以鄂尔多斯盆地某区块的砂泥夹层岩心为研究对象,使用基于小波变换的去噪神经网络(denoising neural network based on wavelet transformation,DWTNet)对于岩心的图像进行去噪研究。该方法的评断结果采用峰值信噪比(peak signal to noi...以鄂尔多斯盆地某区块的砂泥夹层岩心为研究对象,使用基于小波变换的去噪神经网络(denoising neural network based on wavelet transformation,DWTNet)对于岩心的图像进行去噪研究。该方法的评断结果采用峰值信噪比(peak signal to noise ratio,PSNR)和去噪后的图像结果进行了对比。研究表明,利用DWTNet在测试集YX1、YX2测试所提出的算法,并与EGDNet等去噪算法进行对比,PSNR在噪声为25、50、75 dB时,高于EGDNet算法0.527、0.418、1.1 dB。所提的算法在峰值信噪比等指标均高于其他算法;并在视觉效果上其处理得到的图像也更加清晰。方法的提出对于孔隙度、平均体积比表面积、平均曲率计算等都有着非常重要的意义。展开更多
文摘以鄂尔多斯盆地某区块的砂泥夹层岩心为研究对象,使用基于小波变换的去噪神经网络(denoising neural network based on wavelet transformation,DWTNet)对于岩心的图像进行去噪研究。该方法的评断结果采用峰值信噪比(peak signal to noise ratio,PSNR)和去噪后的图像结果进行了对比。研究表明,利用DWTNet在测试集YX1、YX2测试所提出的算法,并与EGDNet等去噪算法进行对比,PSNR在噪声为25、50、75 dB时,高于EGDNet算法0.527、0.418、1.1 dB。所提的算法在峰值信噪比等指标均高于其他算法;并在视觉效果上其处理得到的图像也更加清晰。方法的提出对于孔隙度、平均体积比表面积、平均曲率计算等都有着非常重要的意义。
