形态学和小波域滤波级联的杂波抑制算法研究

为保留目标的同时尽可能多地抑制图像背景杂波,在研究形态学滤波、空域平滑滤波、小波域平滑滤波以及它们级联的背景杂波抑制算法的基础上,提出形态学滤波和小波域平滑滤波级联的杂波抑制算法。该算法先对含有微弱目标和白高斯噪声的原始图像进行空域形态学滤波,然后对形态学滤波结果进行小波变换,在小波域中对各小波系数分别平滑滤波,用滤波前的小波系数减去滤波后的小波系数得到差值系数,对差值系数再进行逆小波变换。仿真测试表明,提出的算法在得到的残差图像中目标邻域信杂比(SCNR)平均增益比空域形态学滤波算法和空域平滑滤波算法等均有较明显的提高,为后续的目标检测与跟踪提供了良好的保障。     

GPS单频伪距相位平滑的离散性分析

基于Hatch滤波方法进行伪距相位平滑的研究,对GPS单频伪距相位平滑的离散性进行理论分析,给出移动窗口分段平滑方法的处理方案.采用自编软件,利用IGS跟踪站数据,对单频伪距相位平滑的离散性进行数据验证;对基于Hatch滤波的移动窗口分段平滑方法的可行性和效果进行分析,结果表明:移动窗口分段平滑方法可以较好地控制单频伪...     

一种改进型曲线光滑算法

本文改进了线性迭代方法并进一步结合五点法提出一种新型曲线光滑解决方案,从而满足不同应用要求.新算法在保持前两种算法简单、速度快等优点的同时,克服了线性迭代法生成曲线不能通过已知数据点的弱点,能保证生成曲线严格通过所有已知数据点并保持一阶连续,而且一定程度上避免了五点法生成曲线“之”字形自相交的弊端,并可根据不同具体应用...     

利用泰森多边形和格网平滑的人口密度空间化研究——以徐州市为例

在运用泰森多边形作边界替代得到徐州市区人口密度的分布图后,采用GCAWI法实现了徐州市区人口数据的空间化,提出了采用大小两种格网错置的平滑方法,并运用此方法得到徐州市2000年和2005年的500 m×500 m的格网人口密度分布图。结果表明:①通过对比两个年份的人口密度分布图可以发现,徐州市区人口密度在2000年~2005年期间具有南移东扩的趋势;②利用大小两种格网错置平滑的方法实现了对人口密度空间化与平滑两个功能,平滑后的结果表明,徐州市区人口密度的空间分布具有块状集聚、轴状延伸的格局,整体来看呈现出"大"字形的态势;③通过与直接运用核函数内插得到的人口密度分布图的对比可以发现,前者对反映人口密度分布的细部差异比较敏感,而后者仅能反映出人口密度空间分布的整体格局。     

中国东海海平面变化多尺度周期分析与预测

海平面变化规律尤其是对海平面变化周期和上升趋势的研究,已成为国内外科学界研究的热点问题.使用1992-2009年海平面卫星测高仪数据资料,运用小波变换方法对中国东海海平面变化的周平均数据信号进行多尺度周期分析,并通过Winters指数平滑法对未来海平面变化进行预测,结果显示:①1992-2009年东海海平面呈现波动上升...     

速度模型的光滑处理分析

针对速度模型光滑处理对地震波走时、射线路径以及振幅信息的影响问题,从射线追踪方程组成立的前提条件、射线理论成立的高频近似理论以及菲涅尔带的角度着手,分析了速度模型光滑的理论基础.通过对同一模型光滑前后射线路径的计算表明,在不额外增加射线初始角度的前提下,模型的光滑处理可以有效地提高射线追踪的覆盖率;通过对不同速度模型光...     

基于时空Logistic回归模型的漳州城市扩展预测分析

本文提出一种以时空Logistic回归模型来预测城市扩展的新方法。其首先在传统Logistic回归模型中加入空间自相关结构构建空间Logistic回归模型,然后,利用漳州市区近20年(1989-2009年)的数据,建立不同时期城市扩展模拟的多个子空间Logistic回归模型M1,再采用一次平滑指数法综合处理这些时间序列...     

���ڹ۲�ֵ��Ȩ��λƽ��α��ı���α���ֶ�λ

????????????У?????????λ???α??????С??·??Ч???α??????????????????е????????????????????????????α??????????????????·??Ч????????????α?????λ???????????????????????λ???α??????????????????????÷??????????????????????λ?????     

Non‐linear prestack seismic inversion with global optimization using an edge‐preserving smoothing filter

Estimating elastic parameters from prestack seismic data remains a subject of interest for the exploration and development of hydrocarbon reservoirs. In geophysical inverse problems, data and models are in general non‐linearly related. Linearized inversion methods often have the disadvantage of strong dependence on the initial model. When the initial model is far from the global minimum, inversion iteration is likely to converge to the local minimum. This problem can be avoided by using global optimization methods. In this paper, we implemented and tested a prestack seismic inversion scheme based on a quantum‐behaved particle swarm optimization (QPSO) algorithm aided by an edge‐preserving smoothing ( EPS) operator. We applied the algorithm to estimate elastic parameters from prestack seismic data. Its performance on both synthetic data and real seismic data indicates that QPSO optimization with the EPS operator yields an accurate solution.