基于多分辨Fourier-Mellin变换的剪纸纹样识别算法

提出一种基于多分辨Fourier-Mellin的剪纸纹样识别算法。该算法先对剪纸纹样图像进行Fourier-Mellin变换,再对变换后的图像通过小波变换计算出各层方差和均值,得到剪纸纹样不同子带的特征值,应用支持向量机对剪纸纹样进行识别。实验证明,该方法不仅具有平移、旋转和尺度不变性,而且适用于有夸张艺术变形的剪纸纹样识别。

曲率放大的λ-f域高分辨率抛物Radon变换多次波压制方法

在实际数据处理中抛物Radon变换是多次波压制的一种常用手段,然而,常规Radon变换方法难以有效压制那些与一次波曲率差异较小的多次波,本文给出了曲率放大的多次波压制方法来改善多次波的压制效果。通过研究影响同相轴的曲率的参数,发现压缩炮检距或增大时差能够放大多次波和一次波曲率差异,加大一次波和多次波在Radon域的分离程度,从而提高了多次波的压制能力。为进一步提高Radon变换的计算效率和精度,采用λ-f域高分辨率抛物Radon变换,通过引入新变量λ消除了常规Radon变换算子对频率的依赖性,由于变换算子和它的逆只需要计算一次,因此显著提高了计算效率。通过理论模型和实际资料的处理表明,该方法能够较好地压制表层多次波,对于那些与一次波存在一定曲率差异的层间多次波,也具备一定的压制能力。

基于多分辨率同步提取变换的多分量非平稳信号时频分析

对多分量非平稳信号进行时频分析可以获得信号特征随时间的变化规律,揭示信号的瞬时频率、能量分布和频谱演化。采用传统的时频方法处理多分量信号时,受制于自身算法缺陷,无法对信号进行高分辨率时频表达。逐步衍生出的改进的时频方法,如同步压缩变换(SST)等,在处理噪声干扰下的强时变调频多组分信号时的效果仍然欠佳。调频变换(CT)相对于其他方法,在处理非平稳弱幅值分量时具有较强的适应性与噪声鲁棒性。针对非平稳弱特征信号的时频表示弱这一问题,对CT算法进行了研究。首先,对基于CT衍生出的多分辨率调频变换(MRCT)进行了理论分析;然后,为了进一步提高MRCT的时频分析能力,基于同步提取变换(SET)的原理对MRCT进行了优化,引入了同步提取算子(SEO),并提出了多分辨率同步提取调频变换(MRSECT);最后,为了验证MRSECT在处理复杂振动信号时的有效性,利用MRSECT对数值模拟信号与实验轴承故障数据进行了分析。研究结果表明:MRSECT能够有效提取非平稳信号的时频特性,Renyi熵值在模拟信号处理中提高了25%,其在处理实际轴承故障信号中提高了15.6%。相比于其他时频算法,MRSECT具有更高的时变特征信息提取能力。

基于双分辨率S变换和改进的多尺度ResNet模型的电能质量扰动检测方法

准确的电能质量扰动检测对改善智能电网中电能质量问题、保证电网安全可靠运行具有重要意义。对此,提出一种基于双分辨率S变换和改进的多尺度ResNet模型的电能质量扰动信号的检测方法。首先,利用双分辨率S变换准确提取电能质量扰动信号的时频特征向量;其次,提出利用Mish函数代替传统ReLU激活函数来改进ResNet,再利用不同卷积核大小的改进ResNet模型对复杂电能质量扰动信号进行特征学习与扰动分类;然后,在不增加网络参数的情况下,提出利用轻量级通道注意力(efficient channel attention,ECA)对电能质量扰动检测分类结果影响较大的重要特征分配更大的权重值,提升模型的分类性能。最后,实验结果表明,与其他电能质量扰动检测方法相比,所提方法具有更高的准确率和抗噪性。

