共查询到20条相似文献，搜索用时 118 毫秒
1.
遥感图像是各种传感器所获信息的产物,是遥感探测目标的信息载体,它的版权保护有着自身的特性.普通图像仅仅是"Picture",只是满足人类视觉的需要,而遥感图像除了本身作为"Picture"之外,还包含有"Data".这里从遥感图像区别于普通图像的特征入手,针对数字水印二个最基本要求--不可感知性和鲁棒性二个方面加以研究分析,并结合二种典型遥感图像的水印算法,分析遥感图像嵌入水印前后,对遥感图像自身属性和应用的影响,从而为遥感图像数字水印算法研究提供评测标准和依据. 相似文献
2.
3.
侯遵泽 《物探化探计算技术》2007,29(5):460-464
根据数字水印的基本原理,运用小波分析方法将伪随机序列嵌入到数字图像中,并可以通过检测判定水印的存在与否,进而鉴别图像的版权真伪。在水印检测时,可以不必使用原始图像作比对来实现盲检测。该算法具有良好的隐蔽性和稳健性,从表面上无法感知水印的存在,更不可能伪造,因此提高了图像防止伪造的能力。 相似文献
4.
针对现有数字钻孔图像分析技术的不足，提出新分析方案以实现数字钻孔摄像技术（BCT）所采集钻孔内壁图像的自动化、定量化结构面检测、识别与分析.首先，对数字钻孔图像进行预处理，设计特征信号DH，检测并获取兴趣区域；然后，使用低精度Hough变换快速检测结构面兴趣区域内的结构面分布特征，利用聚类算法分离出单一结构面后，针对单一结构面进行亚像素级Hough变换，以获取结构面的正弦参数；最后，根据结构面正弦参数，计算出结构面的倾向、倾角等信息.通过对如美水电站左坝肩数字钻孔图像实例进行分析，利用本算法完成图像中结构面的自动分割与特征识别，成功获取其几何信息，并与传统人工辅助方案结果进行对比，验证了该算法的可靠性. 相似文献
5.
针对复杂背景桥梁裂缝图像难以提取真实裂缝细节的技术问题，提出基于海森矩阵旋转矢量不变性的滤波去噪和局部区域裂缝走势生长方向连接的联合提取裂缝算法。利用海森矩阵增强图像突显裂缝区域，利用自适应阈值分割算法对图像进行二值分割；采用基于旋转矢量不变性的滤波算法滤掉团状噪声，根据裂缝的走势对生长方向一致的局部区域裂缝进行连接，排除条状非裂缝的影响和部分噪声的干扰；解决了图像处理中存在大量污渍残留和裂缝不连续现象。实验结果表明，本算法对复杂背景桥梁图像提取裂缝的准确度高于其它算法。 相似文献
6.
地震资料处理是地震勘探中的关键环节,由于地下构造和地表条件的复杂性,地震资料的处理需要经过一系列复杂流程,从而形成多种不同类型的地震数据。不同种类的地震数据具有不同的数据特征,充分利用和发掘其中的数据特征,不仅可以充分发挥处理方法的技术潜力,消除各类非地质因素对地震资料处理质量的影响,同时可以增强地震资料处理的可靠性,改善地震资料的资料信噪比及分辨率,在复杂油气藏勘探开发中具有非常重要的基础作用。叠前地震成像道集（CRP）中的有效信号同相轴近似水平,叠后地震成像数据因为地层沉积的规律性,有效信号相比于随机噪声、成像画弧噪声等干扰具有规律、简单等特点。具体表现为CRP道集及叠后地震资料有效信号具有多尺度自相似性的特征,其高维Fourier （FK或FKK）域主要能量集中在低频、低波数区域。针对上述地震数据的特点,提出一种基于先验信息约束的深度网络地震资料无监督噪声压制方法。受到深度图像先验（DIP）的启发,神经网络的结构可以视为一种特殊的隐式先验信息,合理设计网络结构可以使得网络具有多尺度自相似性特征的提取能力。由于叠前地震成像道集数据和叠后地震成像数据有效信号的多尺度自相似性,而噪声不具备这一特性,因此,特定结构的网络可以从原始数据提取出有效信号,从而达到噪声压制的目的。叠前成像道集和叠后成像的实际数据随机噪声压制试验结果表明,本文方法具有良好的保真性与鲁棒性。此外,由于本文方法具有强大的特征提取能力,因此,对常规方法不易压制的弧状成像噪声也有良好的效果。 相似文献
7.
