基于颜色校正及特征融合的海洋遗迹图像增强

针对海洋遗迹图像出现色偏、细节模糊等现象,导致海洋测绘等工作效率低的问题,提出基于颜色校正及特征融合的海洋遗迹图像增强方法。首先改进传统颜色校正以缩小色彩衰减程度;其次使用深层信息提取模块获取细节信息,并加入多尺度特征提取模块保证图像视觉的完整性;最后提出特征融合模块融合深层细节和尺度特征信息,输出清晰海洋遗迹图像。实验结果表明：本文将传统方法和深度学习算法结合,不仅可以提高真实海洋遗迹图像的清晰度,而且在数据集上的评价指标均优于对比的经典及新颖算法,为海洋测绘等领域提供新思路。     

ARGO剖面浮标电导率传感器漂移问题探讨

ARGO剖面浮标在海上长期工作,其携带的电导率传感器漂移会导致测量数据误差,从而影响观测资料的质量。文章利用误差理论和回归分析、曲线拟合等数理统计方法,检测和处理由ARGO剖面浮标电导率传感器漂移所带来的测量误差,并对太平洋、大西洋和印度洋上已经发现有电导率传感器漂移的ARGO资料进行了校正,取得了比较理想的结果。     

安仁红柱石的化学物相分析

根据安仁红柱石矿的矿物组合特征进行实验，采用铝量法测定矿区红柱石矿物含量，在所选实验条件下，对红柱石含量(w)为16．96％的样品进行20次测定，RSD为1．5％。     

南川地区溶洞及采空区地震资料针对性处理方法

为解决地震勘探中地下溶洞及采空区位置地震资料成像效果差的难题,利用正演模拟结合实际资料分析,总结该类区域地震资料的频率、能量和信噪比特征,在此基础上,提出一套针对性的处理方法,包括微测井约束层析静校正、弱信号提取与补偿、叠前五维数据规则化和基于构造约束的网格层析速度建模。通过在南川地区的应用,地震资料信噪比和波组连续性得到明显改善。证明了此方法可以有效提高地震勘探中溶洞及采空区位置地震资料品质。      

无线电磁波随钻测量系统姿态精度的影响因素分析

煤矿井下采用水力钻进方式进行碎软煤层瓦斯抽采时,容易出现塌孔、孔壁失稳,电磁波随钻测量系统适用于气体钻进,在碎软煤层瓦斯抽采中逐步得到应用。钻孔轨迹的准确性是影响碎软煤层瓦斯抽采效果的关键,电磁波随钻测量系统使用中,出现轨迹测量精度不够、误差大的现象。为解决这一问题,分析测量系统从设计到应用全过程中影响姿态精度的因素,列举因素产生的原因及解决方案,重点针对钻进现场出现的电磁波系统精度问题进行分析。通过现场采集数据、分析曲线趋势规律,确定造成误差大的原因为测量短节与外无磁钻杆不同轴,设计现场自校准方法和流程要求。提出查表补偿法和拟合函数法2种校准方式,对2种方法的原理、方法选择以及相关参数计算给出了说明。最后采用拟合函数法对实测数据进行了校准修正,修正后的姿态数据精度达到0.2°,解决了无线电磁波随钻测量系统在使用中的姿态精度不高问题,满足碎软煤层瓦斯抽采轨迹测量精度要求。      

数字化地质中的误差校正

分析数字化过程中图形数据输入时引起误差的原因,说明了误差校正的原理,通过几何变换、最小二乘法线性校正、分块校正等方法对图形数据进行校正,经过仿射变换、双线性变换、平方变换、双平方变换、立方变换、四阶多项式变换等对图像进行校准。实践表明MAPGIS提供的误差较正功能模块进行图形校正,在地质图件的应用中效果很好。     

海上煤田三维地震资料处理方法研究

龙口海域煤田,海水深度变化大(1~13 m),地层局部倾角陡;海上地震资料采集存在检波器位置漂移、变周期鸣震干扰以及子波差异大等问题。利用直达波或折射波旅行时进行检波器位置反演,解决了检波器飘移问题;变步长二步法预测反褶积能压制变周期鸣震干扰;叠前时间偏移解决了陡倾角成像。资料处理效果表明:所用方法对龙口海域地震资料具有较强的针对性。      

时序新方法在城市地面沉降监测中的研究

针对现有时序分析在大范围形变监测中数据处理时间长、存在大气延迟误差和相位解缠误差问题,该文利用LiCSAR产品,采用时序新方法LiCSBAS技术,引入GACOS产品进行大气改正,运用整体干涉质量检验和环闭合相位来剔除解缠误差。以昆明市为研究对象,选取2018—2021年获取的84景Sentinel-1影像进行实验研究。结果表明：LiCSAR产品能有效提高数据处理效率;采用CACOS产品对流层大气延迟进行改正具有一定效果;环闭合相位能够有效剔除解缠误差。利用该方法共监测出6个沉降区,其成因受城市建设、地质、地下水抽取等因素导致,相较于已有研究表明,A沉降区为新增沉降中心。该方法在大范围城市地面沉降监测中具有一定优势,可为防灾减灾事业及政府部门决策提供一种有效的手段。     

地形校正对U-Net深度神经网络分类器分类精度的影响

在国土资源监测、森林资源调查等多个领域中,基于遥感影像的分类技术受到了广泛应用。在利用传统分类器对地表覆盖分类提取中,地形效应是制约分类精度提升的一种因素,其影响可通过适当的校正模型减弱,且已证明地形校正能够对分类精度的提升起到积极作用。相比于传统分类器,基于深度学习理论的深度神经网络分类器具有深层特征学习和表达的优势,在图像分类领域兴起并逐渐用于土地覆盖分类且取得了不错的精度提升。本文初步探究了地形校正在利用深度神经网络分类器U-Net进行地表覆盖分类时对分类精度的影响情况。以Landsat 8 OLI 30 m影像为数据源,结合GDEM＿V2 30 m地形数据,在GlobeLand 30和全国30 m森林分类结果的基础上,利用U-Net深度神经网络分类器实现了山区地表覆盖分类提取,并就不同训练样本获取方式及不同精细程度分类体系下地形校正前后的分类精度做了对比分析。分类结果表明：（1）规则网格裁切和坡向辅助裁切这两种训练样本获取方式下,地形校正后的分类精度较校正前不变或有极小幅度的降低,降低范围在0.9%—1.39%;(2)在对更精细的森林类型分类中,地形校正后的分类精度较校正前下降...     

高分多模卫星大气校正总体设计与在轨验证

高分多模卫星搭载中国首台民用大气同步校正仪,可以对同平台的高分辨率相机观测区域进行时间同步、视场覆盖的大气参数测量,实现对高分辨率图像的大气校正。文章论述了高分多模卫星大气同步校正的总体设计思路,并给出了时空同步、多谱段、多偏振通道探测体制的设计方案和地面验证结果。高分多模卫星入轨以后,对大气同步校正仪的大气参数反演效果和高分辨率图像的校正效果进行了分析,结果表明利用大气同步校正仪测量数据对大气气溶胶光学厚度（AOD）和大气水汽含量（CWV）的反演结果可信,对高分辨率图像有较好的大气校正效果。