基于低冗余度曲波变换的三维地震信号处理

地震信号的插值和去噪问题是地震信号处理的重要研究内容,基于稀疏变换的方法将地震信号在变换域中稀疏表示,根据信号和噪声在变换域的不同表现采用阈值法实现插值和去噪.介绍了一种低冗余度三维曲波变换,并将其用于地震信号的插值和去噪.数值结果表明,该变换冗余度低,在保证曲波变换对地震信号处理有较好的数值效果的同时,将计算速度提高了4倍左右.     

基于曲波变换的地震数据压缩感知重构算法

为提高地震数据压缩感知重构的信噪比和保真度, 提出一种基于曲波变换的地震数据压缩感知重构算法。建立了地震数据压缩感知重构模型, 分析了基于曲波变换稀疏表示的地震数据各尺度之间能量与熵的分布特性, 结合分块压缩感知技术降低随机观测的计算复杂度, 利用曲波变换稀疏表示高频区域各尺度之间的相关性, 设计了随信息熵变化的自适应双变量收缩阈值迭代重构的方法。实验结果表明, 在相同的采样率下,该算法重构的地震数据峰值信噪比提高了1. 5 dB 以上, 并且具有良好的细节信息保持能力。     

基于指数阈值迭代法的高精度地震数据重建

地震勘探数据采集中,地震道缺失是不可能避免的现象。为了满足后续处理和解释的要求,缺失道数据重建是地震勘探数据处理中必不可少的预处理环节。为此,提出一种基于指数阈值迭代法的高精度重建方法进行叠前重建。引入能够刻画地震数据局部化特征的多尺度多方向二维曲波变换,采用阈值迭代法进行数据重建,并在迭代过程中采用软阈值算子去除由欠采样所引起的随机噪声干扰。同时在重建过程中针对传统阈值参数收敛速度较慢的缺点,提出了一种新的指数阈值参数公式,降低计算迭代次数和提高重建精度。理论数据的模拟表明,该方法重建效果显著,计算速度较快,应用于实际地震勘探资料,获得较好的重建效果。     

基于FDCT的图像消噪算法

由于曲波(Curvelet)变换可以很好的逼近含线奇异的高维函数,近年来日益受到研究人员的普遍关注.传统的数字曲波变换是非正交的、冗余度较高,而本文采用的快速曲波变换(Fast Discrete Curvelet Trans form,FDCT)对物体边缘信息具有最优稀疏表示.通过实验表明,基于FDCT的图像消噪算法可以很好的保持图像边缘,使消噪后的图像获得较好的视觉效果,同时峰值信噪比(PSNR)也得到很大提高.     

基于组结构字典稀疏表示的地震数据随机噪声压制

基于地震数据自身学习得到的自适应字典能够更精确地表示地震数据,针对稀疏表示传统方法训练出来的自适应字典的无结构性问题,文章提出一种基于组结构字典稀疏表示的地震数据随机噪声压制算法。该算法首先通过地震数据本身训练得到自适应学习型并具有一定结构性的组结构字典,然后利用该组结构字典对地震数据进行稀疏表示,通过得到的表示系数重建地震数据。所用的组结构字典能够更好地适应地震数据自身特性,对地震数据进行稀疏表示可得到更加稀疏的表示系数,滤除了通常系数很小的随机噪声,从而能够有效压制随机噪声。实验表明,文中所提出的地震数据随机噪声压制算法具有良好的去噪效果。     

基于高阶稀疏Radon变换的预测多次波自适应相减方法

利用高分辨率稀疏Radon变换和正交变换两种原子构成过完备的信号重构空间,使得地震信号在此高阶高分辨率稀疏Radon变换域中能够被稀疏表示;结合基于过完备字典的信号稀疏表示,提出高分辨率稀疏Radon变换和正交多项式变换结合的高阶稀疏Radon变换(HOSRT)。所提方法通过将地震数据和预测多次波变换到高阶稀疏Radon空间,用完备的高阶稀疏Radon变换原子稀疏表示,并在该域进行自适应相减,能够有效分离一次波和多次波;而且由于构造的完备空间克服了正交性的问题,压制过程中降低了对一次波的损伤。对合成地震记录和实际资料的处理结果表明该方法能够提高多次波的压制效果,同时还可以较好地保留一次波振幅AVO(振幅随偏移别距的变化)特性。     

