上地壳纵横波速度结构相关反演成像方法

基于纵横波初至走时数据的层析成像方法越来越广泛地被应用于揭示不同构造域壳幔速度结构特征.我们从同一地质体的纵横波速度属性相关这一基本思想出发,提出一种相关反演成像的方法:纵横波速度反演交替进行,在迭代反演过程中每通过一次反演获得相应的纵波速度(或横波速度)结构后,更新相应的纵横波速度比模型以及相应的横波(或纵波)速度反演的初始模型,然后继续开展后续横波(或纵波)速度反演工作.在反演过程中依据纵横波速度的相关性信息和射线路径长度将走时残差以不同权重分配到射线路径经过的单元,依据网格节点周围平均的慢度扰动更新速度模型.正反演过程分别基于有限差分走时计算方法和反投影成像方法.两种典型模型试验表明,该技术应用于上地壳速度结构反演成像过程,可有效提高反演结果的可靠性,在很大程度上避免了常规单独反演纵波和横波速度过程容易带来的畸变和失真.该方法应用于重建青藏高原西部札达—泉水沟深地震测深(DSS)剖面下方的上地壳速度结构,揭示出与青藏高原西缘板块碰撞相关的上地壳速度结构特征.     

基于二维三次卷积插值算法的辛几何射线追踪

射线追踪是地震波走时层析成像的基础,射线空间位置的准确性及射线走时的精度决定了层析成像的可靠性.本文根据哈密尔顿系统可以有效提高程函方程解稳定性的特性,采用辛几何算法（SAM-Symplectic Algorithm Method）及二维三次卷积插值技术进行地震波射线追踪.由于采用了SAM算法,保证了地震波波前精度,提高了射线空间位置的准确性.数值模拟结果表明SAM既能保证哈密尔顿系统的稳定性又具有运算速度快的特点,提高了射线追踪的计算精度.     

用对称反投影及递归迭代实现扇束CT快速重建

为提高扇束滤波反投影(FBP)算法重建CT图像的速度,本文提出了一种利用对称反投影并结合递归迭代的方法来减少反投影的运算量.研究表明该方法可使重建速度提高约23倍,且不会带来新的重建误差.     

面向户外增强现实的地理实体目标检测

本文研究了多种计算机视觉领域中用于图像分类和目标检测的卷积神经网络模型,在一种目标检测模型的基础上进行了修改,并结合了残差神经网络结构,旨在解决户外增强现实中地理实体目标检测的问题。我们根据这一模型开发了一款户外增强现实原型系统,通过将训练好的模型作为目标检测引擎,达到了较好的近实时性和准确性。     

体CT锥束精确图像重建Katsevich算法的理论研究

本文主要介绍了关于新型的锥束CT重建算法——Katsevich算法。首先描述了如何引入Katsevich重建公式,同时介绍了Tam-Dannielson窗口和PI线的一系列与其他重建算法不同的重建方式,指出反投影过程与Feldkamp重建算法的反投影过程是一样的。我们可以利用这个重建算法有效地进行锥束螺旋CT重建,并得到效果理想的图像。我们也可以设计相应的并行算法,便于分析这些算法的复杂度,如：分析算法时间并且采用并行算法加快运行速度。这个方法也可以被用来改进成为其他重建公式（例如Zou和Pan的BPF型反转公式）。     

基于SIFT特征配准的多帧迭代盲解卷积算法

在未配准的情况下,多帧图像解卷积算法不能发挥其利用多帧图像信息互补的优势,针对这种情况,本文将基于SIFT特征配准的算法引入多帧图像解卷积算法中,这一做法克服了各帧影像之间相同位置不同细节像素之间的影响,有效地提高了复原图像的质量。实际观测数据的复原结果证明了本文思想的正确性,配准后图像的复原结果更加清晰,且体现出观测目标更多的细节信息。     

一种改进的基于非高斯性最大化的预测反褶积算法

The predictive deconvolution algorithm （PD）, which is based on second-order statistics, assumes that the primaries and the multiples are implicitly orthogonal. However, the seismic data usually do not satisfy this assumption in practice. Since the seismic data （primaries and multiples） have a non-Gaussian distribution, in this paper we present an improved predictive deconvolution algorithm （IPD） by maximizing the non-Gaussianity of the recovered primaries. Applications of the IPD method on synthetic and real seismic datasets show that the proposed method obtains promising results.     

结合注意力机制的卫星遥感影像立体匹配

采用立体匹配技术对多视卫星遥感影像进行三维场景重建一直是摄影测量与遥感领域的核心问题。基于卷积神经网络的深度学习方法极大地促进了立体匹配技术的发展,然而其中涉及匹配困难和误匹配问题的相关研究仍然不足。为了提升卫星遥感影像不适定区域中视差估计的精度,本研究提出了一种结合注意力机制的立体匹配深度学习网络,在特征提取模块中加入注意力机制,分别从通道和空间两个维度捕获全局信息,对特征进行优化;在代价体的构建模块中构建新的代价体积,并重新设置视差的回归范围。为了验证本文方法的有效性,在US3D、WHU-Stereo两个数据集上分别与已有方法 Stereo-Net、PSM-Net进行了比较分析。结果表明,本文方法在EPE(endpointerror)和D₁两个指标上均能达到最优,取得了较好的性能,提高了立体匹配的精度,尤其在无纹理、重复纹理、遮挡及视差不连续区域表现出良好的鲁棒性。     

井地地震CT成像数值模拟研究与应用

由井地地震CT成像原理决定,其在提高生产效率、降低生产成本和扩大勘察范围上具有突出优势.本文针对井地观测系统,重点通过对ART和SIRT重建方法进行数值模拟对比研究,分析得出二者在井地地震CT应用中的优缺点及适用条件,提出了如何提高影响成像质量的射线分布密度、均匀性和正交性.最后选择收敛快速稳定的SIRT算法应用于实际,取得良好的生产效果,很好的验证了井地CT成像技术的正确性,可行性和实用性.     

卷积神经网络在近岸表层海温预报中的应用

针对数值预报和人工经验预报在近岸定点表层海温(sea surface temperature, SST)预报中预报准确度不高,将近岸台站定点SST预报转换为多元时间序列预测任务,应用卷积神经网络(convolutional neural networks, CNN)构建近岸台站定点SST时间序列变化模型,对近岸台站每日最高海温、最低海温、平均海温进行预报,并与人工经验方法和长短期记忆网络(long short-termmemory,LSTM)方法进行对比试验。结果显示,在测试数据中相比人工经验预报,CNN方法全年日最高海温预报平均绝对误差(mean absolute error, MAE)为0.36℃,平均下降0.14℃,均方根误差(root mean squared error, RMSE)为0.49℃,平均下降0.21℃,日最低海温预报MAE为0.36℃,平均下降0.17℃, RMSE为0.63℃,平均下降0.24℃,日平均海温预报MAE为0.30℃, RMSE为0.47℃,预报性能和LSTM模型预报性能相当。研究表明CNN应用于近岸SST预报具有可行性,能够有效地提高SST预报准...