针对人工利用显微镜对岩石铸体薄片进行鉴定的低效和普通聚类分割算法对图像边缘分割效果差的问题，本文从岩石特征出发，提出了一种基于聚类分割算法的多聚类中心加权分割新方法，并使用该方法训练了一个适用于岩石铸体薄片的分割模型。使用该模型可以快速地完成对大量薄片的鉴定任务。该方法通过构建新的聚类距离提升了对薄片各组分边缘和内部的分割效果，将多聚类中心的方法和加权的聚类方法相结合，进一步增强了对薄片边缘部分的分割。利用来自疏松岩心的铸体薄片图像进行分割实验，并将本文提出的聚类分割新方法与普通的聚类分割算法的结果进行比较，发现本文方法的分割误差比普通分割方法的误差最高降幅达37.2%。与现有深度学习分割算法对数据量和数据类型的高要求相比，多聚类中心的加权聚类分割算法更适合地质领域中的分割任务，具有较高的应用价值。 相似文献
8.
岩石中常含有裂缝、岩脉等细小而重要的微观结构,需要高分辨率的成像技术来提取其特征。在岩石图像处理中,特征提取可以提取出岩石的主要结构信息从而极大降低数据量,然而某些细线状岩石特征(如裂缝、裂隙等)往往无法被完整识别出来而存在间断现象。本文在采用蚁群算法修复岩石细线状特征的基础上,综合利用蚁群算法、DBSCAN聚类算法和Canny算子提出一种新的岩石图像修复算法。根据设定的阈值,对提取的图像间断部分进行搜索并连接,以修复在图像特征提取过程中缺失的部分重要信息,同时去除修复过程产生的多余特征。实际结果表明,利用混合算法处理的岩石特征提取图像得到了较好的修复,能够提高岩石裂隙特征提取的准确性。 相似文献
9.
针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题，本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法，将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点，将残差结构和特征金字塔网络融合到Unet模型中，建立FPN Res-Unet模型。该模型以Unet为基础，引入ResNet18的残差结构作为编码路径特征提取层，在每次卷积后使用边界填充，使得输入图像和输出图像尺寸一致；在解码路径每级上采样过程中，拓展支路径将特征金字塔网络融合到模型的网络主干中，将残差结构、Unet及特征金字塔网络的优点相互融合，增强了Unet的特征提取，弥补了语义分割网络对小目标检测的欠缺；在获取深层语义信息的同时关注细节信息，提高建筑物变化检测精度。实验表明，该方法在所用数据集，准确率、召回率、F1 3种指标均达到90%以上。 相似文献
10.
电磁脉冲干扰是大地电磁测深系统(MT)信号的主要噪声之一,严重影响后续视电阻率和阻抗的计算及目标信息的提取。针对脉冲类噪声在时间域中的变化特征,利用经验模态分解（EMD）对脉冲类电磁噪声进行压制处理。首先,对大地电磁信号经EMD分解后得到N个本征模态函数（IMF）;然后,对每一阶的IMF选择一个合适的阀值,对于该IMF中超出该阀值的部分进行截断;最后,进行EMD重构。实测数据测试表明:改正后信号能量损失小, 与改正前信号相关性高, 可有效地抑制脉冲类噪声干扰。 相似文献
11.
去噪是大地电磁数据处理的重要一环。为了丰富和发展大地电磁时间序列去噪方法,将循环神经网络中的LSTM网络引入大地电磁时间序列方波噪声处理中,将实测无人文干扰的大地电磁时间序列叠加模拟方波噪声作为网络输入,将无噪原始时间序列作为网络的目标输出,训练了1 500次epoch后,网络从仿真含噪信号提取的时间序列与原始时间序列的归一化互相关系数高达0.971 8,说明网络很好地学习了无噪大地电磁时间序列的特征。通过实测含方波噪声信号的去噪试验,表明了本文方法可以有效压制方波噪声干扰,改善阻抗估计质量,为深度学习在大地电磁时间序列处理的应用提供了新思路。 相似文献
12.
