基于各向异性Markov随机域的地震非线性反演及气层识别

具有各向异性特征的复杂地下介质对地震反演结果的横向连续性与纵向分辨率造成了一定影响,降低了反演的精度和稳定性。为此,通过各向异性参数模型的先验概率分布分析,阐述了地震非线性反演中Markov随机域(MRF)所呈现的各向异性特性及对反演结果的影响,并且提出了基于各向异性扩散法的各向异性MRF及相应的叠前非线性反演方法。其数值试算结果表明,相对于常规MRF,各向异性MRF能够精确地搜索到待反演值。此外,建立了扩散因子及辅助模型的优选方案,提升了各向异性MRF方位校正系数的准确性。合成数据测试与实际资料反演结果显示,对于纵波速度、密度和纵横波速度比的同步反演,各向异性MRF对结果的横向连续性和纵向分辨率有明显改善;随着扩散因子增大,边界特征在各个方位的校正系数上体现更为明显。反演结果与测井曲线的验证对比基本吻合。

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。

基于各类各向异性的EM-MAP-HMRF多源遥感图像融合算法

为提高目标识别率,在目标图像融合过程中引入Markov随机场建立类别的先验分布模型,针对模型中参量β的选取问题,提出了基于各类各向异性的期望最大化-最大后验概率-多层次马尔可夫随机场集中式与分布式两种图像融合算法.实验证明,两种融合算法都既可以提高分类准确度,又能够增大抗噪能力,且二者又有不同的特色,可以根据实际要求(如,运算速度、分类准确度、计算负荷等)进行应用选择,用以提高对特定目标进行自动检测与识别的准确性.

基于各向异性Markov随机场的遥感影像亚像元尺度建筑物提取

基于遥感影像的建筑物自动提取方法容易受混合像元影响,目标提取精度不高。亚像元定位可以提取亚像元尺度地物分布信息,减轻混合像元对目标提取结果造成的影响。传统亚像元定位模型采用各向同性邻域描述地物的空间相关性,并没有考虑地物特有的形状信息,难以满足建筑物提取的需要。在考虑建筑物光谱特征的基础上,建立了平行与垂直于目标建筑物主方向的各向异性邻域,并采用基于各向异性Markov随机场的亚像元定位模型进行了亚像元尺度的建筑物提取。基于QuickBird多光谱数据与AVIRIS高光谱数据的实验结果表明,该模型提取的建筑物不仅具有更高的空间分辨率,而且能够较好地保持建筑物边缘与角点的形状信息,是一种有效的亚像元尺度建筑物提取方法。