K-S变换及其电网超谐波时频分析应用

依据FFT→优化窗→IFFT思路,突破线性时频变换的窗函数积分性能桎梏,实现高性能优化窗函数的线性时频变换应用,建立新型时频变换算法——K-S变换.对信号x(t)的FFT频谱向量进行频移处理后,与该频移点下Kaiser优化窗的频谱向量进行Hadamard乘积,再将乘积结果进行FFT逆变换(IFFT),构造出K-S变换复时频矩阵,由此获得x(t)的时间-频率-幅值、时间-频率-相位三维信息;给出逆变换的数学推导与局部性质、线性性质和变分辨率特性;0~150 kHz电网的稳态与时变超谐波信号仿真实验表明,K-S变换的时域、频域分辨能力均优于流行的短时傅里叶变换、S变换,具有优良的变分辨率性能;0~40 kHz超谐波信号的实测证明,基于K-S变换的超谐波电压幅值测量绝对误差均小于0.032 3 V.

基于谐波分解恢复弱势信号的高分辨率处理技术

地震资料高分辨率处理是预测薄储集层的有效手段,高分辨率处理的主要目的是有效恢复地震高、低频信息和拓宽频带,同时保持资料的信噪比和保真度。基于谐波分解恢复弱势信号的高分辨率处理技术,以压缩小波变换为基础,根据信号谐波分量对地震高、低频弱势信号进行恢复。首先,基于有效频带内的地震信号,采用压缩小波变换将其分解为各基频信号,然后计算各基频信号的高次谐波与低次谐波,将计算出的高次谐波与低次谐波加入小波变换系数中,最后进行小波逆变换,即可恢复高、低频弱势信号。在实现过程中,仅仅在有效频带内估算基频信号,能较好地保持信号的信噪比。地震信号的小波变换系数与地层反射系数具有一致性,因此该技术具有较高的保真度,可以较好保持相对振幅关系。实际应用表明,在保持资料信噪比的同时,该技术能大幅拓宽地震资料的频带,处理后的地震剖面断点更清楚,分辨能力改善明显,能较好地识别6 000 m以深约40 m的薄储集层。

基于S变换与复值U-Net网络的地震资料高分辨率处理方法

地震资料高分辨率处理方法通过拓展频带范围有效地提高了地震资料的精度。迄今为止,基于深度学习的高分辨率处理方法仅在时域中进行特征提取,忽视了地震数据的频域信息,因而影响高分辨率处理效果。为此,结合深度学习的数据驱动能力与时频分析方法的时频定位能力,提出了一种基于S变换和复值U-Net网络(STCVU-Net)的地震资料高分辨率处理方法。首先,通过褶积模型构建高分辨率与低分辨率的单道地震数据,接着,利用S变换获得不同分辨率地震数据的时频谱并将其作为训练数据,然后基于构建的STCVU-Net对时频谱进行训练和测试,最后,使用迁移学习方法对已训练的网络进行微调并应用于实际数据的处理。STCVU-Net方法充分考虑了地震数据的时域与频域信息,在准确得到地震数据时频谱的同时在时频域中对地震信号进行精准拓频,从而提高了地震资料的分辨率。对比时域端到端的深度学习方法在模型资料和实际工区资料的高分辨率处理结果表明,STCVU-Net方法的高分辨率处理结果更准确,高频信息更丰富,具有较大的实际应用潜力。

基于中低分辨率卫星影像中舰船目标识别方法

目前,中低分辨率成像侦察卫星已经成为远距离情报保障的重要手段之一。然而,中低分辨率成像侦察卫星对海上机动舰船的侦察存在目标检测、识别难等问题,大大影响了情报使用效益。针对上述问题,提出基于霍夫变换的舰船开尔文尾迹提取方法,用于匹配并识别舰船型号。通过仿真得出不同型号舰船的开尔文尾迹尖头波平均距离,可以有效的识别出真实遥感影像中舰船属性,与实际影像数据对比分析,证明上述算法具有一定可行性。因此,基于霍夫变换的舰船开尔文尾迹提取方法可以在一定条件下基本实现目标舰船型号的识别,提升中低分辨率成像侦察卫星对海上机动舰船目标的识别准确率。

