CMYK变换及其在图像处理与地学研究中的应用

简要地介绍了CMYK变换及其在图像处理与地学研究中的应用.与常规方法相比较,该方法具有算法简单、操作便捷并生成高质量图像等特点.通过对比分析发现,由此变换所处理出来的融合图像是其他任何方法所不能与之相比的.此外,CMYK变换还提供了一种全新的四波段图像数据合成方法,而且在将遥感图像与其他各类地学数据的综合处理、显示方面有着广阔的应用前景.     

CMYK变换及其在图像处理与地学研究中的应用

简要地介绍了CMYK变换及其在图像处理与地学研究中的应用.与常规方法相比较,该方法具有算法简单、操作便捷并生成高质量图像等特点.通过对比分析发现,由此变换所处理出来的融合图像是其他任何方法所不能与之相比的.此外,CMYK变换还提供了一种全新的四波段图像数据合成方法,而且在将遥感图像与其他各类地学数据的综合处理、显示方面有着广阔的应用前景.     

云理论在资源环境领域中的应用前景展望

由中国科学家李德毅提出的隶属云概念是对模糊隶属度的发展,目前已经发展成为由云模型、云变换、云推理等组成的“云计算”理论与方法体系,其在地学界的应用尚未开展起来。模糊隶属云现象在资源环境领域普遍存在,例如环境污染等级的模糊评判、综合物化探异常含矿性的模糊识别、矿山安全评价、描述性地学数据的定量化处理、地学数据仓库的知识挖掘、地理信息系统中属性数据的不确定性处理、矿产资源评价预测等,迫切要求形成一系列数学假设和处理方法均符合多重模糊属性的处理方法。云计算理论与方法满足了这种客观需要,在地学信息处理方面具有十分广泛的应用前景。     

《多源地学数据微机图像分析》培训班在桂林举行

矿产地质研究院综合找矿方法研究部主办的《多源地学数据微机图像分析》培训班于1989年6月7日至18日在桂林开办。有内蒙、安徽、云南、四川、广东、广西等省从事遥感地质和计算机技术人员参加。 培训班以讲授在IBM PC XT及兼容机长城0520C-H机上开发的“地学数据综合图像分析系统”的应用程序包(简称为GDIIA系统)以及在长城0520C-H微机上用软件实现图像彩色显示和记存技术为主体。并专题讲授了频率域位场变换方法、位场变换模块TW0512Z.EXE、化探     

基于图像处理技术的矿产预测综合分析系统

图像处理在地学数据处理中是一个强有力的工具。运用图像，诸如物化探数据，地质数据，遥感数据等各种地学数据的支撑点都可以统一起来。从图像中采样用于专家系统，就可以使地学数据处理智能化。本文记述了图像处理用于地学的历史，以及从物化探数据、地质数据、遥感数据和其它类型数据中获取图像的方法。文中介绍了图像的运算、图像的统计和图像的输出。最后给出一个云南腾冲一梁河地区锡矿预测的实例。     

地学数据融合技术综述

将数据融合的概念与理论引入到地学数据的处理中,在分析地学数据特点的基础上,给 学数据融合的一般模式;对空间数据融合处理的特点、优选方法、需注意的问题作了说明;最后简要说明了地学数据融合与ＧＩＳ之间的关系。     

AdobePhotoshop图像系统在地学数据图像化处理中的应用

简要地介绍了ＡｄｏｂｅＰｈｏｔｏｓｈｏｐ图像系统的运行环境与主要功能。通过与地学数据图像化处理流程的对比分析表明，一般用户只要获得一些其他软件与应用程序的支持，便可在微机上以Ｐｈｏｔｏｓｈｏｐ为依托，组织进行各种深入有意义的地学数据图像化处理工作。     

地学时序大数据的相似性度量与索引方法综述

地学时序大数据具有多传感器、多目标、多分辨率、多类型的多源异构特征,是地学领域机器学习与数据挖掘的重要数据来源,分为基于时点和基于时段的两大类时序数据。现有时序数据的相似性度量与索引研究主要聚焦在前者。时序数据表达方法的核心思想是降维处理,是相似性度量与索引方法的基础,主要包括基于域变换和模型的表达方法和基于极限分段思想的表达方法。相似性度量的核心是相似性距离计算,主要分为锁步度量和弹性度量。它为时序数据索引中索引项的聚合与划分提供了基本准则。多源异构地学时序大数据的高效相似性度量与分布式索引方法是地学大数据领域未来的重要研究方向。     

