(EN) Leveraging migration and demigration, here we propose a learning-based approach for fast denoising with applications to fast-track processing. The method is designed to directly work on raw data without separating each noise type and character. The automatic attenuation of noise is attained by performing migration/demigration guided sparse inversion. By discussing examples from a Permian Basin dataset with very challenging noise issues, we attest the feasibility of this learning-based approach as a fast turnaround alternative to conventional denoising methodology.
(FR) En tirant parti de la migration et de la démigration, les inventeurs proposent une approche fondée sur un apprentissage destinée à un débruitage rapide permettant des applications à un traitement accéléré. Le procédé est conçu pour fonctionner directement sur des données brutes sans séparer chaque type et caractère de bruit. L'atténuation automatique de bruit est obtenue par la réalisation d'une inversion éparse guidée par migration/démigration. En se basant sur des exemples provenant d'un ensemble de données du Bassin Permien présentant des problèmes de bruit très difficiles, les inventeurs attestent de la faisabilité de cette approche fondée sur l'apprentissage en tant qu'alternative rapide à une méthodologie de débruitage classique.
