基于CNN-Transformer的DAS去噪方法

专利主权项内容

1.一种基于CNN-Transformer的DAS去噪方法，其特征在于，所述DAS去噪方法包括以下步骤：采集分布式光纤声传感系统未经去噪处理的原始图像，通过随机图像插值对输入的未去噪的原始图像进行裁剪或缩放，结合原始图像和真实值图像建立训练数据集；构建培训网络，培训网络由两个对称的生成对抗网络组成，包括用于执行图像之间转换的生成器G和生成器G，以及用于判断生成器生成的图像是否正确的鉴别器D和鉴别器D；采用培训网络对训练数据集中的原始图像和有效正确图像进行训练；ABBAAB构建CNN-Transformer融合神经网络，CNN-Transformer融合神经网络包括CNN模块、Transformer模块、下采样模块和图像还原模块；所述CNN模块通过多个卷积层依次对输入的原始图像提取特征得到多个特征图，在各层特征图上应用激活函数，经过池化层合并有关邻域的信息并将特征图上的这部分邻域的信息进行替换，提取得到原始图像的局部特征；所述Transformer模块将输入的每幅原始图像分割成位置嵌入的图像块来构造一系列标记序列，再提取参数向量作为视觉表示，位置嵌入记录序列数据之间的序列相关性，提取得到原始图像的全局特征；所述下采样模块用于分别对CNN模块提取的原始图像的局部特征和Transformer模块提取的原始图像的全局特征进行下采样处理；对Transformer模块提取得到的全局特征进行下采样过程中，对特征图的区域进行划分，通过移动和拼接对窗口间的信息进行交换，图像块的大小随着图像块合并层的操作而变化；其中，Transformer模块的输入大小为M×M，池化窗口大小为N×N，初始图像块大小为X×X，进行n次图像块合并操作时，存在以下关系：N×N×X×X×2＝M×M；2n在对Transformer模块和CNN模块对原始图像分别进行下采样后，图像还原模块对CNN模块获得的特征图进行反卷积运算，并将反卷积运算结果与Transformer模块下采样过程中相应特征层生成的特征图进行拼接，对原始图像进行还原。