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换(EWT)和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交(NDQ)算法和奇异值分解(SVD)算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法(IPSO)优化支持向量机(SVM)的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。

光谱变换和光谱分辨率对土壤有机质含量估测精度的影响

利用高光谱遥感数据结合统计建模是当前土壤有机质(SOM)含量高光谱估测的主要方法。为了探讨SOM含量高光谱估测适宜的光谱变换方法和光谱分辨率,以黑龙江省建三江黑土区土壤样本为研究对象,采用SR-6500便携式光谱仪在实验室测量土样的光谱反射率。对土壤光谱数据重采样为1、5、10、20、30、40、50、60、70、80、90、100 nm共12种光谱分辨率,经过Savitzky-Golay光谱曲线平滑处理后,将光谱反射率R进行反射率倒数1/R、对数logR、倒数对数log(1/R)、对数倒数1/logR、一阶导数R′、倒数一阶导数(1/R)′、对数一阶导数(logR)′、倒数对数一阶导数[log(1/R)]′和对数倒数一阶导数(1/logR)′共10种光谱变换;利用多元线性逐步回归(MLSR)和偏最小二乘回归(PLSR)的方法建立SOM含量估测模型。结果表明:(1)1/R和(1/R)′光谱变换对于提高SOM含量估测精度的效果较好,其中1/R光谱变换的SOM含量估测精度R^(2)_(val)均高于0.87,(1/R)′光谱变换的SOM含量估测精度R^(2)_(val)均高于0.90;(2)5、10 nm光谱分辨率对于1/R和(1/R)′光谱变换下的MLSR与PLSR估测SOM含量的精度都较高,为较适宜的光谱分辨率;(3)SOM含量估测的光谱分辨率并非越高越好,适度的降低光谱分辨率以及选择合适的光谱变换方法,不仅可以减少数据处理的工作量,也可以提高SOM含量的估测精度。

高分辨率层序地层学在北部湾盆地重点层系选段中的应用

北部湾盆地是南海北部五大含油气盆地之一,油气资源潜力大、有较好的勘探前景,但是北部湾盆地三级构造单元海中凹陷古近系涠洲组地质研究程度较低、地层厚度大,严重制约了海中凹陷的油气勘探。高分辨率层序地层学在低勘探程度区域是一种有效的地层划分手段。依托三维地震资料、测井资料、岩心资料,在地震剖面二、三级层序界面和测井层序界面识别的基础上,采用最大熵谱分析、小波变换分析、岩心分析方法,对海中凹陷涠洲组进行了高分辨率层序识别与划分,研究表明最大熵谱分析对于三、四级层序界面具有较高的分辨性,小波变换可以进行四—六级及更高级别旋回分析,而岩心资料可以进行短期、超短期旋回分析。综合三维地震、测井、最大熵谱分析、小波变换技术和岩心资料将涠洲组划分为1个二级层序,包括6个三级层序、13个四级层序,并且根据13个四级层序含砂率对比,涠三段SQ6-LST四级层序含砂率最高,涠三段SQ6-HST四级层序次之,勘探潜力较大。本研究对低勘探程度凹陷重点层系选段具有一定指导意义。

基于离散小波包变换与胶囊生成对抗网络的语音超分辨率算法

目前主流的语音超分辨率(Speech Super-Resolution,SSR)算法是使用卷积神经网络(Convolutional Neu-ral Networks,CNN)把低分辨率(Low-Resolution,LR)语音信号转换为高分辨率(High-Resolution,HR)的语音信号.但只使用普通的CNN所带来的效果通常比较平滑且缺少细节信息.生成对抗网络(Generative Adversarial Networks,GAN)的引入可以很好地解决这一问题.此外,胶囊网络(Capsule Networks,CapsNet)可以将空间信息编码为特征,这样与GAN结合可以更好地判断数据的真假.离散小波变换(Discrete Wavelet Transform,DWT)是一种正交多分辨分析的工具,它在信号处理方面有很出色的表现.小波变换的一个扩展是离散小波包变换(Discrete Wavelet Packet Transform,DWPT),它在某些应用中提供了更有效的信号分析.本文提出一种基于DWPT和胶囊生成对抗网络(CapsGAN)的SSR网络架构Wavelet-SRGAN.对比实验结果表明,本文所提的算法能以最少的参数实现与现有先进算法相当的性能.在算法上有几个核心步骤:(1)在生成器网络中加入DWPT层;(2)在鉴别器上加入胶囊网络;(3)训练时加入小波损失.