基于社交关系和条件补全的协同过滤推荐算法

针对传统协同过滤算法中存在数据稀疏、数据冗余和算法效率低等问题,提出一种基于社交关系和条件补全的协同过滤推荐算法.该算法将社交关系数据应用到矩阵补全过程中,减小原始矩阵的稀疏度,同时提高补全数据的精确度;在项目相似性计算时,条件性地选择参与计算的向量数据,减少数据的冗余度,并降低算法的时间复杂度.实验结果表明,改进算法的推荐准确率明显提高.     

基于曲波变换与快速指数阈值迭代的多震源地震数据分离

传统的地震数据采集方式是炮与炮之间分开激发,施工效率较低,多震源地震混采技术通过多炮同时或延时激发,大幅提高了施工效率,但同时也给地震数据带来了较大的混合噪声,传统方法的去混效率偏低,为此,本文将曲波变换与快速阈值迭代法进行结合,在此基础上使用指数阈值模型,得到一种基于稀疏反演快速高精度的多震源数据分离方法。在曲波域分离过程中,采用软阈值函数和指数阈值模型,经过迭代获得了较好的分离结果,此外,本文还对其抗噪性能进行了相关的研究。理论数值模拟和实际数据的应用,表明本文方法相较于传统的分离方法,收敛速度更快,保留了更多的有效信号,具有更高精度的分离效果,且有良好的抗噪性能。     

地震数据规则化重构方法策略

地震数据规则化重构是地震资料处理十分重要的基础性工作。首先分析地震数据在频率波数域的表现特征,研究发现规则或非规则采样不足均会造成频谱能量在波数域发散,从频谱分析角度阐述规则化重构的重要性;然后根据地震数据的类型对现有的各种规则化重构方法进行分类,依据其实现原理分析各种方法的优缺点及适用条件,总结不同条件下规则化重构方法的选择策略;最后根据总结策略对重构方法进行模型测试。结果表明,地震数据重构的重点为抗假频重建,当规则采样不足时可以采用基于预测误差滤波理论、各种数学变换及其与稀疏反演组合的重构方法,当非规则采样不足时采用基于各种数学变换、矩阵降秩理论和预测滤波理论以及三者分别与稀疏反演或压缩感知理论相结合的方法,不同方法对比效果进一步验证了总结的规则化重构选择策略的正确性和可行性。     

基于Seislet分数阶阈值算法约束的平面波最小二乘逆时偏移

基于平面波编码的平面波最小二乘逆时偏移存在两个问题,即炮数据混叠引入串扰噪音以及平面波道集数目过多又会降低计算效率。针对上述问题,将适用于地震数据的Seislet变换和应用Riemann-Liouville分数阶积分理论的分数阶阈值函数相结合,并将其引入到平面波编码的最小二乘逆时偏移中,实现基于Seislet分数阶阈值算法约束的平面波最小二乘逆时偏移。在实现该方法的基础上,对简单层状模型和复杂模型进行成像测试。结果表明,地震数据在Seislet域中具有较好的稀疏性,且基于Seislet分数阶阈值算法约束的平面波最小二乘逆时偏移能够有效地压制炮数据混叠引起的串扰噪音,同时能够用较少的平面波道集得到与普通方法相同的成像效果,提高了计算效率。     

