基于压缩感知的小波阈值和CEEMD联合去噪方法

中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显著优势.     

基于压缩感知理论的地震数据降噪方法

针对地震数据在采集处理过程中存在的随机噪声,本文从压缩感知的角度,给出了一种地震数据降噪方法.其基本思路是:首先对含有随机噪声地震数据通过离散余弦变换进行稀疏表示,然后选取随机高斯矩阵为测量矩阵,并计算出传感矩阵,在地震数据重构阶段,采用正交匹配追踪算法对地震数据进行重构;通过实验方法对比,本文方法的降噪效果在峰值信噪比、信噪比、均方误差指标上均优于对比方法,证明了本文方法对地震数据中的随机非平稳噪声有较好的压制效果,提高了地震数据的信噪比.     

基于WebGL的海岛环境场三维可视化

为解决海岛环境场三维可视化过程中存在的计算速度慢、渲染效果差和人 机交互不流畅等问题,文章基于WebGL和GPU加速渲染技术,提出基于WebGL的海岛环境场三维可视化方法。对不同环境场进行数学建模,其中矢量场基于二阶欧拉积分算法构建粒子运动模型,标量场基于双线性插值生成网格并建立颜色映射模型;基于视角感知构建多尺度变换模型,建立不同视角下矢量场的多尺度三维展示模型;基于GPU渲染技术,实现海岛环境场的三维可视化。实验结果表明,在GPU模式下,矢量场的渲染速度可达60 FPS,与CPU模式相比性能提升1.6～5.0倍,满足矢量场三维可视化的需求,同时极大地提升标量场的可视化效果,解决渲染效果颗粒感重和分级色差弱等问题。     

“游客—居民—经营者”语境下历史街区地方文化重塑效果感知研究——以北京前门历史街区为例

地方文化的塑造是历史街区旅游发展的重点,而游客、居民、经营者作为旅游发展的重要参与者,其认知和态度则是历史街区开发的基础,对历史街区文化旅游的转型发展有非常重要的影响。该文以北京前门历史街区为例,借助内容分析法和重要性—绩效分析法(IPA),从游客、居民和经营者的综合感知视角,探查地方文化的重塑效果。结果表明：(1)前门地区地方文化构成要素分为物质层、非物质层两大类,包括特色建筑、街道肌理、景观符号、特色商品、地方品牌、文化活动、传统习俗、名人轶事、文学曲艺、生活方式10个子类;(2)不同利益主体对于地方文化的感知内容存在一定差异,但整体对其文化内容和要素的反应相似;(3)游客、居民、经营者对前门地方文化表达的情感反馈均较积极,但居民反馈相对较低,是管理者需要关注的重点;(4)各文化要素在不同利益主体中的期望和表现效果具有一定差异,其中传统习俗和文化活动是未来提升的重点内容。     

滨海湿地稀疏采样重构高光谱图像分类精度评价

高光谱遥感影像维数高、数据量大、波段之间的相关性强,分类时易出现"Hughes"现象,因此在分类过程中如何有效减小数据处理过程中的计算量,又保证原始数据重要的地物信息不丢失具有重要的意义。压缩感知理论可通过远低于耐奎斯特的采样率和少量观测数据实现信号的精确重构,具有对硬件读写要求低、图像恢复效果好等优势。通过利用基于小波变换的压缩感知算法对黄河口地区的高光谱影像进行图像重构,然后分别采用SVM算法、最大似然法以及神经网络分类法对重构后的影像进行分类,并对分类结果的精度分别从空域和小波域、不同的测量值等维度进行了分析和比较。结果表明:(1)压缩感知理论重构后的影像保留了原始影像的基本信息,保证了分类精度;(2)SVM算法的分类精度最好,空域和小波域的分类精度基本一致;(3)分类精度随测量值的增加先逐渐提高,然后趋于稳定。     

中国避暑型气候的地域类型及其时空分布特征

由于中国各地纬度、地形及海陆位置的地域差异,形成了多种多样的避暑型气候。本文采用1993-2012年756个国家基本站和122个辐射站逐日气象数据,基于通用热气候指数(UTCI)模型计算各气象站点的人体感知温度,结合聚类分析方法对避暑型气候的地域类型进行了研究,并对其空间分布、时间变化和舒适特征进行了分析。结果表明：中国避暑型气候主要包括西南高原型、中东部山岳型、东北山地平原型、西北山地高原型和环渤海低山丘陵型5种地域类型;各类避暑型气候具有显著的地域特色：西南高原型避暑气候纬度低、海拔高,太阳辐射较强;中东部山岳型避暑气候地势高、风速大,夏季舒适偏冷;环渤海低山丘陵型避暑气候地势低、湿度大,夏季舒适偏热且舒适度受海风影响明显;西北山地高原型避暑气候温度适宜、天气晴朗,但略显干燥;东北山地平原型避暑气候凉爽、风速不大、辐射不强、湿度适中,综合条件相对优越。从各类避暑型气候夏季人体感知温度的变化来看,环渤海低山丘陵型舒适期较短,其余类型舒适期相对较长,东北山地平原型和西北山地高原型人体感知温度曲线呈良好的单峰对称变化,其余类型大致呈单峰不对称形态。本文不仅丰富了避暑型气候研究的理论成果,而且也可为避暑型旅游资源的开发与规划提供科学依据,进一步指导人们的避暑旅游活动。     

