用小波变换方法提取地下流体观测异常信息

首先对小波分析方法作了简单介绍,然后运用该方法,对1992～2002年上海地区9口水氡观测井的资料进行了6阶小波变换,提取的地震异常信息与实际地震有较好的对应关系;对1983年山东荷泽5.9级地震和1998河南清丰4.0级地震前聊古1井的氡观测资料进行了小波分析,发现1～6阶小波系数均出现异常;对1999年山东苍山5.2级地震前枣庄十里泉井的水汞观测资料进行了小波分析,发现1～6阶小波系数也出现异常.因此,运用小波分析方法可以有效地提取地震前兆异常信息.     

基于小波分析的光照电站边坡位移变形监测研究

光照电站是北盘江上大型水利枢纽,为确保安全施工和运营,采用智能型全站仪TCA2003对大坝两岸边坡进行位移变形监测。由于监测结果中包含测量仪器、测量条件和测量过程误差,利用db3小波和db6小波进行去噪处理,获取更具真实性和稳定性的数据。通过对比分析,db6小波去噪效果比db3小波好,调用函数提取db6小波分解前后的高频系数,可以判断出噪声主要集中在高频中前两层。     

基于HVS和模糊隶属度函数的卫星图像融合算法

提出了一种基于人类视觉系统和模糊隶属度函数的小波卫星图像融合新算法,利用小波域的人类视觉系统经验模型,刻画图像的边缘、纹理及高亮区域,采用模糊隶属度函数自适应地计算权系数,在小波域上通过加权平均实现了图像融合。     

基于MRMRF的多光谱纹理影像分割方法

提出了一种新的基于多分辨率马尔可夫场(multiresolution Markov random field,MRMRF)模型的小波域多光谱纹理影像分割方法。该方法采用可变的权重参数连接小波分解的多尺度特征场和标记场,通过直接映射,将上一尺度的分割结果作为下一尺度的初始结果,最细尺度上的分割结果作为算法的最终分割结果。实验表明,本文算法能够降低多光谱纹理图像分割的错误率。     

基于小波分解的动态变形预报

阐述了小波变换和多分辨率分析的基本原理,简要地介绍了离线预报和在线预报两种不同的变形预报方式,并在此基础上提出了基于小波分解的动态变形预报的方法,并通过实际算例证明了这种方法的有效性。     

遥感影像镶嵌时拼接缝的消除方法

对现有的影像并接缝消除方法的优缺点进行了分析,提出了拼接缝消除的强制改正方法,并用大量的实际图像进行了试验。结果表明：所提出的方法具有较好的拼接缝消除效果,且算法简单,易于实现,可以处理彩色和黑白等多种图像。     

基于Mallat算法遥感图像去云雾处理的改进方法

遥感图像云雾处于相对低频、景物处于相对高频。根据小波变换多分辨率的特点,分析云雾和景物在小波系数中的分布,得出景物信息包含于低层细节系数,而云雾信息包含于高层细节系数和近似系数。本文通过增大图像的低层细节系数,减小高层细节系数,并适当减小近似系数,达到去除云雾的目的。最后评价了图像处理结果,并与同态滤波做比较,表明本文方法是有效的。     

变形监测信号消噪的不确定度

变形表现为一种弱信号,误差呈现为强噪声。小波包分解消噪是对分解中所得到的高频部分再继续细分,因此具有更精细的消噪能力。采用最优小波包基进行信号重构的过程中,信号有一定的损失。若将消噪过程近似成拟合,拟合误差符合正态分布,可以采用假设检验法估计信号重构误差的区间,进而确定信号重构误差的不确定度,评价小波包消噪的质量。     

卫星测高推求的中国近海与全球海平面变化的趋势及小波相关分析

基于多种卫星测高资料融合海面高数据对黄海、东海、南海和全球海平面异常在1993年至2005年期间的变化趋势进行分析,结果表明:黄海、东海、南海线性趋势分别为5.05mm/a,4.8mm/a,4.27mm/a,均大于全球平均趋势项2.66mm/a,各海域的周期振幅和相位变化也存在较大差异。近海各海域与全球的海平面异常的小波交叉谱和相关谱分析表明,近海各海域与全球海平面异常变化在年际周期上具有较高的谱能,但相位差异较大,短周期相关性不明显。     

A new approach for finding an appropriate combination of texture parameters for classification

This article is an attempt to suggest a new approach for eliminating the lengthy process of selecting various parameters for extracting texture features and to quantify the relative importance of the parameters affecting textural classification. A multivariate data analysis technique called ‘conjoint analysis’ has been used in the study to analyse the relative importance of these parameters. Results indicate that the choice of texture feature and window size have higher relative importance in the classification process than quantization level or the choice of image band for extracting texture feature. Results of the classification of an Indian urban environment using spatial property (texture) have also been reported. It was observed that the classification incorporating texture features using grey level co-occurrence matrix and wavelet-based approach improves the overall accuracy in a statistically significant manner in comparison to pure spectral classification.