基于三维曲波变换的弱信号恢复方法研究

传统的弱信号恢复方法在强噪声背景下具有较大的局限性,有用的信息往往淹没在强噪声背景下不易被识别。针对这个难点,提出一种基于三维曲波变换的弱信号恢复的方法。该方法将三维曲波变换和自适应滤波器相融合,从而提高数据中弱信号的能量,使得弱信号更易于被恢复。为了验证该方法的有效性,对楔形模型与实际三维数据进行处理。实验结果表明,恢复后的数据信噪比提高了2 d B到3 d B,频带也被拓宽了150 Hz,弱信号得到较好的恢复。

地震信号的完整集合分解方法

为有效开采岩性、薄储层等隐蔽性油气藏,需准确处理分析非线性、非平稳地震信号,以获取信噪较好的地震剖面。基于提高处理后地震剖面精度的需求,提出了一种地震信号的完整集合分解方法(Complete Ensemble Empirical Mode Decomposition,CEEMD)。CEEMD主要由经验模态分解(EMD)、本征模态函数的确定以及地震信号完整重构3部分构成,在EMD的基础上加入了自适应噪声来减小模态效应,分解过程中既保留了EMD处理非平稳、非线性信号的优势,又可以有效改善EMD的模态混叠问题,从而提高信号的信噪比并有效保留原信号中的有效成分。该方法可对地震信号进行更为精确地分解,然后实现完整的信号重构,在精确处理的同时,大大减少了有效信号的丢失,使地层信息更加明确,地质结构分辨率得到有效提升。

旋转纹理不变模型下的快速人脸匹配方法

为解决传统SIFT模型在人脸匹配时存在的相似区域误匹配问题并满足实时要求,提出一种RISIFTTF(rotation invariant SIFT with texture feature)模型下的快速人脸匹配方法。将RITF(rotation invariant texture feature)与SIFT融合,形成RISIFTTF模型,通过GPU对构建高斯差分金字塔和检测定位极值点等步骤并行加速。选取来自FERET和自采集的人脸库,对比优化前后的结果,对比结果表明,对于FERET库,配准率提高了8.23%-12.76%,加速比提高了5倍-6倍;对于自采集库,配准率提高了11.53%-14.21%,加速比提高了4倍-5倍,实现了对传统模型的优化与加速。