先验引导的多降质特征“珞珈一号”夜光遥感影像质量提升方法EI北大核心CSCD

珞珈一号夜光(NTL)遥感影像存在云雾、辉光、分辨率降低等多种复杂的降质现象,现有的深度学习影像质量提升网络往往只针对某一种类型的降质问题,且没有充分利用影像的先验信息,训练和学习过程的可解释性差,去除的降质类型单一。因此,针对含有多种复杂降质的影像质量提升问题,提出一种可解释性先验引导的多降质特征夜光影像质量提升方法。分析降质过程和降质表现,推导出了辉光、云雾噪声和空间分辨率下降的综合降质模型,并以该模型作为先验引导构建了云雾、辉光、分辨率3类数据集。在网络结构方面,针对3类降质设计了包含通道注意力模块和像素注意力模块的残差密连卷积神经网络,并用比值稀疏约束损失函数进一步提高影像的清晰度。利用珞珈一号夜光遥感影像进行了试验,结果表明,本文方法可有效去除云雾、辉光等的影响,处理后影像中的灯光边缘信息更加清晰,空间分辨率提高,影像质量提升明显。     

基于暗原色先验去雾算法的研究与改进

在雾天情况下,室外采集到的图像易受到噪声干扰,质量降低,清晰度下降。在对常用的几种图像去雾方法的对比分析及研究的基础上,提出了改进的基于小波变换结合暗原色先验去雾的快速算法。通过小波分解可求出近似环境光,对环境光,大气光的估计,可对原图像进行复原。实验表明,改进的算法不但去雾效果明显,图像色彩丰富,而且可以有效地减少运行时间,提高运行速度。     

基于经验模态分解的曲波阈值去噪方法

针对曲波阈值去噪方法阈值选取单一造成的有效信号损失或随机噪声压制不完全的问题,笔者提出了一种基于经验模态分解的曲波阈值去噪方法。该方法首先对带噪信号进行经验模态分解得到一系列固有模态函数,根据每个固有模态函数所含噪声强弱的不同,选取不同的阈值分别对分解得到的含噪固有模态函数进行曲波阈值降噪处理;最后将去噪后的固有模态函数与不含噪声的固有模态函数进行信号重构得到最终压噪的结果。由于引入经验模态分解,对分解得到的不同含噪程度的固有模态函数,选取不同的阈值进行处理,这样能够有效减小直接曲波阈值方法阈值选取单一产生的问题。模型和实际数据试算表明,该方法在提高数据信噪比的同时,能够有效地保留有效信号,是一种相对保幅的去噪方法。     

2~100GPa压力下D_2O冰相变的低温红外吸收光谱研究

在2~100 GPa和12~298 K的温度压力范围内系统地研究了D2O冰Ⅷ以及冰Ⅶ-Ⅷ和Ⅶ-Ⅹ相变的红外吸收光谱特征。我们发现冰Ⅷ的伸缩振动(v1,v3)和转动振动(vR,vR′)的频率及其压力依赖与冰Ⅶ基本一致,但弯曲振动(v2)频率存在明显差异,在6 GPa压力以上时位于约1100 cm-1,较冰Ⅶ低约80 cm-1。在10 GPa压力以下,冰Ⅶ及冰Ⅷ的弯曲振动频率随压力升高而降低,显示出异常的软模行为,可以用结构弛豫来解释。在100 K温度以下,冰Ⅷ在74 GPa相变为非分子相的平动无序冰Ⅹ,该相变以转动振动(vR)向变形振动(vD)的转化为特征。所观察到的冰Ⅶ-Ⅹ相变的红外光谱特征可以用来确定Ⅶ-Ⅹ相变压力。在平动无序冰Ⅹ中,氢原子(H或D)沿氢键束缚O-H(D)···O轴的发生隧道效应,隧道效应使得围绕着一个氧原子可以形成由4个氢原子构成的四面体,从而导致红外活性的变形振动(vD)的产生。     

