粘弹介质中高斯束二维理论地震记录的合成

本文对无限空间二维变化粘弹介质中的高斯束及有关过界面的情况进行了讨论。在讨论中发现,利用高斯束法既可不用定点射线追踪,还可保证处处规则,较近年来发展较快的标准射线方法有很大的灵活性,适于处理各种复杂地质情况。并对理论地震记录的合成方法作了简要介绍。     

基于混合高斯密度模型和空间上下文信息的遥感影像变化检测方法及扩展

在运用混合高斯密度模型对差分影像建模的基础上,分别采用顾及上下文信息的概率松弛迭代法和马尔可夫随机场模型法进行影像的变化检测.首先,提出一种运用遗传K均值算法与EM算法联合解算高斯混合密度模型参数的方法,该方法可以自动地解算出模型的统计参数,结果与手工选择样本的解算结果完全一致.然后,比较概率松弛迭代法以及马尔可夫随机场模型法的影像变化检测效果,得出基于模拟退火法的马尔可夫随机场法效果较好的结论.最后,对传统的基于模拟退火法的马尔可夫随机场方法进行改进,提出了一种变权马尔可夫随机场方法,检测结果能更好地保持影像的结构性,并有效去除了孤立噪声.     

基于融合GMM与SVM的船载非侵入式负荷识别方法

为保障安全的船载用电环境,实现合理的用电配置与管理,在船载电力布局中引入非侵入式电力负荷监测。提出了一种融合高斯混合模型(GMM)与支持向量机(SVM)的电器类型识别算法。该方法利用暂态事件检测所提取的有效负荷特征,建立具有较好统计分布能力的GMM模型和具有较好泛化能力的SVM模型。对两种算法的概率分布进行融合生成最终识别结果。实验结果表明,相对单独应用SVM模型,本文所用方法在准确率和稳定性方面均有一定程度的提升,且实现复杂度低,具有良好的实用价值。     

基于局部标准差的遥感图像噪声评估方法研究

局部均值与局部标准差法是目前应用最广泛的遥感图像噪声评估方法之一。该方法利用了局部均值与局部标准差的概念,对含有加性噪声的遥感图像进行噪声评估。但该方法受地物覆盖类型影响很大,当遥感图像中地物覆盖复杂时,会得到异常的噪声估算结果。产生这一现象的主要原因是遥感图像中包含边缘和纹理的不均匀子块。为降低地物覆盖复杂性对算法的影响,本文提出了基于边缘块剔出的局部均值与局部标准差法和基于高斯波形提取的局部均值与局部标准差法,前一种方法是削弱图像中包含边缘的不均匀子块的影响,后一种方法是提取反映均匀子块数量特征的高斯波形。利用同一次航空试验中获取的两幅AVIRIS辐射图像对改进后的算法进行了检验,结果表明改进后算法的健壮性明显提高,且噪声估算结果更准确。     

高斯束方法及其应用

高斯束方法是在动力学射线追踪和旁轴近似方法基础上发展而来的.高斯束是波动方程在特定射线附近的高频渐近解.本文介绍了高斯束方法及其与射线方法相比的优越性,以及高斯束在地震波场正演模拟以及偏移方面的应用,并提出了实现高斯束偏移的一种新方法.     

基于高斯滤波的回波信号去噪方法的研究

当采用高斯滤波的方法对全波形激光雷达回波数据去噪处理时,高斯函数宽度和高斯滤波模板长度不同,去噪效果不同。本文通过设定不同的高斯函数宽度和高斯滤波模板长度,对回波信号进行去噪处理。实验结果表明,将激光雷达的发射脉冲半宽作为高斯函数宽度,高斯滤波模板长度设为9,对回波数信号进行去噪处理,滤波后的数据既保留了原有的信息,又得到了很好的平滑处理,取得了较为理想的去噪效果。     

几种图像去噪算法的对比分析

图像去噪作为一种重要的预处理手段,一直以来都是图像处理和计算机视觉领域的研究热点。去噪算法的难点在于去除噪声的同时尽可能保持原始信息的完整性。本文主要研究TV,BLS-GSM,NLM以及BM3D四种经典去噪算法的基本原理,并用模拟数据验证分析四种算法在图像去噪中的性能,实验证明,四种算法均能在保留图像细节的前提下很好的去除噪声,其中,BM3D算法在保证去噪质量的同时效率最高。     

高斯光谱估计结合形状特征的遥感影像分割方法

针对传统区域合并算法仅利用光谱均值的不足,提出了一种新的结合光谱与形状特性的遥感影像分割算法。该算法首先对输入遥感影像进行分水岭分割;然后利用一种新的结合光谱与形状特性的区域相似性准则,采用区域邻接图的算法对初始分割区域进行合并,获取最终分割结果。实验结果表明,该算法能有效克服传统算法仅利用光谱均值的不足,有效解决遥感影像中相同光谱,不同纹理结构区域的分割问题;同时,本文算法还对纹理规则区域的分割效果有较好的改进。     

基于增强KAZE的航拍地图拼接方法

基于局部特征的航拍图像拼接算法,是一种比较常用的建立局部地区地图的方式。针对现有的基于局部特征的拼接算法鲁棒性差速度慢等缺点,本文提出一种基于增强KAZE的航拍地图拼接方法。首先建立APAP算法模型,然后利用奇异值分解建立鲁棒性更强的KAZE描述符进行匹配,随后根据匹配点解APAP模型得到网格单应性矩阵,最后以三张航拍图像为一组,以中间图像为目标形变图像分别与左右图像进行拼接,非重叠区域进行网格单适应矩阵高斯加权变换。实验表明,该方法不仅具有很强的鲁棒性,而且拼接速度快,对于多张航拍图像可以减小拼接误差。