A migration imaging method using CGP stacked cylindrical waves

In view of the seismic exploration problem of thin sand reservoirs in the Songliao Basin, this paper puts forward a migration imaging method using CGP （common geophone point） stacked cylindrical waves. By this means, seismic data should be acquired from a midpoint shooting layout system with small shot-point spacing and small geophone interval. Using such seismic data, CGP gathers are first stacked to compose a cylindrical wave section. The cylindrical wave section is migrated and imaged by means of the ray path downward continuation of the down-going wave and the wave equation downward continuation of the upgoing wave. The results from the modeling analysis and the data processing of the TK8157 seismic line in the Songliao Basin shows that the proposed migration imaging method has higher seismic resolution and fidelity. Furthermore, the proposed method is proven to be more effective for discovering small sand bodies, small faults, stratigraphic pinch-outs, and so on.

Inverse Gaussian-beam common-reflection-point-stack imaging in crosswell seismic tomography

To solve problems in small-scale and complex structural traps,the inverse Gaussian-beam stack-imaging method is commonly used to process crosswell seismic wave reflection data.Owing to limited coverage,the imaging quality of conventional ray-based crosswell seismic stack imaging is poor in complex areas;moreover,the imaging range is small and with sever interference because of the arc phenomenon in seismic migration.Thus,we propose the inverse Gaussian-beam stack imaging,in which Gaussian weight functions of rays contributing to the geophones energy are calculated and used to decompose the seismic wavefield.This effectively enlarges the coverage of the reflection points and improves the transverse resolution.Compared with the traditional VSP–CDP stack imaging,the proposed methods extends the imaging range,yields higher horizontal resolution,and is more adaptable to complex geological structures.The method is applied to model a complex structure in the K-area.The results suggest that the wave group of the target layer is clearer,the resolution is higher,and the main frequency of the crosswell seismic section is higher than that in surface seismic exploration The effectiveness and robustness of the method are verified by theoretical model and practical data.

Brain Time Stack图像融合技术在CT中的应用

目的:分析Brain Time Stack图像融合技术在CT中的应用。方法:选取2021年3月—2022年9月衡水市第四人民医院收治的50例CT检查患者作为研究对象。所有患者进行CT检查并进行Brain Time Stack后处理。比较四组不同部位CT值、标准差(SD)、信噪比(SNR)。比较四组图像主观质量评分。分析不同部位CT值、SD、SNR与图像主观质量评分的相关性。结果:B组的延髓、额叶灰质、额叶白质、小脑内侧、小脑外侧、颞肌肌肉CT值明显低于A组;C组的延髓、脑室、额叶白质、小脑内侧、小脑外侧、颞肌肌肉CT值高于A组;D组延髓、额叶灰质、颞肌肌肉CT值明显低于A组,脑室、额叶白质、小脑外侧CT值明显高于A组;C组延髓、额叶灰质、额叶白质、小脑内侧、小脑外侧、颞肌肌肉CT值明显高于B组;D组延髓、脑室、额叶白质、小脑内侧、小脑外侧、颞肌肌肉CT值明显高于B组;D组延髓、额叶灰质、额叶白质、小脑内侧、小脑外侧、颞肌肌肉CT值明显低于C组;D组脑室CT值明显高于C组,差异有统计学意义(P<0.05)。B组、C组、D组延髓、脑室、额叶灰质、额叶白质、小脑内侧、小脑外侧、颞肌肌肉SD值明显低于A组;C组延髓、脑室、额叶白质、小脑内侧、小脑外侧、颞肌肌肉SD值均明显高于B组;C组额叶灰质SD明显低于B组;D组延髓、脑室、额叶灰质、额叶白质、小脑内侧、小脑外侧、肌肉SD均明显低于B组、C组,差异有统计学意义(P<0.05)。B组、C组、D组延髓、脑室、额叶灰质、额叶白质、小脑内侧、小脑外侧、颞肌肌肉SNR均明显高于A组;C组、D组延髓、额叶灰质、额叶白质、小脑内侧、小脑外侧、颞肌肌肉SNR值明显高于B组;C组、D组脑室SNR明显低于B组;D组延髓、脑室、额叶灰质、额叶白质、小脑内侧、小脑外侧、颞肌肌肉SNR明显高于C组,差异有统计学意义(P<0.05)。D组图像主观质量评分最高,差异有统计学意义(P<0.05)。延髓、脑室、额叶灰质、额叶白质、小脑内侧、小脑外侧及颞肌肌肉SD与主观质量评分呈明显负相关,SNR与主观质量评分间呈明显正相关,差异有统计学意义(P<0.05)。结论:利用Brain Time Stack图像融合技术对头部CT扫描检查图像处理,动脉期结合前一期及后一期的图像数据在处理后具有更好的质量和更少的噪音。