基于影像的多源地学数据融合处理及应用

针对地学数据空间性、多源性和多解性的特点,提出了基于影像色觉原理的多源地学数据融合方法.融合的关键是地学信息的图像化,在云南镇康县芦子园地区多源地学数据融合处理中,根据不同时代地层对成矿的贡献,按重要性量化为256级的灰度值,实现地层数据的图像化;物化探异常通过插值生成栅格数据实现图像化;然后,利用图像化的地层、重力、化探、线环构造和遥感影像数据进行RGB合成,通过HIS变换进行多源地学数据融合.融合后的图像能充分显示研究区地层-构造-岩浆复合控矿特征,对进一步的找矿勘探有重要意义.     

地质科学大数据背景下的矿体动态建模方法探讨

三维地学建模的理论与方法在大数据时代该如何发展,是当下这一领域研究人员非常关注的问题。从现代三维地学建模的重要方法——隐式建模的角度,对三维地学建模方法与地质大数据系统的有机集成、以及如何利用大数据技术提高地学建模的效率和质量等问题进行了探讨。初步提出了一套基于地质科学大数据的三维地学建模方法和流程,包括:地质大数据的搜集、主题大数据系统的搭建、地质特征要素的深度挖掘和三维地学模型的动态构建。同时,也指出了大数据背景下高质效三维地学建模的关键在于:研究实现充分顾及地质对象和地质科学大数据特点的地学人工智能、机器学习、数据挖掘及空间推断方法。通过一个典型矿体建模的应用实例对所提方法的可行性进行了验证。     

Edge Effect Correction in the S-A Method for Geochemical Anomaly Separation

Anomaly separation using geochemical data often involves operations in the frequency domain, such as filtering and reducing noise/signal ratios. Unfortunately, the abrupt edge truncation of an image along edges and holes (with missing data) often causes frequency distribution distortion in the frequency domain. For example, bright strips are commonly seen in frequency distribution when using a Fourier transform. Such edge effect distortion may affect information extraction results; sometimes severely, depending on the edge abruptness of the image. Traditionally, edge effects are reduced by smoothing the image boundary prior to applying a Fourier transform. Zero-padding is one of the most commonly used smoothing methods. This simple method can reduce the edge effect to some degree but still distorts the image in some cases. Moreover, due to the complexity of geoscience images, which can include irregular shapes and holes with missing data, zero-padding does not always give satisfactory results. This paper proposes the use of decay functions to handle edge effects when extracting information from geoscience images. As an application, this method has been used in a newly developed multifractal method (S-A) for separating geochemical anomalies from background patterns. A geochemical dataset chosen from a mineral district in Nova Scotia, Canada was used to validate the method.     

基于边缘特征的遥感影像小波变换融合法

如何将不同空间分辨率遥感影像合理有效地融合在一起,保持原始多光谱影像的光谱特性,提高影像的分类精度和空间分解力,这是遥感影像数据融合处理的热点研究问题。在对原始遥感影像进行小波变换的基础上,提取高空间分辨率影像边缘特征信息,并与原始多光谱影像进行了融合处理。以IRS、SPOT和ETM卫星影像为资料进行实验,结果表明,该方法在提高影像的空间分辨率的同时,能够很好地保持影像的光谱特性,尤其在空间分辨率差异较大的影像融合中,该方法在保持影像光谱特性方面要优于其他的融合方法。     

我国科学试验卫星像片的2次开发及应用

本文着重阐述了应用计算机图像处理系统把科学试验卫星黑白像片信息源转换成数字数据源；介绍了对这些数据进行计算机处理、转换（如由黑白变成彩色的转换、多数据复合等）和获得的影像效果，介绍了这些经处理的影像在伊犁盆地可地浸砂岩型铀矿床中的应用及取得的新进展，展示了我国科学试验卫星像片２次开发及应用的前景。     

