应用计算机“推导”位场圆滑滤波及二次导数公式的方法

根据台劳级数展开式,将窗口内网格结点位场数据在计算点展开,且对应点两两相加,由最小二乘法求得窗口内网格结点的圆滑滤波算子和二次导数算子,将此算子与观测的位场数据褶积,就可得到位场圆滑后的数据及水平、垂直二次导数。     

二维小波变换在消除相干噪声中的应用

相干噪声常使地震记录中的反射同相轴模糊不清,使得处理解释难以进行。而常规的各种ｆ－ｋ滤波技术不能对其有效地消除,且每种技术都有其局限性,容易产生人为假象,使信号发生很大畸变。我们的技术是利用二维小波变换,把二维地震信号变换到有关频率、时间、波数、空间的一个四维函数。根据信号和相干噪声在频率、时间、波数、空间等方面的局部差异来达到滤波的目的。经过对实际炮集数据的处理表明该方法比ｆ－ｋ滤波技术消除噪声的效果要好,信号的畸变程度更低,并且没有任何限制条件。     

电阻率测深的数字解释

本文主要介绍了应用积分变换的方法和采样定理将视电阻率ρ_s曲线作线性滤波,得出一新的电阻率转换函数T′曲线,然后,以层参数（各层的电阻率和厚度）算得的T用最优化数值方法在DJS-6型电子计算机上与其进行自动拟合,以达到解释电测深曲线的目的。 文中简述了戈什（Ghosh）提出的对ρ_s作线性滤波的原理,介绍了与国外不同的取样间距和滤波系数的确定以及阻尼最小二乘法和变尺度最优化法的计算框图和应用,最后附有实例和简要的讨论。     

GEE平台下结合滤波算法和植被物候特征的互花米草遥感提取最优时间窗口确定

互花米草的快速入侵严重影响湿地生态系统平衡。因此，精确监测互花米草扩张的时空动态变化过程具有重要意义。尽管现有基于植被物候特征的互花米草遥感提取方法，避免了光谱特征相似性引起的分类误差，但受到云和潮汐的严重影响，难以获取大尺度湿地植被提取特征信息。本文提出一种结合最大值合成法和Savitzky-Golay(S-G)滤波算法提取互花米草关键物候特征，减弱大尺度云和潮汐对时序遥感信号特征的影响，精准重构符合植被生长趋势的NDVI时间序列数据。通过获取关键物候特征，确定互花米草提取的最优时间窗口，基于Google Earth Engine(GEE)平台精准获取互花米草空间分布状况并分析典型地区的互花米草空间分布特征。研究结果显示，生长季初期（6—7月）为互花米草提取的最优时间窗口，该时期总体分类精度为89.81%,Kappa系数为0.88，相比其他时期的总体分类精度提高10.09%,Kappa系数提高0.11。互花米草提取结果表明，2020年福建省互花米草入侵面积总计100.78 km2，主要分布在宁德、福州、泉州以及漳州等地。其中，宁德市互花米草分布面积最广，共计38.08 km2，占全省...     

船行波对H-ADCP 影响分析研究

作为当今世界上最先进的测流仪器，水平式声学多普勒流速剖面仪（Horizontal Acoustic Doppler Current Profiler，H-ADCP） 因其精度高、速度快等突出优势在河流中的应用越来越广泛，但在航运业发达地区，由于受船行波的影响，很难得到稳定可靠的流速数据，阻碍了H-ADCP在平原河网地区的应用和推广。目前技术上很难做到完全消除船行波的影响，本文将H-ADCP应用在平原河网地区对流速进行测量，并分析了船行波对测量精度的影响。从H-ADCP设备选型、测量和安装方式、测量预处理、数据后处理等多方面入手，可以有效消减船行波对H-ADCP 的影响，从而提高测流精度。同时，通过实验测量断面一天内平均流速变化情况，得到受船行波影响后的流速波形，然后采用数据处理手段，验证了所提方法的可行性。     

一种新的超声波心动图像分割算法

针对超声心动图像噪声大,边界模糊,灰度分布不均匀等特点,提出了一种新的图像分割算法.首先对超声图像进行滤波和边缘锐化等预处理,然后再使用GVFSnake模型对预处理后的图像进行分割,从而提取出心室的边界.经试验证明,这种新的超声心动图像分割算法,比传统的超声图像分割算法在图像分割精度上有显著的提高.     

