基于二维经验模态分解的河北省及邻区流动重力场时空动态变化分析

搜集河北省及邻区2010—2019年20期的流动重力观测数据和绝对重力观测数据,利用二维经验模态分解方法获取河北省及邻区范围内(110°E~120°E,36°N~42°N)不同尺度、不同场源深度下的分解结果,并结合该时间段内M≥4.0震例进行回溯性检验。结果表明,当半年时间尺度与一年时间尺度下的1阶、2阶固有模态函数结果出现正-负重力高值差异或四象限异常变化时,在异常变化中心200km范围内存在2年内发生M 4.0以上中强地震的可能。该结论可为河北省及邻区后续震情分析和研判提供参考。

二维变分模态分解联合快速非局部均值的医学超声图像去噪方法

针对医学超声图像成像过程中出现的斑点噪声,提出一种基于二维变分模态分解(2D-VMD)联合快速非局部均值(FNLM)的去噪算法。该算法利用2D-VMD获得一系列高频至低频的本征模态分量;对保留绝大部分信息的低频模态进FNLM滤波,从而实现对超声图像的去噪。实验结果与传统滤波方法进行对比,提出算法在去噪的同时较好地保留边缘信息,有更好的客观评价参数,尤其是在高噪声方差中去噪效果明显优于其他算法。

二维变分模态分解矿井监控视频图像去噪

煤矿监控已基本覆盖到各矿井下的安全生产中,但矿井下复杂且恶劣的环境严重影响图像的质量,受到大量的椒盐噪声污染,降低了保障安全和消除隐患的能力。为此提出一种变换域图像去噪方法,将图像使用二维变分模态基于不同频率分解成低频和高频子模态图像,低频和高频图像中包含着不同的图像信息,对低频图像采用各向异性扩散滤波进行保边去噪处理,使用自适应中值滤波对高频图像中的大量噪声进行降噪,重构各子模态图像。以实际监控图像为研究对象,在不同噪声环境下进行对比实验,结果表明,与其他方法相比该方法具有优异的去噪效果,并且还能保留原始图像的边缘结构信息。

基于二维变分模态分解的GPR噪声自动抑制方法

探地雷达(GPR)回波信号经常被各种随机噪声所干扰,引起后续目标解译的困难。近年来,模态分解方法被广泛地应用于GPR数据噪声压制,然而,现有应用基于一维信号的模态分解需要对B-scan的每一道分别进行处理,忽略了道之间的相关性。除此之外,在复杂场景下的去噪效果也有待提升。为此,文中提出了一种基于二维变分模态分解的GPR噪声自动抑制方法,可以有效识别多个二维模态及其对应的中心频率。通过应用这种自适应方法,将图像分解为不同的信号模态和噪声模态,最终以带限方式准确再现输入的B扫描图像。此外,为了进一步完善信号提取过程,采用频谱分析技术自动选择最相关的信号模态。仿真和实测数据验证表明,所提方法可以较好地实现对低信噪比GPR数据的噪声去除,提高后续目标检测与识别等解译工作的精度。

基于二次模态分解的LSTM短期电力负荷预测

为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始负荷序列进行自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),再将CEEMDAN分解后分量中的强非平稳分量进行变分模态分解(variational mode decomposition, VMD),同时用中心频率法对VMD分解个数进行优化,然后将两次分解后得到的负荷子序列送入LSTM中进行预测,并将所得分量预测结果进行叠加。结果表明,本文所提方法对短期电力负荷预测结果精度和模型性能都有较大提升。

基于二维经验模态分解的医学图像融合算法

提出了一种自适应的二维经验模态分解(bidimensional empirical mode decomposition,简称BEMD)医学图像融合算法.待融合的医学图像经过BEMD分解成二维的内蕴模函数(bidimensional intrinsic mode function,简称BIMF)和趋势图像.BIMF图像经过Hilbert-Huang变换提取图像特征,然后,图像分解的各部分数据在区域融合规则下形成综合BEMD表示.最后,综合BEMD表示进行BEMD逆变换得到融合后的医学图像.BEMD分解方法是一种完全自适应的数据分解表达形式,具有比Fourier变化和小波分解更好的特性.该医学图像融合算法不需要预先定义滤波器或小波函数.实验结果表明,该算法与传统融合算法相比性能优越,能够大幅度提高融合图像的质量。

二维经验模态分解在工程表面形貌误差评定中的应用

针对目前表面微观形貌面形误差分离方法中存在边界畸变及自适应差等缺点,提出了将具有自适应时频分辨能力的二维经验模态分解算法(bidimensional empirical mode decomposition,BEMD)应用于三维工程表面面型误差分离中,同时用Riesz变换构造单演信号,计算信号整体的频率特征,完成对二维经验模态分解算法的终止准则的改进,使其能严格按照ISO4287所规定的截止波长分离三维表面各频段形貌误差。仿真结果表明,本文新方法相比于国标ISO中高斯滤波以及常用小波滤波,在分离三维工程粗糙表面各面型误差时,所得分离图形效果远优于传统方法所得,且各频段误差对应的三维评定参数误差均小于5%。最后对光学镀膜元件实例进行分析,结果表明该算法能够很好地分离各形貌误差的的空间信息,所得参数评定基准面相对传统方法不存在边界畸变等问题,因此该方法在实际工程表面评定应用中具有可行性。

