南极冰貌卫星影像条带噪声的剔除

本文在简要叙述条带噪声形成原因的基础上 ,针对南极地区的ASTER 1A的可见光影像中出现的条带噪声的现象 ,通过设计了基于切比雪夫窗、凯瑟窗的FIR滤波器和约束最小二乘FIR滤波器对其条带噪声进行剔除 ,这两种滤波器能够尽可能地剔除条带 ,同时使影像的灰度分布发生最小畸变。并通过与其他方法 (例如 :低通滤波 ,直方图匹配等 )比较 ,说明这两种滤波的方法优于其他的方法     

防城港:采取四项措施严打违法用地

<正>2015年,广西防城港市国土资源局防城区分局把打击非法买卖土地和违法占地建房等工作纳入重要议事日程,根据本部门职能,组织强有力队伍,加强动态巡查,严厉依法打击违法用地行为。一是加大宣传力度。通过竖立警示牌、悬挂横幅、张贴标语、出动宣传车向广大群众发放宣传资料等方式,全方位、多     

桥梁变形数据小波去噪与PSO-BP神经网络预测

跨海大桥在运行期间因受自身因素以及飓风、海浪等多种外界因素的影响,桥梁变形表现为非线性变形.针对这种现象,本文以跨海大桥观测数据为例,使用小波理论进行去噪处理,对去噪后的数据分别建立BP神经网络预测模型以及POS-BP神经网络预测模型,并对比分析预测结果.结果表明:POS-BP神经网络预测模型预测精度更高.     

基于小波分析的光照电站边坡位移变形监测研究

光照电站是北盘江上大型水利枢纽,为确保安全施工和运营,采用智能型全站仪TCA2003对大坝两岸边坡进行位移变形监测。由于监测结果中包含测量仪器、测量条件和测量过程误差,利用db3小波和db6小波进行去噪处理,获取更具真实性和稳定性的数据。通过对比分析,db6小波去噪效果比db3小波好,调用函数提取db6小波分解前后的高频系数,可以判断出噪声主要集中在高频中前两层。     

变形监测信号消噪的不确定度

变形表现为一种弱信号,误差呈现为强噪声。小波包分解消噪是对分解中所得到的高频部分再继续细分,因此具有更精细的消噪能力。采用最优小波包基进行信号重构的过程中,信号有一定的损失。若将消噪过程近似成拟合,拟合误差符合正态分布,可以采用假设检验法估计信号重构误差的区间,进而确定信号重构误差的不确定度,评价小波包消噪的质量。     

CHRIS／PROBA高光谱数据的预处理

针对CHRIS／PROBA高光谱遥感数据的特点,对CHRIS影像进行去条带处理、辐射校正、大气校正等预处理,获得较好质量的影像,为影像的进一步分析和实际应用提供保障。     

小波时间序列分析在高铁沉降变形中的应用

采用小波时间序列预测模型,建立基本思想和实现步骤,结合某高铁沉降监测数据,利用db3小波对原始数据进行去噪,在此基础上,建立了AR(2)模型,与运用时间序列方法所求出的预测值,进行比较分析,结果表明,采用小波时间序列预测模型,求出的预测值精度更高,具有很强的实用性。     

小波去噪法在变形监测数据处理中的应用

以某组变形监测数据为研究对象,详细探讨了Matlab小波去噪函数中确定各种参数的方法,再通过得出的最佳参数对实验数据进行处理。结果表明,小波去噪有很好的数据处理能力。     

结合双边滤波Retinex和图像融合的图像去雾方法

针对传统的去雾方法对无人机有雾图像进行去雾时存在细节丢失严重、去雾效果差等问题,本文提出了一种结合双边滤波视网膜反应（Retinex）算法和图像融合的图像去雾方法。首先,利用双边滤波Retinex精确计算入射分量,对亮度分量进行双边滤波Retinex处理。其次,对两个色彩空间处理后的影像进行图像融合。最后,本文以两景无人机有雾图像为实验数据进行实验,结果表明,本文方法的标准差和信息熵等指数整体上升,能获得细节与色彩较好的去雾影像。     

小波变换和BP神经网络模型在沉降变形监测中的应用研究

变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。