数字滤波技术在潮汐观测中的应用研究

潮汐是重要的海洋物理要素。瞬时变化的海面高度信息除了包含潮汐信息外,还包括波浪等高频干扰信息,因此需要对干扰信息进行滤除。如何从获取到的海面瞬时高度变化中提取出潮汐信息就成为一个关键问题。海洋学中通常是通过低通滤波来获取低频的潮汐信息。通过分析常用的3种低通数字滤波的方法,即滑动平均法、快速傅里叶变换法和小波变换法,对3种低通滤波方法应用于潮汐数据处理的效果进行了比较分析,得出滑动平均法在潮汐信息提取中具有较高应用价值的结论。     

结合张量与互信息的混合模型多模态图像配准方法

多模态图像之间存在显著的非线性强度差异,并且图像会因为噪声而退化,因此,多模态图像自动配准是一项具有挑战性的任务.为了解决这两个问题,本文提出一种多模态图像自动配准方法,该方法分为预配准和精配准两个阶段.在预配准阶段,通过改进SIFT算法来大致对齐多模态图像.在精配准阶段,首先,利用块Harri s检测器在预配准后的参考图上提取均匀分布的特征点.然后,通过各向异性结构张量捕捉多模态图像中的结构信息来构建特征描述符,该特征描述符对噪声具有稳健性.更进一步,本文结合张量方向平行度和梯度互信息提出了一种相似度准则(tensor orientation and mutual information,TOMI).最后,本文用多种模态图像(包括Optical,LiDAR,SAR和Map)来评估提出的方法.试验结果表明,本文提出的方法对非线性强度变化和噪声具有较好的稳健性,并且匹配效果优越.     

利用PCI GXL-A进行航空影像DEM匹配及编辑

随着航空摄影测量技术的快速发展,海量正射影像数据生产已经成为测绘生产的常态.而正射影像的生产离不开数字高程模型(Digital Elevation Model,DEM)数据,因此快速高效的生产DEM对正射影像的生产至关重要.本文以航空影像作为实验数据,利用影像处理软件的航空影像处理模块2018年版本(GXL 2018 SP3 Aerial)空三加密后进行高精度数字地表模型匹配,并使用软件中数字高程模型的编辑(Geomatic Focus的DEM Editing)功能对数字地面模型(Digital Terrain Models,DTM)进行快速编辑生成DEM数据,为今后大批量DEM生产及编辑工作提供借鉴.     

建筑物立面分类与DIM点云滤波

针对目前基于近景摄影测量方法构建建筑物立面模型过程中因密集影像匹配（DIM）点云噪声所引起的建筑物立面TIN网格模型畸变问题,本文借鉴机器学习中样本学习的思想,对建筑物立面进行了分类并对DIM点云提出了相应的滤波方法,以达到去除DIM点云噪声和改善其TIN网格模型畸变的目的。其中,针对平面结构立面,采取先对点云样本进行学习计算构建数学立面模型所需参数,再对该立面模型设定阈值并对其点云进行滤波处理的方法;针对曲面结构立面,则结合DIM点云特性先将点云样本分类标记归为立面点与非立面点,再进行样本特征值学习,使用Logistic回归算法迭代计算求解最佳回归系数,从而构建滤波分类器的方法对立面点云进行滤波处理。试验结果表明,本文滤波处理方法能将立面DIM点云噪声有效识别并去除,而且使用该方法处理后所得点云构建的建筑物立面TIN网格模型精细化程度得到有效提高,模型质量得到明显改善。