Optimized Non-hyperbolic Stack Imaging Based on Interpretation Model

In complex media, especially for seismic prospecting in deep layers in East China and in the mountainous area in West China, due to the complex geological condition, the common-mid-point （CMP） gather of deep reflection event is neither hyperbolic, nor any simple function. If traditional normal move-out （NMO） and stack imaging technology are still used, it is difficult to get a clear stack image. Based on previous techniques on non-hyperbolic stack, it is thought in this paper that no matter how complex the geological condition is, in order to get an optimized stack image, the stack should be non time move-out stack, and any stacking method limited to some kind of curve will be restricted to application conditions. In order to overcome the above-mentioned limit, a new method called optimized non-hyperbolic stack imaging based on interpretation model is presented in this paper. Based on CMP/CRP （Common-Reflection-Point） gather after NMO or pre-stack migration, this method uses the interpretation model of reflectors as constraint, and takes comparability as a distinguishing criterion, and finally forms a residual move-out correction for the gather of constrained model. Numerical simulation indicates that this method could overcome the non hyperbolic problem and get fine stack image.

Inverse gaussian beam stack imaging in 3D crosswell seismic exploration of deviated wells and Its application

In crosswell seismic exploration,the imaging section produced by migration based on a wave equation has a serious arc phenomenon at its edge and a small effective range because of geometrical restrictions.Another imaging section produced by the VSP-CDP stack imaging method employed with ray-tracing theory is amplitude-preserved.However,imaging 3D complex lithological structures accurately with this method is difficult.Therefore,this study proposes inverse Gaussian beam stack imaging in the 3D crosswell seismic exploration of deviated wells on the basis of Gaussian beam ray-tracing theory.By employing Gaussian beam ray-tracing theory in 3D crosswell seismic exploration,we analyzed the energy relationship between seismic wave fields and their effective rays.In imaging,the single-channel seismic wave fi eld data in the common shot point gather are converted into multiple effective wave fields in the common reflection point gather by the inverse Gaussian beam.The process produces a large fold number of intensive reflection points.Selected from the horizontal and vertical directions of the 2D measuring line,the wave fi elds of the eff ective reflection points in the same stack bin are projected onto the 2D measuring line,chosen according to the distribution characteristics of the reflection points,and stacked into an imaging section.The method is applied to X oilfi eld to identify the internal structure of the off shore gas cloud area.The results provided positive support for the inverse Gaussian beam stack imaging of 3D complex lithological structures and proved that technology is a powerful imaging tool for 3D crosswell seismic data processing.

Denoising Letter Images from Scanned Invoices Using Stacked Autoencoders

Invoice document digitization is crucial for efficient management in industries.The scanned invoice image is often noisy due to various reasons.This affects the OCR(optical character recognition)detection accuracy.In this paper,letter data obtained from images of invoices are denoised using a modified autoencoder based deep learning method.A stacked denoising autoencoder(SDAE)is implemented with two hidden layers each in encoder network and decoder network.In order to capture the most salient features of training samples,a undercomplete autoencoder is designed with non-linear encoder and decoder function.This autoencoder is regularized for denoising application using a combined loss function which considers both mean square error and binary cross entropy.A dataset consisting of 59,119 letter images,which contains both English alphabets(upper and lower case)and numbers(0 to 9)is prepared from many scanned invoices images and windows true type(.ttf)files,are used for training the neural network.Performance is analyzed in terms of Signal to Noise Ratio(SNR),Peak Signal to Noise Ratio(PSNR),Structural Similarity Index(SSIM)and Universal Image Quality Index(UQI)and compared with other filtering techniques like Nonlocal Means filter,Anisotropic diffusion filter,Gaussian filters and Mean filters.Denoising performance of proposed SDAE is compared with existing SDAE with single loss function in terms of SNR and PSNR values.Results show the superior performance of proposed SDAE method.