利用二维经验模态分解提取川滇地区流动重力异常特征

首先介绍二维经验模态分解(BEMD)方法的基本原理及其关键技术,然后利用模型试验验证BEMD方法分解得到的各分量的实际地质含义,最后将该方法应用到川滇地区2015-09~2016-09流动重力差分动态变化异常多尺度分解中,并对提取的各尺度异常进行分析解释,各分量异常通过重构实现分场。结果表明,湮没在区域异常中的某频率范围内"弱异常"经过分离异常幅值相对增强,区域性异常变化特征更加明显。

基于偏微分方程的快速二维经验模态分解方法及其应用

针对现有的二维经验模态分解(BEMD)方法存在边界效应、分解速度慢等缺点,提出一种基于偏微分方程(PDE)的快速二维经验模态分解方法——PDE-BEMD.首先构造极值点所在二维包络曲面所满足的四阶偏微分方程,通过差分迭代方法快速求解偏微分方程,得到图像的上下包络曲面;然后对图像进行筛分,得到固有模态函数图像(IMFs),实现图像的模态分解.将分解得到的图像应用于边缘检测和人脸识别预处理算法中的实验结果表明,PDE-BEMD方法不仅可有效地降低时间和空间的复杂度、提高运算速度,而且避免了BEMD的边界效应,分解出具有清晰边缘信息的IMFs,且剩余图像不会被模糊,具有良好的边缘提取与去噪效果.

基于二维经验模态分解算法的织物疵点自动检测

为解决织物疵点检测工序中存在的耗时性问题,提出一种基于二维经验模态分解(EMD)的多方向自适应检测方法。通过Delaunay三角分割、径向基函数插值与二维三次样条插值等方法实现二维EMD算法,用该方法将织物灰度图像分解为一系列子图像,选取包含疵点信息的子图像进行融合,最后通过阈值化来识别织物图像中的疵点。借助于工业线阵相机采集包含不同疵点的织物图像,并利用提出的方法进行自动检测。结果表明,子图像融合结果中疵点信息明显,与背景的反差强烈,通过阈值法可以直接判断出图像中是否包含疵点,并完成疵点定位,该方法对织物疵点的检测十分有效。

基于二维经验模态分解的单幅图像超分辨率重建

针对已有的单幅图像超分辨率重建算法大都无法同时兼顾重建质量和运算速度的问题,提出了基于二维经验模态分解的单幅图像超分辨率重建算法.首先用二维经验模态分解法将一幅低分辨率图像分解为不同复杂程度的图层;然后对包含高频细节信息的第一个图层用改进核岭回归法重建,以保证重建质量;对包含较少信息的后几个图层用双三次插值法重建,以提高重建速度;最后用二维经验模态分解逆变换将重建后的各层图像合成一幅完整的高分辨率图像.实验结果表明该算法充分结合了三者的优势,在保证重建图像质量的同时,提高了算法的运算速度.

二维经验模态分解法在漏磁图像处理中的应用

采用图像方法可以更加直观地对管道漏检测中的缺陷进行判断,但在图像数据的采集过程中噪声是不可避免的。采用二维经验模态分解(BEMD)与均值滤波法相结合的方法对漏磁图像进行去噪处理,将图像信号分解为有限个二维固有模态函数(BIMF)和一个残余分量,将残余分量保留,对BIMF分别进行均值滤波,再将处理后的BIMF分量与残差一起重构图像,所得重构图像在保留原图像基本信息的基础上,消除了大量噪声信息。文中还直接采用均值滤波方法对漏磁图像进行去噪处理,通过信噪比的比较,表明BEMD方法用于漏磁图像去噪效果明显。

基于二维经验模态分解的织疵分割算法改进

针对纺织行业织物疵点检测自动化的需求,提出了基于二维经验模态分解(BEMD)的织物疵点分割方法的改进。在BEMD算法中,使用基于Delaunay三角化(DT)的三次样条分段插值替代基于径向基函数(RBF)的全局插值,以提高计算效率和分解有效性。在BEMD的分解结果中,选择第二个和第三个内蕴模式函数(IMF)进行融合后进行分割以提高疵点分割结果的完整性。实验中以多幅典型的疵点织物为样本,对比了不同插值方法和分割对象的检测误差率(DER),结果显示改进后的疵点分割方法具有更好的计算效率和鲁棒性。

基于二维经验模态分解的航摄影像去噪应用研究——以江西省某地区航摄影像为例

将二维经验模态分解引入高分辨率航摄影像去噪领域,通过对二维经验模态分解的原理分析以探索在航摄影像去噪的路径.研究结果显示:通过进行去噪仿真、对照组实验,表明二维经验模态分解在图像去噪上占据比较优势,既能降低图像噪声,又能够在最大程度上保留图像的细节,这样可以提高航摄影像应用过程中对地物的识别,以便于提高确权精度.因此,积极推广这一方法将对于提升土地数据精密度、促进土地确权、不动产登记等工作进展有积极的现实意义.

