基于FDTD-DGTD混合算法的逆时偏移成像研究

作     者：韦钰 

作者单位：华东师范大学 

学位级别：硕士

导师姓名：匡磊

授予年度：2023年

学科分类：081801[工学-矿产普查与勘探] 08[工学] 0818[工学-地质资源与地质工程] 

主      题：逆时偏移 时域有限差分 时域不连续伽略金 卷积神经网络 降噪 

摘      要：逆时偏移成像算法在探地雷达中的应用,对获取准确的地下结构有着重要的作用。随着成像场景的愈加复杂,逆时偏移成像也面临着三大挑战:计算量大、计算效率低和存在低频噪声。针对上述问题,本文将时域有限差分(FDTD)方法和时域不连续伽略金(DGTD)方法相结合,提出了一种基于FDTD-DGTD混合算法的电磁波逆时偏移成像算法。该算法从波场延拓计算过程出发,使得计算量减少,计算性能得到提升;本文还提出了一种适用于电磁波逆时偏移图像的逆时偏移成像降噪神经网络(RDnet)。该网络可以有效提高逆时偏移(RTM)图像的分辨率。主要研究内容如下:针对逆时偏移成像算法在计算性能上的问题,提出了一种基于FDTD-DGTD混合算法的电磁波逆时偏移成像算法。首先推导了FDTD-DGTD混合算法的电磁场迭代计算方程,将其应用于电磁波逆时偏移成像中的波场延拓过程。通过二维数值算例对不同尺寸的金属圆柱进行逆时偏移成像,对比FDTD算法、DGTD算法、FDTD-DGTD混合算法的成像效果。结果表明,本文提出的成像算法在保持相同成像精度的情况下,有效提高了计算效率。对金属圆柱弧形边缘有较为平滑的刻画。针对低频噪声问题,本文还提出了一种适用于电磁波RTM图像的逆时偏移成像降噪神经网络。首先在数值模拟仿真下对不同目标在不同场景及位置进行逆时偏移成像,通过波场分解的方法得到样本标签,制作出RTM图像数据集。然后在该RTM图像数据集上对RDnet网络模型进行训练。最后将训练好的降噪网络与传统降噪方法进行降噪性能的对比。结果表明,采用RDnet网络模型降噪的效果良好,结构相似性(SSIM)为0.963,峰值信噪比(PSNR)达到29.432d B。