小波变换在TM热红外遥感信息解释中的应用

如何有效利用TM热红外遥感图像是遥感应用和研究人员共同关心的问题．由于空间分辨率不高,其应用与研究程度远不及其它波段获取的图像．小波变换具有信号多尺度分解能力,可以把遥感图像(二维信号)按照近似与细节进行多尺度分解．对TM(或ETM^ )图像进行K-L变换,将可见光及近红外波段信息集中到一个主分量图像上,而后对热红外图像和该主分量图像同时进行多尺度小波分解,使用前者的近似系数与后者的细节系数重建图像,由此得到的合成图像既保留了原热红外图像的基本灰度分布信息,同时分辨率也得到了提高．     

改进的IHS变换和小波变换相结合的图像融合

在分析IHS变换时发现,IHS变换中亮度分量的计算是从红绿蓝三种颜色中平均提取三分之一作为总亮度,而人眼对绿色最敏感（占60％）、其次是红色（占30％）、再者是蓝色（占10％）,故本文对亮度分量的计算公式做了修改。在此基础上,提出了一种改进的IHS变换和小波变换相结合的图像融合方法。首先对多光谱图像进行改进的IHS变换,然后利用小波变换分别对1分量和全色高分辨率图像做小波分解,并对小波低频系数基于局部能量进行融合,小波高频系数基于局部方差进行融合,最后进行IHS逆变换,得到融合结果图像。结果表明,本文提出的方法在保持光谱源图像特性方面有优势,也较多地保留了源图像的空间细节信息,融合图像的扭曲程度小。     

汶川地震震灾图像处理中的融合方法及其比较——以北川地区遥感影像为例

图像融合是一种对多源图像信息进行提取与综合处理的技术,其任务是根据多源图像信息进行提取与综合,以获得对同一场景、目标的更准确、更全面、更可靠的图像描述.本文以北川地区的遥感图像为例介绍了汶川地震中遥感图像处理使用的图像融合方法,包括IHS变换,主成分变换(PCA),高通滤波和小波变换等,肯定了图像融合在震害信息提取中的作用.然后对各种方法进行了定性与定量地对比、分析及评价,根据各种方法的特点,分析了不同应用目的所适用的遥感图像融合方法.     

基于多小波的医学图像阈值分割算法研究

图像分割技术是医学图像处理和分析中的关键技术。本文通过构造一个正交多小波,把图像在尺度空间展开,对不同分辨级下的小波系数采用不同阈值进行分割处理。应用自动和交互相结合的分割方法,通过对目标区域图像特征进行分析,交互确定目标区域的大致灰度范围。在综合考虑图像的边缘和区域的基础上,确定精确的阈值,将目标组织从背景中分割出来。通过对计算机断层扫描医学图像进行分割处理和对比实验,得到的图像清晰度明显提高,证明该方法不仅能得到较清晰的感兴趣区域,而且还能获得较清晰的边缘特征。     

基于小波变换的侧扫声纳图像镶嵌研究

传统的基于简单加权的侧扫声纳图像镶嵌方法,很容易造成图像信噪比的降低以及出现拼接痕迹.本文提出了一种基于小波变换的镶嵌方法,通过实测数据处理,表明该方法优于传统的镶嵌方法,不仅能够很好地将源图像细节融合在一起,而且能够很好地显示源图像各自的信息.     

基于小波融合的ASTER数据自组织特征映射神经网络分类研究

重点介绍了有自组织功能的两层结构的神经网络Kohonen自组织特征映射, 两层之间各神经元实现全连接并且在竞争层各神经元之间还存在侧连接, 实现了有效的竞争和抑制, 提高了自适应的学习能力, 因此成为国际遥感数据分类的研究热点. ASTER卫星数据是新型遥感数据, 包括3个15 m分辨率波段和3个30 m分辨率的短波红外波段. 选择天津大港ASTER数据作为方法实验数据, 首先对数据进行了小波融合, 然后进行了土地覆盖类型的神经网络分类研究. 研究结果与相同训练点的最大似然监督分类比较, 总体提高分类精度7%, 特别对城镇分类精度提高近一倍.     