高密度3D3C资料多域分步噪声压制技术的应用

针对高密度宽方位3D3C地震资料处理要求,考虑有效信号与噪声在类型、时间、频率、数据域、处理步骤、地表区域等方面存在的差异,选择多域分步去噪策略,在不损害有效信号的前提下,首先使用十字排列锥形滤波去除面波、线性噪声,然后采用低频噪声编辑去除残余面波及低频噪声,接着进行分频去噪来去除各类随机噪声,最后去除折射波。从单炮记录和叠加剖面的监控显示上都证明了该方法的有效性,资料信噪比也得到提高。     

超声检测信号直达波衰减的Curvelet变换方法

利用超声脉冲回波法检测混凝土内部缺陷体时,由于介质的各向异性,使得接收信号中含有较强的结构噪声;同时,直达波信号振幅强,衰减少,传播路径短。上述原因导致难以分辨测量信号中的有效信号。为了压制噪声,去除直达波,采用了Curvelet变换对实测超声数据进行变换处理,分析直达波在Curvelet域的分布特点,得到其Curvelet系数,采用类似去噪的手段选取合适的阈值,重构得到滤除直达波的有效信号。同小波变换相比,Curvelet变换在去除直达波、滤除噪声的同时,较好地保留了有效信号。对比经过Curvelet变换处理前、后数据的SAFT成像效果表明,Curvelet变换能极大地提高超声无损检测数据分析的准确性。     

联合LMD与EMD的GNSS站坐标时间序列去噪方法

针对GNSS站坐标时间序列信噪不易分离的问题,在传统EMD去噪方法的基础上,本文提出了一种联合LMD与EMD的坐标时间序列去噪方法。该方法首先采用LMD分解原始坐标时间序列,基于连续均方误差（CMSE）原则分离高频噪声与低频信号,保持低频分量不变;然后对高频分量进行EMD去噪;最后以2次分解所得低频信号之和作为去噪后时间序列。以仿真数据与8个GNSS基准站实测数据进行试验,通过多种评价指标进行精度评估。结果表明,与传统EMD方法相比,联合LMD与EMD的方法能够更加精确地去除坐标时间序列中的噪声。     

D－InSAR技术在淮南矿区沉陷监测中的试验研究

综合矿区开采沉陷特点和D－InSAR基本原理指出,当前D－InSAR矿区沉陷监测的难点为：1）不易采用同一传感器数据监测整个地表移动周期内的矿区沉陷;2）在低潜水位矿区,地表移动活跃期内最大变形梯度往往超过雷达临界探测梯度导致去相干;3）在高潜水位矿区,变形梯度大、沉陷积水区雷达回波信号弱,导致干涉测量结果不理想。因此,为了改善D－InSAR在矿区的沉陷监测中的应用效果,针对上述问题提出了相应的解决方案。最后,通过选择淮南矿区形变期内的两景数据,进行二轨差分干涉处理,获得了研究区域煤炭开采形成的地表沉降场,并分析了不可靠形变信息产生的原因。     

多项式拟合模型在GPS水准测量中的应用

围绕高程异常的求算,对GPS水准相关问题进行探讨,研究多项式拟合高程异常函数模型.采用实际数据,对研究区域进行原始坐标直接处理和坐标中心化处理,分析法方程系数矩阵的病态性对拟合参数稳定性的影响;并探究公共点与检核点之间的位置关系对精度的影响规律.最后,将多种拟合模型的精度进行比较,找出适合测区拟合的最优模型.     

基于LAMBDA整周模糊度解算方法中的整数Z变换算法

LAMBDA算法是目前公认求解整周模糊度效果最好的方法,该算法主要包括模糊度去相关处理(Z变换)和整周模糊度搜索,其中Z变换对高度相关的整周模糊度进行降相关处理是LAMBDA算法的核心内容。本文分析了Z变换中迭代法和联合去相关法两种算法的基本原理,并通过实例对两种算法进行了性能评价,实验分析表明两种算法去相关水平相当,迭代次数无明显差异,但矩阵维数越大,去相关效果越有所下降。总体而言,联合去相关效果略高于迭代法。