基于多传感器观测信息抗差估计的自适应融合导航

首先利用抗差估计原理构造了基于观测信息的融合导航解，再利用动力学模型信息进行自适应融合，最后利用模拟算例进行多种方案的计算与比较。     

一种基于向量序结构关系的多值形态变换

提出了一种向量型数据全序关系建立的一般方法，并以此为基础建立了多值形态变换的基本形式，并对其性质进行了讨论。多值形态变换作为数学形态学在多值图像空间中的扩展．具有与灰值形态变换类似的功能和作用，可有效地应用于多值图像的处理和目标形状特征的提取。     

适用于大旋转角的三维基准转换的一种简便模型

基于大角度的空间直角坐标转换，提出了以方向余弦为参数、适用于任何角度旋转的空间直角坐标转换的简明计算方法。     

基于光谱信息的遥感图像空间域自适应滤波

遥感图像往往由于内外因素的干扰含有各种噪声 ,为提高图像质量人们对其进行滤波。常规的滤波方式完全基于图像空间域 ,在消除异常点使图像平滑的同时使边界变得不清楚从而使图像模糊 ;或者正相反 ,在边缘信息得到增强时也放大了图像噪声而使图像变得粗糙。该文的自适应滤波方法充分利用多光谱和高光谱遥感图像的光谱维信息 ,滤波时不仅要使均匀的地块得到平滑 ,而且要使地块间的边缘、局部的异常点、线仍然得到保存、在光滑的同时尽量保持原有的数值特征     

多波束测深数据的异常检测和滤波

根据较大区域的测深数据的分布特性 ,提出了一种基于中值滤波、局部方差检测和小波分析相结合的方法来定位异常数据 ,并滤去随机噪声     

基于方差分量估计的自适应融合导航

多源传感器观测信息的精度一般不一致,利用方差分量估计理论可以合理地顾及各传感器观测信息在融合导航解中的权比.首先给出基于多源观测信息的融合导航解算模式,进而基于方差分量估计讨论了各传感器观测信息在融合导航解中的合理平衡问题,然后应用自适应因子顾及动力学模型预报信息的贡献,给出了计算过程,并利用模拟数据进行了试算与比较.     

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。     

Wavelet analysis and interpretation of gravity data in Sichuan-Yunnan region, China

Introduction Sichuan-Yunnan region, located in the east margin of Qinghai-Xizang (Tibetean) Plateau, is a transitional zone between the rapidly upheaving Tibetean Plateau and relatively steady Yangtze Platform. Under the pressure exerted by the northward movement of Indian Plate, Sichuan-Yunnan region has been undergone strong deformation and regmagenesis, becoming one of the regions with the most intensive seismicity in the world. The research on the tectonics and seismicity there is alw…     

Histogram and variogram inference in the multigaussian model

Several iterative algorithms are proposed to improve the histogram and variogram inference in the framework of the multigaussian model. The starting point is the variogram obtained after a traditional normal score transform. The subsequent step consists in simulating many sets of gaussian values with this variogram at the data locations, so that the ranking of the original values is honored. The expected gaussian transformation and the expected variogram are computed by an averaging operation over the simulated datasets. The variogram model is then updated and the procedure is repeated until convergence. Such an iterative algorithm can adapt to the case of tied data and despike the histogram. Two additional issues are also examined, referred to the modeling of the empirical transformation function and to the optimal pair weighting when computing the sample variogram.