基于社会感知计算的游客时空行为研究

在情景感知、大数据、移动互联网和物联网发展的大背景下,迎合社会感知计算发展的趋势,探讨旅游社会感知计算内涵及其应用。在分析了现实地理世界、游客行为研究和社会感知计算之间关系的基础上,探讨旅游管理、传感器、游客活动和推理机的相互作用,构建了四位一体的游客行为社会感知计算概念模型。同时以西安国内游客为例,在新浪微博数据的支持和旅游社会感知计算框架下,探讨西安国内游客的时空共现和旅游流空间转移,探明了游客之间的相互关系和旅游空间行为及旅游流空间网络特征,为游客行为研究提供了思路和借鉴。同时在目前社会感知计算研究进展的基础上,展望了旅游社会感知计算未来的发展方向。     

基于DEM的交通线文化景观感知与功能分段研究——紫荆关长城景观的实证

在已有景观感知度概念和模型基础上,根据景观规模和特征将交通线某一具体位置的景观感知度划分为单点景观、多点景观和组景观感知度,并提出了基于集合表达的交通线景观感知度模型,以解决在一组特定的线性空间单元或区域上开展景观感知的研究和计算问题。以紫荆关长城文化景观为例,利用DEM进行景观视域分析,并引入资源价值、遗存现状等权重因子,实现了紫荆关附近公路和铁路线的景观感知度定量计算。根据景观感知度的空间格局,准确划分了敌台、烽火台和马面等单点景观、墙体景观及各类组景观和综合景观的最佳感知功能路段和最佳观赏位置。总体来看,紫荆关附近的公路线可感知位置连续性更强,铁路线高感知位置相对离散,公路感知效果整体优于铁路感知。交通线景观感知度模型特别适合用于大型造型地貌、宏伟建筑群等景观感知分析,是对旅游景观规划设计方法的一种扩充,能够将旅游景观规划设计从旅游地内部拓展到旅游地外围,对于提高旅游景观导引设计的精准性、提升旅游文化传播效率和增加传播途径等均有理论参考意义和实践应用价值。     

一种面向遥感影像内容认证的多级权限管理方法

完整性认证是遥感影像获得有效利用的前提,完整性无法确定的遥感影像,其使用价值将大打折扣。传统认证技术没有顾及遥感影像认证过程中的特殊性,并不是所有用户都有权甄别遥感影像是否经过扰动。而且,传统认证技术对数据进行二进制级别的认证,已不能满足遥感影像的内容认证需求。本文从内容认证的角度研究遥感影像的多级权限管理,提出一种基于感知哈希技术与单向函数的遥感影像多级认证权限的管理方法。感知哈希技术能用很少的信息表征遥感影像的有效内容,并对不改变影像内容的操作保持鲁棒性,与密码学Hash函数有着显著的区别。多级权限的管理则通过建立与权限矢量对应的密钥矢量来实现,权限较高的用户可以通过自己的密钥计算出低权限用户的密钥,反之则不行。本方法首先以单向函数生成不同等级的权限密钥,然后,根据不同区域的地物影像进行敏感等级的划分,最后,计算不同区域影像的感知哈希序列,并通过不同级别的密钥加密生成的感知哈希序列。用户认证影像内容完整性时,根据权限的不同认证不同敏感度的影像。实验与分析表明,该算法能有效实现遥感影像的认证权限管理,并具有较高的实现效率和安全性。     

基于压缩感知的Curvelet域联合迭代地震数据重建

由于野外采集环境的限制,常常无法采集得到完整规则的野外地震数据,为了后续地震处理、解释工作的顺利进行,地震数据重建工作被广泛的研究.自压缩感知理论的提出,相继出现了基于该理论的多种迭代阈值方法,如CRSI方法（Curvelet Recovery by Sparsity-promoting Inversion method）、Bregman迭代阈值算法（the linearized Bregman method）等.CSRI方法利用地震波形在Curvelet的稀疏特性,通过一种基于最速下降的迭代算法在Curvelet变换域恢复出高信噪比地震数据,该迭代算法稳定,收敛,但其收敛速度慢.Bregman迭代阈值法与CRSI最大区别在于每次迭代时把上一次恢复结果中的阈值前所有能量都保留到本次恢复结果中,从而加快了收敛速度,但随着迭代的进行重构数据中噪声干扰越来越严重,导致最终恢复出的数据信噪比低.综合两种经典方法的优缺点,本文构造了一种新的联合迭代算法框架,在每次迭代中将CRSI和Bregman的恢复量加权并同时加回本次迭代结果中,从而加快了迭代初期的收敛速度,又避免了迭代后期噪声干扰的影响.合成数据和实际数据试算结果表明,我们提出的新方法不仅迭代快速收敛稳定,且能得到高信噪比的重建结果.