基于CCD星图的空间目标精确光学定位方法研究

通过光学定位方法来确定空间目标的轨道是实现空间目标监测的重要手段之一。介绍一套小型的空间目标光学定位系统,针对该系统获取的CCD星图,提出Top-hat变换和中值滤波相结合的算法去除星图噪声,并提出基于梯度Hough变换的算法完成对CCD星图星点和轨迹的同时精确定位,最后利用星角距的旋转不变性和球面几何原理,实现对空间目标的精确定位。对分辨率为752×580的CCD实拍星图的应用研究结果表明,星图去噪算法和星点、轨迹同时精确定位算法是有效的,且空间目标的定位精度也可达到角秒量级。     

基于Hilbert-Huang变换的地震瞬时属性提取方法及应用(英文)

希尔伯特—黄变换(Hilbert-Huang transform,HHT)是一种新的适合非平稳和非线性信号的分析方法,由于地震信号一般呈现出非平稳与非线性特性,因此HHT非常适合地震信号的分析。本文首先介绍了HHT中关于经验模态分解(Empirical Mode Decomposition,EMD)的实现过程,在此基础上分析了几种基于EMD获得本征模态函数(Intrinsic Mode Functions,IMF)来计算瞬时频率的算法,其中利用了两个采样间隔瞬时频率的平均来计算瞬时频率,较好地反映了地震信号频率成分随时间变化的特征。将该方法应用于四川东北部某地区海相碳酸盐岩地层三维地震叠后偏移数据处理,提取"三瞬"地震属性,与传统的希尔伯特变换提取的"三瞬"地震属性进行对比,结果表明基于HHT的"三瞬"地震属性结果具有更高的分辨率,IMF2的瞬时相位能够较好地刻画台地边缘生物礁相,IMF2的瞬时频率亦具有较好的分带性。将IMF2的"三瞬"地震属性与钻井等资料结合分析,能够更好地识别沉积相的分布。     

非负矩阵分解和Curvelet在遥感图像融合中的应用

非负矩阵分解是一种提取图像原始信息局部特征的新方法,第二代Curvelet变换是一种效果较好的多尺度变换分析方法。结合两者特征提出一种基于NMF和Curvelet的遥感图像的融合方法,首先对已配准的多光谱图像和全色图像进行Curevelet分解,得到各层系数（Coarse、Detail和Fine尺度层）。然后对Coarse尺度层（低频系数）进行NMF分解,提取出包含特征基的低频系数;对Detail和Fine尺度层（高频系数）采用方差为测度参数进行邻域融合。最后进行Curevelet逆变换得到融合图像。实验结果表明,该方法的融合图像能较好地保留光谱信息,并在空间细节信息上得到改善,优于小波方法、Curvelet等方法。     

基于L1范数凸二次规划方法的航空重力测量数据稀疏重构（英文）

由于受到国界、测量成本和数据规模等因素的限制,航空重力测量本质上是一种欠奈奎斯特采样方法,本文通过离散傅里叶变换分析了航空重力测量的稀疏性,提出了利用压缩感知理论实现大规模重力异常数据高精度重构的思路。基于压缩感知理论,重力异常数据重构问题可以转化为基于L1范数的凸二次规划问题,本文结合预处理共轭梯度算法,提出了一种改进的内点法来解决此问题。进一步地,我们利用自主研发的SGA-WZ型捷联式航空重力仪在中国某地区进行了航空重力测量试验。通过对试验中测得的重力异常数据进行重构,与常用的线性插值重构方法对比,结果表明:本文提出的基于压缩感知理论的新方法能够以更高的重构精度,更有效地解决大规模重力异常数据的重构问题。     

基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声, 渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性); 同时, 当测试数据与训练数据存在差异时, 机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响, 本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分: 一部分是不同域数据分布的相互转换, 另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设, 当标签的概率分布与网络的分布保持一致时, 贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率), 使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后, 通过分布域的逆变换, 我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井数据中, 使用16口井的数据进行训练, 2口井进行测试.测试井的预测渗透率与真实渗透率基本一致.同时, 任意不确定性的预测结果提供了渗透率预测值受到的测井数据噪声影响的位置.认知不确定的预测结果说明数据量少的位置具有更高的认知不确定性.我们提出的这一流程不仅显示了在储层表征方面的巨大潜力, 同时可以降低测井解释时的风险.

     

二维地震数据的采样与其拉冬变换

由于二维地震数据的采样条件是以通常的一维观点来提出的，故其一般总是以一个矩形网格来进行采样和处理。对于一组二维数据来说，它的带宽区域（傅里叶平面上的那些超过某些非常小数值的振幅谱区域）能由两个三角形所围成的区域来挖，考虑到这个带宽区域的特殊形状，本文使用二维采样理论获得了能用于地震数据处理的结果，这样二维观点的采样条件自然比一维观点要减弱些，也就是说在同样的精度下只需要较少的采样点即可表示数据。     

矩阵变换法求多元多相体系中可能存在的化学反应关系

文章提出了一种对相组成矩阵实施、基底变换和化对角矩阵操作求多元多相体系中可能存在的化学反应关系的新方法。     

TM数据的Kauth-Thomas变换在盐渍土分析中的作用——以阳高盆地为例

本文就经过Kauth-Thomas变换的TM数据用于雁北阳高盆地盐渍化程度分析进行了探讨。通过模拟TM数据和TM影像数据进行变换分析,并与标准假彩色合成和K-L变换比较,取得了较好的结果。