基于压缩感知和稀疏表示的数据重建与去噪算法研究

传统的数据重建算法受奈奎斯特采样定理限制,采样率要求较高不能灵活等适应实际环境。本文基于压缩感知和稀疏表示理论,提出一种采样点少且流形结构简单的图像重建算法,以少量的采样数据实现从低分辨率观测中恢复高分辨率图像。算法首先通过原始数据特征设计出稀疏表示矩阵;其次,根据表示数据和观测数据的不相关性找出与稀疏表示矩阵对应的最优感知矩阵;最后,通过稀疏求解实现数据的重建与去噪。实验表明,该算法在同等条件下能够避免大量冗余数据的计算,提高数据重建的稳定性和有效性。     

一种基于压缩感知的单样本人脸识别方法

针对人脸姿态、光照和表情等各方面原因引起人脸识别率不高的问题,提出了一种基于单样本特征点形变成冗余样本的压缩传感人脸识别方法.将人脸图像信号进行小波变换得到系数的稀疏表示,采用高斯随机测量矩阵进行测量得到离散人脸单样本,基于特征点形变人脸三维模型生成冗余样本,通过稀疏特征点正交匹配追踪非线性重建算法重建冗余图像进行人脸识别.仿真实验结果表明,所提出的算法相对于同类算法,时间复杂度较低、精确度较高、鲁棒性较强,且随复杂环境变化,其优势更明显.     

一种基于曲波变换的图像增强方法

本文提出了一种新的基于曲波变换的图像增强方法,文中首先介绍了曲波变换模型,采用曲波变换方法增强图像的原理。然后提出新的算法：对舍噪声图像进行曲波变换得到曲波变换系数;对图像的曲波变换后各尺度系数中的高频成分进行软阈值操做,而对低频成分作灰度拉伸;对处理后的曲波变换系数进行曲波反变换得到增强后的图像。最后通过图像质量评价方法对实验结果作了分析,结果证明该方法能够有效抑制噪声。     

基于波原子稀疏优化与组稀疏表示的压缩感知算法

图像的稀疏度对实现图像压缩感知重建具有十分重要的影响,波原子变换能够有效地对图像进行稀疏表示并且具有可逆性。本文提出一种基于波原子优化稀疏变换与组稀疏表示的图像压缩感知重构算法,根据图像波原子变换系数逐渐降低的特点,构建一种约束矩阵对图像的波原子变换系数进行抑制从而增强图像稀疏度,通过组稀疏表示图像重建算法进行图像的压缩感知重构,最后对重构图像进行波原子逆抑制变换恢复原图像。仿真实验结果表明,本文算法相较于原有算法能够更好重构图像纹理细节,重构图像质量有明显提高,能够实现更低的采样率的图像压缩感知重建。     

基于CALPUFF模型的毒害性气体泄漏事故三维动态模拟方法——以开县井喷事故为例

针对目前基于大气扩散模型开发的应急管理 GIS 系统中存在的时空分辨率低、未考虑三维地形等问题, 提出一套基于CALPUFF模型的三维气体扩散模拟方法。经过多层计算, 获得气体扩散浓度的三维时空分布数据。 通过Marching Cubes可视化技术读取并显示 , 可以实现三维空间的气体动态扩散效果 。以“12·23”开县特大井喷事故为案例进行模拟, 并开展二、三维对比以及模拟数据与实际情况对比分析。结果表明, CALPUFF模型三维计算得到的气体浓度在量级和空间分布上具有较高的精确性, 三维时空动态模拟具有较高的时空分辨率和重建效率, 可以达到较好的可视化效果, 能够更好地表达气体泄漏过程和扩散规律, 为应急管理提供重要的辅助手段。     

