中国港口大宗商品交易市场空间布局问题研究

通过多因素综合评价法从物流水平、金融水平、信息及电子商务水平和港口城市开放水平4个方面对35个规模以上港口建立大宗商品交易市场的适宜度进行了测评,根据测评结果选出20个适宜建立大宗商品交易市场的港口。再使用重力P-中值模型测算出港口大宗商品交易市场适合建立的规模和类型。结果表明： 沿海港口在发展港口大宗商品交易市场方面更具优势。 港口大宗商品交易市场的空间分布呈现出“区域性聚集”的特点,主要集中在环渤海、长江三角洲和珠江三角洲地区。 每种类型的港口大宗商品交易市场的分布呈现分散状态,这更有利于交易市场为全国大宗商品的供需双方提供服务。     

一种适用于海量多波束测深数据的中值滤波算法

针对CUBE算法中的数据中值滤波排序问题,设计了一种基于堆结构的中值滤波算法。这种方法以初始滤波窗口中间数据为支点,把滤波序列划分为2个堆,进而把查找滤波窗口中间位置数据转化为在两个堆中进行排序并输出根节点的操作。实验结果表明,这种方法的滤波速度约为基于二分查找的中值滤波算法的2~4倍,适合应用于海量数据的滤波处理。     

多环带中值滤波法实现重力区域场与局部场的划分

重力区域场与局部场的划分是重力资料解释中的重要步骤之一。在考察空间域和波数域划分重力区域场与局部场常用方法的基础上, 提出了多环带中值滤波法。该方法以计算点为中心建立多个环带, 计算出各个环带的中值和均方差, 按照事先设定的条件进行筛选, 将满足条件的环带中值作为该点的区域场值, 从重力异常中减去区域场后得到局部场。理论模型与实际资料的处理结果表明, 该方法适应性强, 划分出的场畸变小, 并且能够很好地保留异常之间的界限特征。     

基于分类思想的高密度数据去噪方法研究

这里参照图像去噪方法[1～4],提出了一种基于噪声分类的自适应混合滤波去噪方法。由于传统均值滤波[5]和中值滤波[6]对高斯型噪声和椒盐型噪声(脉冲噪声)有着不同的滤波特性,而在野外采集的原始高密度数据中,可能同时存在高斯型噪声和椒盐型噪声。因此,单独采用中值滤波或均值滤波都不会达到最好的去噪效果。为了能有效滤除这对二种不同性质的噪声,现提出了一种新的混合滤波算法。该算法首先利用局部阈值把受高斯型噪声污染的数据点和受脉冲型噪声污染的数据点区别开来,然后对前者采用均值滤波算法,而对后者则采用带自适应的改进中值滤波算法进行去除。     

一种改进均值的自适应中值滤波算法

针对自适应中值滤波算法在滤除高浓度椒盐噪声和保留图像边缘细节中的不足，提出了一种改进均值的自适应中值滤波（IMAMF）算法。该算法采用扩充图像边界的方式，使得原图像的边界点能在自适应的滤波窗口下参与噪声检测和滤波处理，并在检测噪声和信号时，增加了噪声阈值判定，将存在噪声的像素点用修正后的均值滤波器值输出，信号点则用原始灰度值输出。为了验证算法的可行性，采用了5种不同的算法进行仿真对比分析，并从主观角度和客观指标上进行效果评价。试验结果表明：该算法能有效滤除浓度为10%~90%范围内的椒盐噪声，且图像细节和边缘信息得到了更好的保留，滤波性能明显优于其他算法。     

树结构混合滤波算法

本文总结了中值滤波、均值滤波在滤除图像噪声中的不足，给出了树结构混合滤波器。理论分析和试验表明：树结构混合滤波器具有抑制图像噪声能力强，保持图像几何结构信息，算法结构化，易于计算机软件、硬件实现的特点。     

基于知识自适应图像平滑

简要地讨论几种典型的空间域图像平滑方法，提出了一种新的保护图像边沿细节的平滑方法──补偿型中值法，并设计了一个基于知识的自适应平滑处理系统的框架。     

拉格朗日中值定理证明中辅助函数的构造

本文应用分析法，几何法，待定系数法，分别构造出满足罗尔定理条件的函数，即拉格朗日中值定理证明中的辅助函数。     

航行障碍物探测中值得注意的一些问题

众所周知：海中的沉船、礁石、点滩、．特殊深度、各种废弃桩柱、沉雷、沉弹．垃圾堆积物等海底突起物，都是威胁船航行安全的障碍物。其中那些“疑存”“疑位”“概位”等不明性质的障碍物，对舰船的活动影响更大。因此探清海区内的各处航行障碍物，详细地掌握它们的准确位置、高度（深度），确认它们的性质，了解它们的演变情况，提高航海图书资料的现势性，这对保障舰艇作战机动和战备训练等航行安全具有重要意义。然而，测量者在探测实践中如何准确、完善地探测出各处的航行障碍物，却有许多值得注意的问题。     

基于有向窗的自适应SIGMA中值滤波算法

提出了一种能够有效消除InSAR DEM噪声的自适应中值滤波算法:基于有向窗的自适应SIGMA中值滤波。分别采用中值滤波、基于高程的自适应SIGMA中值滤波和基于有向窗的自适应SIGMA中值滤波算法,对InSAR Tandem DEM和模拟DEM进行了滤波处理。结果表明,基于有向窗的自适应SIGMA中值滤波算法不仅能够更有效地消除噪声,而且能够更好地保留图像的边界特征。