声明
缩略词表
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.2.1 地震属性提取
1.2.2 地震图像分割
1.2.3 基于深度学习的异常体识别
1.2.4 识别结果评估
1.3 本文的主要贡献与创新
1.4 论文结构安排
第二章 基于主成分分析的异常体边缘增强方法
2.1 相干体技术
2.2 主成分分析
2.3 增强相干体
2.3.1 基于有向图的层位追踪
2.3.2 增强相干体的计算方法
2.4 实验与分析
2.4.1 异常体刻画性能的对比
2.4.2 投影向量的分析
2.4.3 与非线性降维方法的对比
2.5 本章小结
第三章 基于地震属性融合的地震图像分割方法
3.1 基于水平集的分割方法
3.2 边缘特征和区域特征
3.3 基于地震属性融合的分割模型
3.4 实验与分析
3.4.1 溶洞的提取
3.4.2 河道的提取
3.5 本章小结
第四章 连通性约束的地震图像分割方法
4.1 连通性约束的分割模型
4.1.1 地震属性的提取
4.1.2 分割模型的建立
4.1.3 基于最短路径树的连通性约束引入
4.2 基于边缘特征的剪枝方法
4.3 实验与分析
4.3.1 理论数据
4.3.2 实际数据
4.4 本章小结
第五章 基于可解释性约束CNN的异常体识别方法
5.1 CNN的可解释性研究
5.1.1 基于CNN的断层识别
5.1.2 模型可解释性
5.1.3 基于SmoothGrad的CNN可解释性研究
5.2 可解释性约束的CNN
5.2.1 基于CAM的显著性图计算
5.2.2 显著性图引导的CNN
5.3 实验与分析
5.3.1 定性分析
5.3.2 定量分析
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
电子科技大学;