基于RASCIL的W-projection和W-stacking并行算法实测研究

在射电干涉阵的大视场成像中,W-projection和W-stacking是两类主要成像方法,本文对这两种成像方法进行了并行实测研究。首先分析了两种成像方法的基本原理框架,在此基础上对两种成像方法并行实现的关键因素进行讨论和分析。利用已经校准的射电干涉阵观测数据对两种成像方法基于射电天文模拟、校准和成像库(Radio Astronomy Simulation,Calibration,and Imaging Library,RASCIL)分别进行并行策略研究和并行计算实验。通过对并行计算时间、并行效率和并行资源配置模式的分析,得到了两种成像方法基于RASCIL(https://gitlab.com/ska-telescope/external/rascil)的并行计算性能,结果表明,两种成像方法都适合采用Strong Scaling的并行资源配置模式进行并行计算,基于RASCIL的W-stacking并行计算还有比较大的性能提升空间。

基于改进Canny边缘检测的堆叠货箱分割定位方法

为了提高集装箱卸货的自动化水平,针对集装箱内堆叠货箱难分割定位的问题,提出了一种基于改进Canny边缘检测的堆叠货箱分割定位方法。通过阈值分割和形态学处理进行图像预处理,去除背景干扰,提取堆叠货箱区域图像,基于改进Canny算法对堆叠货箱进行边缘检测,根据堆叠货箱边缘特征进行筛选并基于最小二乘法进行直线拟合,解决边缘线条不连续和虚假边缘问题,对边缘进行区域化处理,以此将堆叠货箱分割成独立的货箱区域,提取每个独立货箱的最小外接矩形,得到货箱中心点的位置信息。实验结果表明,该方法对堆叠货箱有很好的分割效果,定位精度小于5 mm,满足定位精度要求。

基于THz成像和集成学习的番茄根长表型提取及预测

为检测番茄根系表型,该研究基于THz(Terahertz)成像和集成学习提出一种根系检测技术。首先,对20天生长过程中番茄根系进行多次THz成像。其次,对最优重构后的根系THz伪彩色图去除根系重叠和主根区域的噪声数据。再次,采用Rosenfeld细化算法和滑动窗口遍历法计算根系长度。最后,提取根系有效区域中THz时域光谱和折射率光谱,由Stacking集成模型对番茄根长进行预测。由THz成像计算的番茄根长结果误差小,平均相对误差仅为4.16%;由THz时域数据预测的根长与计算得到的根长之间最大决定系数为0.999,最小均方根误差为0.743 cm;由折射率光谱数据预测根长的最大决定系数为0.998,最小均方根误差为0.976 cm。该方法不仅能根据THz图像准确地计算出番茄根系的长度,还能由番茄根系的THz光谱有效地预测番茄根长表型,该研究为根系表型检测方法提供了理论依据。

基于测井修正的TTI伪弹性波逆时偏移优化方法

在各向异性介质中,地震波在不同传播方向上速度不同。利用各向同性波动方程不能准确描述地震波的传播,在成像时会导致深层同相轴位置不准确等问题。在TTI介质弹性波方程的基础上,一方面将横波速度设置为较小的数值并引入震源环消除伪横波假象,另一方面利用测井数据对偏移参数场进行约束与修正,以提高深层复杂构造的成像精度。逆时偏移方法在进行成像时,低频噪声会对成像产生影响。为此,以拉普拉斯滤波算子去噪为基础,通过提取角度域共成像点道集,采用分角度叠加成像压制由于参数不准确导致的强振幅低频噪声。实际数据在进行成像时计算量大,采用CPU与GPU协同运算对逆时偏移进行加速以提高计算效率。模型和实际资料处理结果表明,基于测井数据约束的TTI介质逆时偏移方法能够对深层复杂构造目标区域进行准确成像,证明了方法的可行性。

利用时域叠加的声学成像法定位埋地PE管道

针对现有埋地管道探测技术难以确定聚乙烯(PE)管道埋深且通常对管线走向的探测误差较大的问题,提出了优化的时域叠加声学成像法。利用该方法对仿真信号进行直达波与表面波消除、反射波提取和成像定位处理,验证了方法的可行性。最后,对埋深0.4 m和1.0 m的PE管进行定位测试实验,最大管线平面定位误差分别为0.179 m和0.240 m,说明该方法基本满足较好埋地条件PE管道探测的需求。

