抗网络；所述训练后的改进生成对抗网络包括：训练后的改进生成器和训练后的改进判别器。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北石油大学三亚海洋油气研究院，其通讯地址为：572024 海南省三亚市崖州区崖州湾科技城创新路8号中兴产业园A栋3层区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。