二维经验模态分解技术在混浊度检测中的应用

针对液体混浊度检测易受噪声影响这一技术问题,提出了一种基于二维经验模态分解联合Robert算子的医疗液体混浊度检测方法,对医疗液体图像进行二维经验模态分解,将液体图像分解成多层本征模态函数(IMF),并利用Robert算子对各分量IMF进行边缘检测,选择性地逐层重构出图像边缘,从而将图像与杂质的边缘细节突显出来.实验结果表明,该方法有效地降低了随机噪声对液体混浊度检测的影响,提高了液体混浊度检测的精度,进而验证了该算法的可行性和有效性.

基于快速多维经验模态分解的北半球冬季近地表气温和积雪覆盖频率变化趋势提取

北极正在以全球平均水平2倍的速度变暖,而北半球中纬度冬季出现明显的变冷趋势。这种异常的气候模式受到广泛关注。使用改进的快速多维经验模态分解方法,提取北半球中纬度近地表气温和积雪覆盖频率的长期趋势和变化率。从累积变化趋势来看,自1990年代开始,亚欧大陆中部地区变冷,西伯利亚高压增强,积雪覆盖频率增大;但从变化速率来看,欧亚大陆中部的快速变冷和积雪覆盖频率的快速增加主要发生在1990—2000年代,之后变率趋缓。因此,随着变化率进一步降低,北半球中纬度冬季的快速变冷可能发展为一个短期而非长期趋势。本研究展示的近地表气温和积雪覆盖频率趋势的演化过程,对探究北半球中纬度变冷的成因有重要意义。

基于优化经验模态分解和最小二乘支持向量机的边坡位移预测

我国库岸滑坡灾害频发,采用高精度优化算法对边坡位移时间序列进行预测对防灾减灾具有重要意义。边坡位移时间序列通常表现出高度非线性特征,传统模型难以对其进行准确预测。为此,本文提出一种基于优化经验模态分解和最小二乘支持向量机的边坡位移时间序列预测模型。该模型采用基于软筛分停止准则的经验模态分解(SSSC-EMD),可自适应地将边坡位移时间序列分解为多个本征模态分量和1个残余分量。将残余分量定义为趋势项;通过K-means聚类方法对分量进行聚类,将其定义为周期项和随机项。采用最小二乘法对趋势项进行预测;建立最小二乘支持向量机回归(LSSVM)模型对周期项和随机项进行预测。将各预测值累加求和,即得到累计位移预测值。以山口岩大坝为例,采用SSSC-EMD-LSSVM模型对厂址边坡位移时间序列进行预测。结果表明:模型能够有效预测位移时间序列,精度优于传统BP神经网络和LSSVM模型。

二维经验模态分解边界效应抑制研究

二维经验模态分解中边界效应抑制是一个关键问题,现有方法主要讨论一维信号端点效应抑制,基本思想是信号延拓,不适合对二维信号进行边界效应抑制。提出一种二维图像边界效应抑制方法,该方法根据对称性、局部性原理和牛顿插值理论,对边界点进行插值,获取部分边界极值,采用这些极值对边界进行线性插值获取图像每个边界像素点的极大值和极小值。把这种边界效应抑制方法应用到二维经验模态分解中收到了较好的实验效果。

二维经验模分解(BEMD)技术在提取薄竹山矿集区致矿重力异常中的应用

滇东南地区位于华南地块右江海西-印支地槽褶皱带,区内蕴含着我国重要的钨、锡、银、铅、锌等多金属矿产,是华南岩浆成矿带的重要组成部分。这些矿产均围绕个旧、薄竹山和老君山3个复式花岗岩体分布,其中已有大量资料证明个旧花岗岩体(秦德先等,2008;毛景文等,2008;程彦博等,2008;Cheng Y B et al.,2013)和老君山花岗岩体(Yan D P et al.,2006;张斌辉等,2012;蓝江波等,2016)与成矿有着密切的成因联系,而对于薄竹山地区的研究相对薄弱,程度较低,且该区控矿条件和矿化类型与个旧、都龙等超大型锡多金属矿田有一定可比性,因此其深部拥有巨大的找矿潜力。

基于二次二维经验模态分解去噪的湍流退化图像复原算法

为实现大气湍流环境下的高质量成像,将自适应光学波前探测技术与数字图像处理技术相结合,并提出了一种基于二次二维经验模态分解去噪的湍流退化图像复原算法。通过在光学系统中使用哈特曼-夏克波前传感器探测波前信息,进而计算光学系统点扩散函数;然后使用改进的二次二维经验模态分解算法进行图像去噪,最后利用R-L算法实现对湍流退化图像的复原。通过搭建光学实验系统,对实际拍摄的湍流退化图像进行了复原实验。结果表明,该算法能够有效减弱噪声放大现象,得到更加稳定的高质量大气湍流退化图像复原结果。