针对回波数据异常时的雷达前视超分辨快速成像方法

机载扫描雷达前视成像可广泛应用于态势感知、自主导航和地形跟随。在雷达扫描过程中受到不经意的电磁脉冲干扰或设备性能异常等影响时,雷达回波数据出现异常值。已有的超分辨方法可以抑制回波中的异常值、提高角度分辨率,但没有考虑计算实时性问题。针对上述问题,该文提出了一种机载雷达超分辨方法实现回波数据异常时的快速前视成像。为了更好地拟合回波噪声,引入对异常值更加鲁棒的学生t分布,并采用期望最大化方法对成像参数进行估计。受截断奇异值分解方法的启发,将截断的酉矩阵引入目标散射系数的估计公式中。通过矩阵变换降低了求逆矩阵的尺寸,从而降低了参数估计的计算复杂度。仿真结果表明该文提出加速方法可以用更短的时间提高前视成像的角度分辨率,抑制回波数据中的异常值。

基于L_(1/2)正则化的抛物线Radon变换多次波压制方法

在地震数据处理中,多次波的存在会对地震数据成像和地震资料解释带来影响,如何有效地压制多次波干扰是地震勘探中的重要问题。抛物线Radon变换因其高效的特点被广泛应用于多次波压制中,但在野外地震数据采集时,炮检距的有限性会导致变换域中的能量扩散,产生假象,使多次波压制达不到理想的效果。针对此问题,提出一种基于L_(1/2)正则化的稀疏反演高分辨抛物线Radon变换,并应用广义迭代收缩算法(generalized iterated shrinkage algorithm,GISA)进行求解。研究结果表明,L_(1/2)正则化有很强的稀疏约束能力,能提高解的稀疏度,改进信噪分离的效果。与最小二乘反演和基于L_(1)正则化的稀疏反演相比,基于L_(1/2)正则化的稀疏反演高分辨抛物线Radon变换能更有效地压制多次波,并确保了重构数据与原始数据的一致性。

基于改进小波变换的农村集体土地测绘图像高分辨率自适应重建方法

为提高农村集体土地测绘图像的分辨率,改进在重建图像的过程中发生的灰度偏移的情况,研究了基于改进小波变换的农村集体土地测绘图像高分辨率自适应重建方法。采集农村集体土地测绘图像,对差值处理后的测绘图像进行Haar小波变换,高分辨率重建测绘图像,校正图像灰度化偏移的同时保证重建测绘图像的质量;采用基于贝叶斯估计的自适应小波去噪方法,去除重建测绘图像噪声,使重建的高分辨率测绘图像更清晰。实验结果表明:PSNR值接近30dm,SSIM值接近1;不同噪声方差下,PSNR值最高。提高了重建测绘图像的清晰度和分辨率,得到高分辨率的农村集体土地测绘图像。

地震数据时频分析的W变换及其改进方法

针对常规线性时频分析方法无法同时达到时间域和频率域上的高分辨率和能量聚焦,尤其在低频区域分辨率较差的问题,为提高线性时频分析方法在低频区域的分辨率,提出了W变换方法,在线性变换中引入瞬时频率参数,构建与地震数据瞬时频率相匹配的分析时窗。将W变换方法与典型的非线性时频分析方法——魏格纳-维利分布(WVD)进行了对比。WVD方法展示的是时间-频率域中的能量分布,明确指示子波的时间重心和频率重心,而W变换中由于引入了任意时间位置所对应的瞬时频率作为变换参数,所展示的时间-频率谱因而也具有明确的能量聚焦重心,因此,W变换与WVD方法具有直接对标意义。分析了近年来W变换的3种改进方法的发展状况,详细阐述从常规W变换、谐变时窗W变换、分数阶W变换、直到线性正则W变换的发展和演进。通过W变换在河道砂体识别和溶洞检测方面的3个应用实例,验证W变换可以提高时间-频率谱的分辨率与能量聚焦。