基于机器学习模型FY⁃3D MWRI海面风速反演

风云三号D星(FY-3D)微波成像仪(MWRI)L1级亮温数据可用于全球海面风速反演,本文讨论了在晴空区和云区使用多元线性统计回归模型和机器学习模型反演海面风速的情况,在晴空区将4 d测试集分别放入多元线性统计回归模型,采用随机森林(RF),支持向量回归(SVR),卷积神经网络(CNN)和Stacking融合(SF)模型对海面风速进行反演,最优的均方根误差(RMSE)分别为1.56、1.31、1.24、1.29和1.27 m/s;在云区2 d测试集上的最优RMSE分别为2.12、1.98、1.87、1.89和1.89 m/s。为了进一步验证晴空区海面风速反演的可靠性,选取美国国家浮标数据中心(NDBC)实测的浮标风速对海面反演风速进行验证,CNN反演风速与NDBC实测风速的RMSE为0.74 m/s,决定系数(R^(2))为0.80;SF反演风速与NDBC实测风速的RMSE为0.85 m/s,R^(2)为0.74。结果证实了通过机器学习模型能够很好地完成FY-3D MWRI亮温反演全球海面风速的任务。

机器学习和深度学习在遥感影像分类中的对比研究

遥感影像分类是遥感技术应用的一个重要环节;机器学习和深度学习能够实现精确、自动化、迅速、可定义和规模化的遥感影像分类。本文选取机器学习算法支持向量机和深度学习算法卷积神经网络、深度置信网络、栈式自编码网络共计4种分类算法进行对比研究,并对支持向量机核函数的参数以及深度学习算法的神经元数量开展寻优以到达最高分类精度。实验结果表明,深度学习算法栈式自编码网络的总体分类精度最高,分类效果最好,在地物复杂多样地区开展遥感地物分类时具有较好的适用性和推广价值。

基于Stacking集成学习的夏玉米覆盖度估测模型研究

以基于无人机多光谱影像提取的夏玉米植被指数作为特征变量,利用皮尔森相关系数结合随机森林反向验证权重的方法进行特征选择,去除冗余特征。以随机森林、梯度提升树、支持向量机和岭回归作为初级学习器,以岭回归作为次级学习器,建立基于Stacking集成学习的夏玉米覆盖度估测模型,并通过5折交叉验证进一步提升模型泛化能力,采用随机搜索和网格搜索结合的方法对模型超参数进行优化,使用4种回归指标进行模型精度评价,并利用次年数据验证其鲁棒性。结果表明,与单一模型以及决策树、Xgboost、Adaboost、Bagging集成框架相比,Stacking集成学习模型具有更高的精度和更强的鲁棒性,R^(2)为0.9509,比单一模型平均提升0.0369,比其他集成模型平均提升0.0417;Stacking集成学习模型RMSE、MAE和MAPE分别为0.0432、0.0330和5.01%,各指标分别比单一模型平均降低0.0138、0.0130和2.14个百分点,分别比其他集成模型平均降低0.0185、0.0126和2.15个百分点。本研究为夏玉米覆盖度估测提供了新的方法。

盾构隧道内堆载对基坑开挖引起的隧道上浮量的控制效果研究

基坑开挖会引起下卧盾构隧道产生上浮,隧道内堆载可以有效控制上浮量。本文采用两阶段方法,推导隧道内堆载措施下基坑开挖引起的盾构隧道上浮量计算公式。首先,基于影像源法计算基坑开挖坑底隆起引起的隧道附加应力,采用能够考虑土质条件的方法计算得到隧道内堆载引起的隧道附加应力,叠加得到总的附加应力;其次,采用转动与错台协同模型计算得到隧道受力与变形;使用Midas有限元软件对具体工况进行三维建模,并将隧道纵向隆起量数值模拟结果与公式计算结果进行对比。研究结果表明:本文方法计算结果与有限元模拟结果较吻合,验证了本文方法的合理性;假设基坑开挖长度为L,最佳堆载范围为距离堆载中心±L/3范围内,超出最佳范围时堆载控制效果减弱;土体内摩擦角对隧道变形影响较大,土体内摩擦角越小,堆载对隧道变形的控制效果越好。

影像压缩技术的洞庭湖时序InSAR沉降监测

洞庭湖地区作为重要的水源保护区和湿地生态重点区域,其可持续发展及生态环境正面临着构造沉降和人为过度开发的双重威胁。鉴于洞庭湖区域整体沉降速率较小,本文采用长时间跨度的Sentinel-1A影像数据进行时序InSAR处理,以精确获取该区域的地表沉降速率。同时为克服失相干噪声的影响,对影像进行时间维压缩,生成信噪比较高的压缩影像干涉图集,从而实现高效时序处理。与经典时序InSAR技术进行精度对比,不但提高了处理效率,而且相干点的空间密度提高了100倍。研究结果表明,研究区域内存在两处明显沉降区域。