一种快速迭代软阈值稀疏角CT重建算法

针对目前迭代软阈值稀疏角CT重建算法收敛速度较慢的问题,提出了一种基于全变分约束的快速迭代软阈值稀疏角CT重建算法.该算法首先对CT稀疏投影数据采用联合代数重建算法(SART)进行重建,以获得满足数据一致性的重建图像,然后计算SART重建图像的离散梯度变换,并对其进行软阈值滤波,最后利用离散梯度变换的伪逆更新重建图像.由于在迭代过程中利用了前2次迭代重建图像作为下一次迭代的初始图像,因而加快了重建算法的收敛速度.对Shepp-Logan模体进行仿真的实验结果表明:在无噪、5×104和2×105光子泊松噪声情况下,与SART重建算法、基于Harr小波的快速迭代软阈值算法以及基于全变分约束的迭代软阈值重建算法相比,该重建算法的收敛速度有明显提高,同时能够有效减小图像的相对重建误差.     

图像的多尺度稀疏分解及其在遥感图像融合上的应用

提出了一种图像多尺度稀疏分解的新方法,联合局部离散余弦变换基和曲波变换基组成分解字典,通过控制字典系数从多个尺度把二维图像稀疏分解为纹理成分和卡通成分,并以此应用到遥感图像融合,提取有效尺度下高分辨率全色遥感图像的纹理成分和多光谱遥感图像的卡通成分,对二者进行稀疏重建得融合图像.实验结果表明,多尺度稀疏分解的遥感图像融合方法优于经典融合方法,融合结果具有更高的空间分辨率和更低的光谱失真,相比流行的稀疏重建法,该方法的执行速率得到大幅提升,且取得了更好的融合结果.     

基于单视图稀疏点的汽车三维模型重建

基于深度学习的图像识别模型训练需要大量数据,而不同角度的汽车视图数据难以在短时间内收集,为此提出一种利用单视图稀疏点的汽车三维模型重建方法,依靠少量数据也能得到精确的结果。创建了包含3 000多张不同汽车品牌的多视角二维汽车图形数据集,并在TensorFlow框架下搭建了基于MobileNet V2网络和迁移学习的汽车视图角度识别系统,其结果能够进一步用于快速的模型匹配及重建;根据创建的汽车三维线框模型库以及二维关键点和三维模型的映射关系,利用带约束的最小二乘法求出模型库中不同模型对于重建的贡献量系数,直接由二维图片上稀疏的25个关键点生成三维模型。误差分析结果显示,重建的三维车身模型具有较高精度。     

基于快速匹配追踪的混合域地震稀疏反演方法

匹配追踪稀疏地震反演是基于模型参数L0范数稀疏性度量的高分辨率反射系数反演方法。针对经典匹配追踪反演策略抗噪能力强但计算效率低的问题,通过控制多原子迭代次数和迭代阈值搜索模型最优解,提出基于快速匹配追踪算法的混合域地震稀疏反演方法。首先,在相对纵波阻抗低频模型约束下,构建混合域褶积模型正演算子和正则化方程,低频背景的引入将有效缩小模型参数的搜索空间;然后,在多原子快速匹配追踪反演框架推导混合域稀疏反演目标泛函,提高地层反射系数的恢复效率和收敛精度;最后,利用数据测试及实际地震资料对该方法的预测精度和可靠性进行试验分析,该方法相比常规时间域反演有助于选择高信噪比的频率分量提高算法的抗噪能力,而且在改善反演分辨率的同时避免了匹配追踪算法存在的计算效率低和局部极值的问题。     

基于三维参数化斜Haar变换彩色图像压缩编码

提出基于三维参数化斜Haar变换的静止彩色图像压缩编码方法,采用计算复杂度低、变换效果好且变换矩阵可随参数灵活变化的新型参数化斜Haar变换,并将彩色图像的R,G,B 3个分量看作一个整体同时进行变换,不仅有效地去除了各分量内像素的相关性,还去除了各分量间的相关性.理论分析和实验结果表明:参数化斜Haar变换的重建图像质量接近于准最优的DCT变换,同时,提高了压缩比.该方法计算量较小,尤其适合于编码效率更高的16×16分块方法,可推广应用于画面质量要求不太高的实时视频编码中.