以航放为主的多源地学信息数字图像综合技术在连山关地区铀成矿预测中的应用

本文利用以航放为主的多源地学信息数字图像综合技术在连山关地区进行了铀成矿预测的试验研究,不仅探讨了成矿预测的方法与步骤,而且取得丁明显的预测效果。实践表明,该项新技术在铀矿地质勘查中,具有更直接的找矿意义和更大的实用价值。     

二维混合场的各向异性尺度不变性量化方法及其应用

由不同尺度过程或作用叠加而形成的混合场在地学领域很常见,研究如何量化这些场的尺度不变性以及如何刻画其各项异性特征具有重要意义.介绍了近期研发的图像各向异性尺度不变性模拟和分解方法,并将其应用于遥感图像处理中.该方法是将各向异性尺度不变性模拟(SIG)和分形滤波(S-A)方法融合的,对于任意二维场,先用S-A模型判断其是否为混合场.如果是混合场,用S-A模型对其进行模式分解,然后再运用SIG模型量化分解后的各组分的各向异性尺度不变性,并描述其具体变换特征.基于一幅混合遥感影像的应用实例表明,该方法能够有效地量化二维混合场的各向异性尺度不变性.此外,混合场只有在正确分解成不同尺度的组分之后才能得到合理的利用.      

开发利用地理信息系统(GIS)综合分析地学信息进行矿产预测

众所周知,矿产资源预测是综合地学信息,进行优选靶区的有效手段之一。随着地学工作的深入和勘探技术的发展,已获取了大量的多源地学信息,如地质、地球物理、地球化学和遥感等资料。怎样从这众多的资料中提取有用信息进行综合分析,达到矿产资源预测的目的,一直是地学界探索的课题。过去,应用人工的方法来进行此项工作,不但费力、投资大,而且难以达到预期的效果,方法技术也不利于推广。如今,高速、高质量的计算机已趋于普及,使应用计算机技术高效地处理堆积如山的资料成为可能,尤其是近些年发展起来的地理信息系统(GIS),为综合处理地学资料的矿产资源预测的方法技术,开拓了广阔的前景。地理信息系统是一种计算机系统的应用软件,它集数据库管理和图像分析技术为一体,以空间数据迭加分析为重要特征。地学工作者进行矿产资源预测时,通常是从多源地学资料中提取有用信息,再应用专家知识,结合数学方法,如逻辑运算、贝叶斯(Bayes)规则等,建立预测模型,以模型的推理网格为线索,利用地理信息系统有效的空间分析手段,把各种证据图层综合迭加,最终产生以概率为指标的矿产资源预测图,高概率指示有利的矿产资源远景区,可作为勘探者和决策者进行勘查规划的依据。     

基于整数小波和非负有序独立成分分析的遥感影像融合

结合ICA算法可以去除高阶冗余信息和IWT具有多分辨率、运算速度快的特性,在非负性条件的约束下,提出一种基于整数小波变换和非负有序独立成分分析(IWT-ONICA)的遥感影像融合方法。将该方法用于全色影像和多光谱影像的融合,数理统计(峰值信噪比、扭曲度、熵等)和目视判读结果表明,该方法融合效果优于其他方法,融合结果更加清晰,可视性更好。     

Air pollution forecasting from sky images with shallow and deep classifiers

Air pollution is one of the most important problems in the new era. Detecting the level of air pollution from an image taken by a camera can be informative for the people who are not aware of exact air pollution level be declared daily by some organizations like municipalities. In this paper, we propose a method to predict the level of the air pollution of a location by taking an image by a camera of a smart phone then processing it. We collected an image dataset from city of Tehran. Afterward, we proposed two methods for estimation of level of air pollution. In the first method, the images are preprocessed and then Gabor transform is used to extract features from the images. At the end, two shallow classification methods are employed to model and predict the level of air pollution. In the second proposed method, a Convolutional Neural Network(CNN) is designed to receive a sky image as an input and result a level of air pollution. Some experiments have been done to evaluate the proposed method. The results show that the proposed 9 method has an acceptable accuracy in detection of the air pollution level. Our deep classifier achieved accuracy about 59.38% which is 10 about 6% higher than traditional combination of feature extraction and classification methods.