基于深度学习的浅地层剖面层界自动提取

摘要

针对传统浅地层剖面层界自动提取方法效率低下、阈值参数多且选取困难等问题,提出一种层界提取的深度学习方法。首先根据原始回波数据得到的浅地层剖面灰度图像进行人工层界提取,并形成层界提取图,图中赋予不同层不同颜色,不同层的边缘即为层界处,并以此为样本;然后基于DeeplabV3+网络,将层界提取问题转化为图像分割问题,展开模型训练;最后使用网络模型对浅地层剖面图像进行预测分割,提取分割边界作为初始层界,并使用图像处理技术对初始层界进行优化处理,得到最终连续层界。实验实现了连续层界的自动化提取,并取得了优于80%的提取精度。