基于高阶多道同步挤压广义S变换的多属性融合储层预测技术研究及应用

时频域地震精细解释建立在高分辨率时频分析算法的基础上。为适应高精度勘探开发的要求,在多道同步挤压广义S变换(MSGST)的基础上,提出了高阶多道同步挤压广义S变换(HMSGST),进一步聚焦时频分辨率,提高储层预测的精准性。通过理论信号、理论加噪信号对比6种时频算法的计算结果,验证了HMSGST具有高时频分辨率,对复杂信号具有更好的刻画能力。以某三维工区海相砂岩为例,基于HMSGST在时频域沿主要油气储层(T2层)提取时间切片,开展频率衰减梯度、分频相干等属性分析以增强对短轴河道、次级断裂等目标的识别能力和烃类检测能力,进一步结合曲率属性开展RGB多属性融合精细雕刻。对于不同工区、不同地质条件的地震数据,需要进行HMSGST的参数分析,适合的参数是达到更为准确的计算结果的前提。

基于小波变换的离心压缩机回流管线异常振动监测方法

为了避免回流管线振动信号的时频分辨率丢失,利用小波变换对离心压缩机回流管线振动信号进行预处理,并在其中引入了频率切片函数和尺度因子,利用其使原始的振动信号在时域和频域上以联合分布的形式存在,且信号切片函数随着原始信号的振动频率适应性调整.在异常振动监测阶段,充分考虑了旋涡进入回流管线时产生的激励作用,结合小波变换处理后的信号,实现对回流管线异常振动的监测.在测试结果中,离心压缩机回流管线的振动工频以及水平、垂直方向上的振动峰值监测结果均表现出了较高的准确性.

地震资料时频域分析方法及高分辨率处理技术研究

针对地震资料时频域分析问题,本次研究首先对常见的时频域分析方法进行探讨,在此基础上,开展地震资料高分辨率处理技术研究,为推动地质勘探领域的进一步发展奠定基础。研究表明:时频域分析方法能够揭示地震信号在时间和频率上的变化规律,通过分析地震波的传播路径和速度等信息,有助于更深入地理解地下的地质结构、岩性分布以及构造特征,常见的时频域分析方法包括傅里叶变换方法、短时傅里叶变换方法、小波变换方法、S变换方法以及希尔伯特变换方法等,常见的高分辨率处理技术包括反褶积算法原理、基于希尔伯特-黄变换算法的动态反褶积算法,在对地震资料进行处理的过程中,通过对时频域分析方法和高分辨率处理技术进行合理的选择,有利于全面提高地震资料的处理效果。

基于Fourier-Mellin变换的图像配准方法及应用拓展

从两个方面拓展了基于Fourier-Mellin变换的图像配准方法的应用范围.首先是全景图像的拼接.不同于传统的方法,该方法不需要准确控制相机的运动,不需要知道相机的焦距等内部参数,也不需要检测图像特征,在配准精度要求不是很高的情况下,直接生成的全景图像可以满足很多实际应用的需要;同时,实验也表明,该方法应用于弱透视图像的配准,也具有很好的配准效果.另一个拓展是图像曲线的匹配.传统的曲线匹配方法一般通过曲线特征点(如角点、曲率极值点等)之间的对应求得曲线间的变换参数.一种新的思想是先将图像曲线转化为二值图像,然后应用Fourier-Mellin变换对这些二值图像进行配准,从而达到对两条曲线的匹配.大量实验表明,该方法对射影畸变不是十分显著且摄像机为一般运动下获得的图像之间的配准问题(如手持数码相机获取的图像之间的配准问题)均能取得比较好的配准效果.