多分辨率地震信号反褶积

基于二进小波变换提出了一种新的反褶积方法─-多分辨率地震信号反褶积．在地震信号二进小波变换域中的各尺度上分别进行其分辨率随小波尺度变化的反褶积,利用不同分辨率反褶积结果之间的相关性,以及测量噪声随尺度的衰减特性,从低分辨率反褶积结果逼近高分辨率反褶积结果．理论分析和实验表明,该方法有较高的精度,并且在较低信噪比情况下有好的效果．     

CT图像增强方法的研究

利用直方图均衡、中值滤波和小波变换对CT图像(512×512)增强处理的方法进行了研究,实验结果表明,小波变换增强方法可以减少噪声的放大,在增强图像微小细节和避免放大噪声两方面获得令人满意的结果,其处理结果优于直方图均衡和中值滤波的增强方法.     

利用多分辨率小波网络方法进行伪井反演

利用小波网络,对地震资料和小波多尺度分解属性资料,进行了虚井声波时差反演.讨论了利用地震信号的小波分解和网络学习、训练的理论方法.为了提高反演分辨率和精度，研究了信号分段相似小波时—频分析技术方法.在对对这些技术方法综合研究和算法的实现设计以后，对实际资料进行了反演计算，并对反演结果进行验证.取得了很好的效果.     

小波分析在地球物理信息融合中的应用

为了实现地球物理资料的自动综合解释,提出了一种基于小波分析的多分辨地球物理信息融合方法.阐述了地球物理信息融合中的关键技术,即信息表示、融合方法及融合中的控制.利用多种地球物理信息融合获取有关地质目标的知识,避免了单一方法的局限性,减少了各种地球物理信息不确定性误差的影响.对实际资料进行了实验,实现了速度、视电阻率和密度信息融合.实验结果表明融合图像包含了更多地质目标的信息.     

基于聚焦合成的显微三维成像系统

本文利用显微镜物镜焦深范围有限,显微三维样本成像时需要一序列图像才能聚焦清晰特点,研究开发利用图像处理技术扩展显微成像焦深范围,应用改进Laplacian聚焦算子实现序列图像的融合显示,同时,提出了一种基于区域小波变换的序列显微图像融合算法并加以实现.用高斯插值算法得到三维显微图像的高度图,设计了一种网格轮廓线算法对高度索引图进行了三维重建显示和测量,并利用立体视觉原理生成了三维物体的左右视图和立体视图.应用此方法可以完成显微目标的表面三维参数的测量分析.     

基于Contourlet变换和ICA的多时相遥感图像变化检测

为了提高多时相遥感图像变化检测的精确度和运算效率,本文提出了一种基于Contourlet变换和独立分量分析(ICA-Independent component analysis)的变化检测算法.利用Contourlet变换多尺度、多方向性和各向异性等性质,对图像数据进行多尺度分解,再对分解后的数据进行独立分量分析,利用改进的基于牛顿迭代的固定点ICA算法分离出互相独立的数据分量,然后将分离后的数据分量转变成图像分量,最终对变化图像分量经阈值分割实现变化检测.实验结果表明,与现有的基于PCA、基于ICA、基于小波变换与ICA三种变化检测算法相比,本文算法能有效地分离出变化信息,减少了计算的复杂性,得到的变化图像具有更高的精确度,且对背景有较强的稳健性.     

基于二维小波变换的FMI图象分割

为了从FMI资料中定量提取参数，一个重要的步骤是从实际FMI资料中分离出反映溶孔、溶洞、裂缝的子图像。本文给出的方法，考虑图像像元邻域的特征，应用二维小波变换求出目标与背景边缘的点集，按这个边缘点集的坐标点所对应的原图像像素灰度值的平均值作为分割阈值进行图像分割。实际资料处理表明，应用这种方法可以从实际的FMI资料中准确地分割出孔洞、裂缝的子图像并且可以按深度段连续自动处理，为后续定量计算参数奠定了良好基础。     

Enhancement of Signal-to-noise Ratio in Natural-source Transient Magnetotelluric Data with Wavelet Transform

—For audio-frequency magnetotelluric surveys where the signals are lightning-stroke transients, the conventional Fourier transform method often fails to produce a high quality impedance tensor. An alternative approach is to use the wavelet transform method which is capable of localizing target information simultaneously in both the temporal and frequency domains. Unlike Fourier analysis that yields an average amplitude and phase, the wavelet transform produces an instantaneous estimate of the amplitude and phase of a signal. In this paper a complex well-localized wavelet, the Morlet wavelet, has been used to transform and analyze audio-frequency magnetotelluric data. With the Morlet wavelet, the magnetotelluric impedance tensor can be computed directly in the wavelet transform domain. The lightning-stroke transients are easily identified on the dilation-translation plane. Choosing those wavelet transform values where the signals are located, a higher signal-to-noise ratio estimation of the impedance tensor can be obtained. ? In a test using real data, the wavelet transform showed a significant improvement in the signal-to-noise ratio over the conventional Fourier transform.     

