复杂环境下地基SAR粗差探测及应用

雷达视线受施工机械等的间断遮挡导致部分影像产生相位奇异值,从而造成解缠错误及误差传递,简单的相关影像处理难以识别受遮挡影像。本文提出了改进的基于小波变换的信号奇异性检测方法,通过对地基SAR PS点时序相位特征进行分析,将遮挡影像识别转化为粗差探测问题;由PS点相位序列与影像位置关系,根据测区PS点相位序列的奇异点集合得到受遮挡影像集;最后将受遮挡影像剔除后得到的地基SAR监测结果与精密全站仪、水准与游标卡尺数据进行对比分析。结果表明：本文提出的方法用于受遮挡影像的识别是可行的,解决了地基SAR在实际工程应用中可能存在的影像遮挡带来的测量数据含有粗差的问题,提高了监测区域伪影像检测的效率与准确性。     

HOUGH变换在海浪遥感图像处理中的应用

本文提出了一种以FIOUGH变换为基础的海浪波长波向分析法,并对SEASAT合成孔径雷达获取的海洋遥感图像进行了方向和波长分析。该方法模拟人类纹理视觉机理,首先应用CFCM动态聚类方法对波峰、波谷和过渡带进行分类,然后采用随机行走模型对分类图像进行滤波,以获得整图的全局走向信息,再以此先验信息为先导对分类后的纹理图像进行定向跟踪拟合,得到代表海浪波峰的直线族图,最后在再对此图进行HOUGH变换和分析的基础上得到精确的波长与波向。     

基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声, 渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性); 同时, 当测试数据与训练数据存在差异时, 机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响, 本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分: 一部分是不同域数据分布的相互转换, 另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设, 当标签的概率分布与网络的分布保持一致时, 贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率), 使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后, 通过分布域的逆变换, 我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井数据中, 使用16口井的数据进行训练, 2口井进行测试.测试井的预测渗透率与真实渗透率基本一致.同时, 任意不确定性的预测结果提供了渗透率预测值受到的测井数据噪声影响的位置.认知不确定的预测结果说明数据量少的位置具有更高的认知不确定性.我们提出的这一流程不仅显示了在储层表征方面的巨大潜力, 同时可以降低测井解释时的风险.

     

基于LiDAR数据的城市道路提取与重建

本文借助于GIS强大的空间数据管理和分析功能,以Lidar点云数据为数据源,对交通信息系统基础空间数据进行快速采集和更新。文章并且在前人工作的基础上,提出了一种新的基于四维Hough变换的Lidar数据的提取和分类方法,对提取的道路信息进行重构。实践证明,此方法较之传统Lidar数据分类和提取方法,能够有效地解决其计算量过大、噪声过于敏感、道路边缘方向不平行等问题,实现道路的自动提取。     

消除EMD 边界效应的四中点估计方法

为了快速高效地实现信号的本征模态分解,消除分解过程中边界效应,在 Directly-Mean EMD方法的基础上,通过引入左、右待估中点和左、右延拓中点,并根据信号首尾两端各种可能的情况给出了四中点估计公式,建立了可完全消除边界效应的Directly-Mean EMD四中点估计方法。该方法不仅减少了样条插值次数,提高分解速度,而且还可以有效避免因插值节点过于稀疏所产生的大幅波动,使分解结果更加准确。将新方法应用于日长数据序列的本征模态函数分解,得到了满意的分解结果。     

位场小波变换研究进展

小波变换的具有多尺度分析的特点,在位场资料分析中得到了广泛应用.本文总结了位场小波变换的理论基础及应用现状,介绍了位场小波基函数的概念.小波分析可以应用于位场分离、去噪、反演及综合地质解释等分析.文中从小波的数学性质和物理意义等角度讨论了位场资料处理中小波基函数的选取问题.     

GPS/LEO掩星技术中超折射效应的修正

在GPS掩星探测地球大气技术中，Abel积分变换要求大气折射指数n是折射半径a的单值函数，当大气折射率的垂直梯度达到小于一个极限值dN／dr≈-0．16N-unit m^-1上述单值性不成立，称其为超折射，此时Abel积分变换不再适用,如果还是在形式上应用经典的Abel变换，在反演结果中就会产生负大气折射率偏差．描述了低对流层中超折射现象的物理特性和数学表示；在广义Abel积分变换的基础上，讨论了超折射层内和超折射层下的大气剖面反演算法；选择了一个简单的采样间隔内等大气折射率垂直梯度假设，对英国高分辨率无线电探空观测资料进行模拟计算，验证了负超折射与大气折射率偏差的关系，并提出的广义Abel变换的合理性.     

利用小波变换进行遥感多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

a′Trous小波变换与PCA变换相结合的遥感影像融合分析

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(PrincipalComponents Analysis)变换融合受到融合区域的限制,而传统的小波融合(Wavelet Transformation)算法由于高频直接替换,导致了一定程度的光谱失真,由此本文在分析主成分分析变换和a′Trous小波变换(WT)的基础上,以QuickBird全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其他融合方法的定量和视觉比较,结果表明该方法能得到更好的融合效果。