青海门源MS6.4地震微震检测与目录完备性研究

利用模板匹配方法对2016-01-21青海省门源县M_S6.4地震进行遗漏地震检测以及补充单台震相到时研究。鉴于主震后短时间内目录遗漏较多,故对主震后3 h的连续波形进行检测。主震后3 h内青海测震台网记录到的余震事件共332个,其中单台57个。选取主震后M_L2.0以上余震112个作为模板事件,通过匹配滤波的方式扫描出遗漏地震123个,约为台网目录的40%。利用波形互相关提取震相到时的方法对单台事件补充其他台站震相到时,对单台事件重定位,最后得出41个单台事件的震中位置。基于包络差峰值振幅与震级的线性关系估测了检测事件的震级参数,最后将检测后的余震目录与台网余震目录在主震后3 h内的最小完备震级进行了对比分析,结果发现,检测后最小完备震级从M_L1.1降到了M_L0.6,得到青海测震台网在门源地区最小完整性震级为M_L0.6。     

基于数学形态学和Hough变换的高分辨率遥感影像道路提取

城市交通是经济社会发展的重要推动因素和枢纽,因此道路信息的提取与更新显得尤为重要。利用遥感图像来提取道路信息已经成为近年来道路提取的主要方法,但高分辨率遥感影像的快速发展与应用,在提供丰富信息的同时使道路提取变得更加困难。针对目前基于高分辨率遥感影像提取道路存在的问题,提出一种基于数学形态学和Hough变换的道路自动化提取方法。基于Hough变换确定道路的走向,在此基础上选定线性结构元素,利用数学形态学进行道路提取。分别选择IKONOS影像和Quickbird影像验证本文提出的模型。实验结果表明,本文提出的模型能有效地提取弯曲型道路与直线型道路,取得了较好的结果。     

基于Matlab的InSAR条纹图典型滤波算法研究与对比

合成孔径雷达干涉测量(InSAR)是测绘地理信息领域快速发展的一项大地测量技术,也是卫星应用领域广泛应用的一项空间对地观测技术。本文着重对InSAR中相位噪声滤波的几种典型算法进行研究与对比,为不同滤波场景下的算法选择提供一定的参考。     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

多波束水深测量马修斯法辅助声速剖面改正

马修斯法是单波束水深测量声速改正的常用方法,为了提高多波束水深测量声速改正精度,利用马修斯方法的参数,在该方法基础上推导出新的改正公式,并将之运用在多波束水深测量中的声速剖面重构;实验表明,该方法略优于水文内插法;与纯数学拟合外延方法相比,具有明显优势;运用该方法可以得到效果更好的海底三维图,提高多波束水深测量精度和作业效率。     

联合EEMD-KECA算法的InSAR干涉相位时频滤波

根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。     

高光谱图像滚动引导递归滤波与地物分类

高光谱图像类内光谱变化较大,"同物异谱"现象普遍存在。利用原始地物光谱特征进行分类精度较低而且分类结果图中存在"椒盐现象"。为了获得好的分类结果,必须充分利用高光谱图像的光谱信息和空间信息,减少类内的光谱变化,并扩大类别间的光谱差异。为此,提出一种滚动引导递归滤波的高光谱图像光谱—空间分类方法。首先,利用主成分分析对高光谱图像进行降维;然后,利用高斯滤波对输入图像进行模糊化,消除图像中的噪声和小尺度结构;接下来,将模糊化后的图像作为引导图像,对输入图像进行边缘保持递归滤波,输出结果作为新的引导图像,重复迭代这个过程直至大尺度边缘被恢复;最后,利用提取的特征波段和支持向量机对高光谱图像进行分类。在两个真实高光谱数据集上进行了分类实验,结果表明本文方法的分类精度优于其他的高光谱图像分类方法。在训练样本极少的情况下,本文方法也能获得较高的分类精度。     

小波分析和经验模态分解对BDS多路径误差削弱对比研究

在利用北斗卫星导航系统（BDS）进行高精度变形监测时,BDS信号产生的多路径效应是影响变形监测数据精度和可靠性的一个不可忽视的误差源. BDS有三种不同的轨道卫星,所形成的多路径误差较为复杂. 基于坐标域的多路径误差使用小波分析(Wavelet)和经验模态分解(EMD)进行原始序列降噪,对降噪后序列使用改进恒星日滤波(ASF)进行多路径误差剔除,两种方法分别对基线精度的E方向改善了38.6％和40.8％,N方向改善了59.1％和61.0％,U方向改善了57.8％和57.9％,EMD对坐标序列的平滑和基线精度改善较优.      

基于导向滤波与迭代反向投影的遥感影像超分辨率重建

针对单帧遥感影像采取迭代反投影方法进行超分辨率重建时,重建图像的强边缘存在锯齿效应,在分析了导向滤波算法原理后,本文提出了一种将上述算法引入迭代过程来处理图像误差的方法,以进一步提升图像的高频信息,提高图像的重建质量。选取同时间不同地物的遥感影像作为实验数据,实验结果表明,本文重建的结果与双三次插值方法、边缘导向插值方法和迭代反投影方法相比,在客观评价指标上均有提高,改善了重建影像的纹理细节。本文提出的超分辨率重建方法,可以使重建影像提供更多的高频信息,具有较好的稳定性和鲁棒性。     

BDS精密单点定位滤波方法分析

针对精密单点定位(precise point positioning,PPP)初始阶段定位精度较低、无法利用定位结果的问题,验证平滑滤波算法在BDS静态PPP定位解算中的可行性并分析定位性能;针对平滑滤波算法具有平均效应,探讨不同时长的观测值对于点位精度的影响。实验表明:平滑滤波算法在BDS精密单点定位中的结果优于前向和后向滤波,相对于单向滤波在E、N、U方向RMS值平均减少73%—80%,极大地提高了BDS静态PPP定位的精度;其次,随着观测时间的增加,定位精度在质量好的数据下仅会造成毫米级的浮动。