白昼红外星图星点提取方法

白昼红外星图具有高背景噪声、低信噪比、弱目标的特征,采用传统单帧提取方法很难准确提取星点.且由于星点为弱小目标,对噪声极为敏感,星点成像多为随机不规则图形,采用单帧提取星点质心鲁棒性较差.传统多帧叠加法虽能克服单帧提取星点质心鲁棒性较差的问题,但对于高背景噪声红外星图,叠加星图并不能明显提高信噪比,星点提取成功率依然较低.为此,提出利用背景预测方法确定疑似星点位置,并对边界进行膨胀,然后利用膨胀后的边界进行单帧星图能量提取,并将提取星图进行叠加形成高信噪比星图,最后进行星点质心提取.实验表明,该方法星点提取正确率为99.5%,较自适应阈值分割法和多帧叠加法分别提升84.2%和37.9%,较背景预测法正确率提升14.5%.同时该方法较自适应阈值分割法和背景预测法、多帧叠加法精度分别提升12.8%,41.4%, 33.3%,具有明显优势.

煤矿岩巷TBM掘进随掘地震信号特征及其应用

随掘地震超前探测技术可实现探掘平行,为巷道快速智能掘进场景下实时、精准地质保障提供了可能。随掘震源产生的是复杂、变频、连续信号,信号特征认知直接影响数据处理与成像精度,而目前针对岩巷全断面掘进机(TBM)随掘地震信号特征的认知仍不清晰,且暂时还没有针对性开展过信号处理与成像研究工作。针对上述问题,以谢桥煤矿瓦斯治理巷TBM随掘地震超前探测试验为例,分析了刀盘先导信号与岩壁接收信号的时间域、频率域及时频域特征:岩巷TBM随掘地震信号中不同振幅能量成分比例呈现金字塔形,但分布随机,不对称程度较高;机械运转信号能量较大,刀盘先导信号强度是岩壁接收信号的200倍左右;频率域变频特征明显;机械运转信号基础频率较低,刀盘先导信号频率成分主要集中在10~80 Hz与150~200 Hz,主频为36.99 Hz,岩壁接收信号频率成分主要集中在50~200 Hz,主频为137.97 Hz;刀盘先导信号较岩壁接收信号时频域能量团分布更为规则,多次震源激发现象明显,能量团之间的差异性特征表明了多次震源激发时振幅能量与持续时间的随机性。利用脉冲化算法与绕射叠加偏移成像方法对岩巷TBM随掘地震信号进行数据处理与成像试验,结果表明:(1)脉冲化等效单炮记录与利用常规震源得到的超前探测单炮记录特征一致性较强,同相轴清晰且连续性较好,可满足现场探测分析需要。(2)对探测范围内岩体情况的超前预报结果与实际揭露情况一致,说明岩巷TBM随掘地震超前探测可提供有效地质保障。

基于卷积神经网络的医学CT图像自动分割方法

针对医学CT图像自动分割方法对三维分层医学CT图像分割精准度较差问题,设计基于卷积神经网络的医学CT图像自动分割方法。对采集到的原始医学CT图像进行去噪处理,为后续的图像分割提供训练集。设定卷积神经网络的激活函数及网络参数,构建医学CT图像自动分割卷积神经网络。计算医学CT图像在卷积过程中损失函数,获取图像最优分割参数,根据此参数完成分割过程。实验结果表明:此方法无论在图像的整体分割还是细节分割方面,均可获取精度较高的分割结果。

彩色叠焦显微颜色空间聚焦评价算法

聚焦评价是叠焦扩展显微景深的关键,为了准确快速地获取叠焦图像序列像素点聚焦位置,生成高质量全聚焦图像,提出了一种基于颜色向量空间的聚焦评价算法。该算法直接在RGB向量空间中计算彩色图像梯度,充分利用了颜色通道间的相关性,避免了传统聚焦评价算法将彩色图转化为灰度图时造成的信息损失,且相较于彩色分量梯度的简单叠加具有更高的准确度;将中心像素与邻域像素在RGB空间的曼哈顿距离均值作为聚焦评价权值,可增强聚焦部分的敏感度,降低离焦部分的评价值,使聚焦评价曲线特性趋向理想化。选取空域、频域和统计学中7种聚焦评价算法与所提算法进行性能对比实验,结果表明:所提算法在仿真图像和真实显微图像中,具有更好的灵敏度、聚焦分辨力和抗噪声能力,曲线特性提升显著,应用于显微镜景深扩展可进一步提升叠焦大景深成像的质量。