MT时间序列的FIR数字滤波分析

大地电磁测深法(MT)野外观测得到的原始资料是包含多种频谱的时间序列,这种时间序列中常包含不需要的信息和50 Hz及其谐波的干扰。结合FIR数字滤波技术与MT时间序列的特征,提出了一种基于FIR数字滤波技术的MT时间序列去噪方法,讨论了FIR数字滤波器的原理和实现,分析了理论数据通过FIR数字滤波的带通和陷波处理,探讨了对实测时间序列的带通和陷波所取得的效果。     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利用工程实例对预测模型精度进行分析.结果表明,小波去噪后的BP神经网络预测模型相比去噪前精度有所提升,精度更高,能够更为准确地反映监测对象的变形趋势.     

基于小波去噪的灰色模型在变形监测中的应用

灰色模型可在"贫信息"的条件下发现变形观测数据中的规律,但不能去除数据中噪声的影响;而小波分析可有效识别并剔除变形监测数据中的噪声(误差),使变形规律更加明显;结合两种方法的优势能增强数据分析的可靠性,提高预测精度.将小波去噪与灰色模型相结合,研究了该分析方法在高铁隧道变形监测中的应用,并得到了较可靠的预测结果.     

基于Sentinel-2卫星遥感影像的去云方法研究

在光学遥感卫星图像中,云是普遍存在的现象,它严重降低了图像的质量,因此,去云处理就是一个必不可少的步骤.深度神经网络在许多图像处理任务中取得了成功,但是利用该方法针对遥感图像的去云研究较少.本文采用GAN来解决遥感图像去云问题,首先训练生成模型生成无云影像,同时训练判别模型使生成的模型更加真实和清晰,最终达到从被云覆盖的卫星图像中恢复并增强这些区域的信息,生成质量更好的无云图像的目的.基于人工智能标注的Sentinel-2卫星遥感影像数据集的试验表明,与传统的小波变换基准相比,提出的生成对抗网络模型在去云处理方面效果有明显提升.     

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.     

基于矩阵束法的时域航空电磁响应数据的重构

为快速处理时域航空电磁响应数据,可将数据从时域变换到τ域,并提取数据的极点和留数信息,它们是与目标地质体的几何属性和物性相关的参数。基于矩阵束法,将感应电动势理论响应数据表示成矩阵形式,并分解构造矩阵束,通过奇异值分解和最小二乘法来进行参数估计。进行了正演模拟,重构理论响应数据和去噪能力研究。结果表明,有限个极点及其留数能够较好体现瞬态响应的主要特征,并对随机干扰有一定的抑制作用,这为快速处理解释时域航空数据提供了一种实用方法。     

北京一号小卫星图像镶嵌处理技术研究

介绍北京一号小卫星数据的特点及应用情况,分析了卫星图像镶嵌处理技术流程,对其中的技术难点,如去条带处理、几何校正、图像拼接及色彩平衡等进行了重点探讨并提出解决办法。利用北京一号小卫星数据将两幅多光谱影像进行了镶嵌处理,得到了一幅覆盖整个研究区的新影像,镶嵌影像色彩丰富、层次感好、信息量大。     

一种差分进化BM3D硬阈值参数的遥感影像去噪方法

针对遥感影像高斯白噪声去噪的问题,本文首先利用差分进化(DE)优化三维块匹配(BM3D)中的硬阈值变换参数(参数包括块距离阈值和三维变换域硬阈值参数);然后使用优化的BM3D算法消除影像中高斯白噪声,以峰值信噪比(PSNR)、结构相似度(SSIM)和边缘保留指数(EPI))作为评价指标。试验结果表明,在噪声密度不同情况下,融合算法的PSNR、SSIM和EPI均有所提升,尤其EPI相较于BM3D算法提高约2%。整体上,融合算法的遥感影像高斯白噪声的去噪效果优于单一BM3D算法。