Seismic buffer recognition using wavelet-based features and neural classification

One of the first operations in a seismic signal processing system applied to earthquake data is to distinguish between valid and invalid records. Since valid signals are characterized by a combination of their time and frequency properties, wavelets are natural candidates for describing seismic features in a compact way. This paper develops a seismic buffer pattern recognition technique, comprising wavelet-based feature extraction, feature selection based on the mutual information criterion, and neural classification based on feedforward networks. The ability of the wavelet transform to capture discriminating information from seismic data in a small number of features is compared with alternative feature reduction techniques, including statistical moments. Three different variations of the wavelet transform are used to extract features: the discrete wavelet transform, the single wavelet transform and the continuous wavelet transform. The mutual information criterion is employed to select a relatively small set of wavelets from the time–frequency grid. Firstly, it is determined whether wavelets can capture more informative data in an equal number of features compared with other features derived from raw data. Secondly, wavelet-based features are compared with features selected based on prior knowledge of class differences. Thirdly, a technique is developed to optimize wavelet features as part of the neural network training process, by using the wavelet neural network architecture. The automated classification techniques developed in this paper are shown to perform similarly to human operators trained for this function. Wavelet-based techniques are found to be useful, both for preprocessing of the raw data and for extracting features from the data. It is demonstrated that the definition of wavelet features can be optimized using the classification wavelet network architecture.     

小波分析在前郭水化观测资料处理中的应用

本文从小波变换原理入手,选取正交小波（Daubechies小波）对前郭井近10年水化观测资料进行分析,结果表明小波分析可以很好的抑制数据的干扰,将原始信息中高频信息和低频信息分辨出来。运用小波变换对观测资料进行处理后,映震效果明显优于原始资料,一些趋势变化和短临变化更直观,异常信息更加丰富,更有利于利用前兆数据进行地震预测。     

Wavelet power spectrum analysis of heterogeneities from sonic velocity logs

The continuous wavelet transform (CWT) is used to evaluate local variations in the power-law exponents of sonic log data. The resulting wavelet spectrum can be compared with the corresponding global estimates obtained by conventional Fourier transform methods. In Fourier analysis, the fundamental tool used to characterize a fluctuating velocity distribution is the power spectrum. It represents the energy contained in each wavenumber and thus provides information regarding the importance of each scale of heterogeneity. However, important spatial information regarding the location of events becomes implicit in the phase angle of the Fourier transform. In this paper, it is shown how the square of the amplitude of the wavelet transform is related to the Fourier spectrum and how spatial information can be expressed in an explicit manner. Using the conservation of energy, it is shown that the average wavelet power spectrum over the total depth range is equal to the global power spectrum. A Gaussian wavelet is chosen to realize the wavelet transform. Two synthetic sonic logs with exponential and von Karman correlation functions are used to demonstrate the potential of the suggested analysis. Furthermore, the wavelet transform is applied to the KTB (Continental Deep Drilling Program) sonic log data. The wide range of applications of the CWT shows that this transform is a natural tool for characterizing the structural properties of underground heterogeneities. It offers the possibility of separating the multiscale components of heterogeneities.     

Identification method of seismic phase in three-component seismograms on the basis of wavelet transform

IntroductionThe three-component seismograms represents ground motion. Seismic signal contains various types of phase arrivals. Some of the most significant are the P, S, LQ and LR arrivals. Accurately determining the time of these arrivals 'is importal to determine the location of an event.Although a lot of work in determining the location have been done, researchers have not carriedout the target in trying to determine this information more accurately from single-station seismogram due to …     

测井曲线的小波变换特性在自动分层中的应用

研究了信号在特定函数作为小波基时其小波变换过零（极值）点的特征,提出了利用小波变换过零（极值）点特性对测井信号进行地层划分的方法．该方法包括两个主要步骤,一是利用小波变换的多分辨率特性得到测井曲线的形态特性随空间坐标的变化信息;二是利用小波变换过零（极值）点的特征在不同尺度上的反映,提取不同尺度下的奇异点作为分层的待参考点,结合实际情况最终确定分层点．并结合实际应用,验证了利用该方法处理测井信号的有效性。