广泛应用于工程勘探的探地雷达,由于其发射的高频电磁波在介质中迅速衰减、受环境噪声大等因素影响,探测剖面难以对相对较深的异常体有较好的响应.复信号分析提取三瞬参数可多角度分析信号,并能突出弱反射信息,但易受噪声干扰,且常规的滤波方法不能有效地去除这一干扰.将具有时～频双重局限性的小波变换引入到复信号分析中,解决了复信号分析易受噪声干扰的问题,恢复了其对异常提取的能力.将此算法用于实际雷达探测数据处理中,取得了良好的应用效果. 相似文献
13.
遥感图像在生成、传输和转化过程中往往受到各种噪声的干扰,影响了图像本身的清晰度,降低了视觉效果,不利于真实信息的提取.研究目的是对高分辨率遥感图像进行预处理,以提高信息识别精度.研究方法是噪声检测结合混合滤波的方法,该方法基于均值滤波和中值滤波的互补性,首先对图像每一个像素点进行噪声检测,把受高斯噪声污染和受椒盐噪声污染的像素点区分开,然后分别对受高斯噪声污染和受椒盐噪声污染的像素点进行处理.与其他滤波算法进行比较的结果表明,噪声检测结合混合滤波方法能够有效去除椒盐噪声和高斯噪声,保留图像的纹理信息,提高图像的清晰度. 相似文献
14.
《物探与化探》2017,(5)
区域化探数据包含丰富的地质信息,从区域化探数据中挖掘出这些信息,对于区域地质研究具有重要意义。笔者提出了一种利用自组织特征映射网络和K-means聚类算法挖掘区域化探数据中地质信息的方法,将标准化之后的元素含量数据作为模型输入值,通过自组织神经网络进行聚类,再通过K-means算法进行二次聚类,从聚类结果中分析其中包含的地质信息。以英格兰西南部某区水系沉积物区域化探数据为例,进行实例研究以检验该方法的实际效果。实例结果表明:(1)利用该方法得出的聚类结果图很好地响应了地质体的空间分布,可用于推断地质体的分布特征;(2)地质信息隐藏在每个聚类类型的地球化学特征之中,通过对这些特征进行分析和解释,可以挖掘出其中所包含的信息;(3)基于SOM网络和K-means聚类的区域化探数据挖掘方法是一种有效的地质信息获取方法,对于传统区域地质研究可以起到补充和增强的作用。 相似文献
15.
16.
遥感图像处理常见的困难有数据量巨大、噪声信息多，高度非线性及其导致的难以用解析或表述处理模型等。人工神经网络（artificial neural network,ANN)是由大量简单神经元广泛相互联接而成的非线性映射或自适应动力系统，可以解决上述问题，使用ANN进行遥感图像处理在遥感图像复原，变换和分类中有如下应用：（1）使用ANN和必要辅助数据从TM图像中提取地下火热辐射数据；（2）构造ANN非线性映射，利用TM1－5，7图像提高TM6图像空间分辨率；（3）模糊神经网络（FNN）遥感图像分类。 相似文献
17.
自Hinton等使用基于卷积神经网络的深度学习模型赢得Image Net分类比赛以来,深度学习的研究席卷了各个行业。通过介绍深度学习的历史,探索国内地质行业中深度学习模型的使用情况,并介绍深度学习的基础概念(如神经元、神经网络、监督学习和无监督学习等)以及深度学习基础模型中的2个重要网络:深度信念网络(DBN)和卷积神经网络(CNN)。在此基础上,类比深度学习在医学等相关领域的应用,提出了深度学习在地质上的几点应用:利用深度学习在计算机视觉上表现出的强大能力,可以对遥感图像进行聚类、对岩石样品图像进行分类、对岩石薄片数据进行描述;利用深度学习对原始数据表现出的强大识别能力,处理地质异常数据,从而确定成矿靶区的可能位置;利用深度学习的特点,对地震前的声信号数据进行处理,从而判断出地震发生前的剩余时间。 相似文献
18.
在多光谱遥感图像中有时也会存在较严重的随机点噪声的干扰，这种随机点噪声严重影响了地物光谱特征提取和识别的精度，降低了各种遥感定量分析方法技术的有效性。常用的遥感图像随机噪声消除或压抑方法是Fourier变换频率域方法和采用平滑模板对图像进行卷积处理的空间域方法，但它们往往会损失图像信息。文章探讨了消除或压抑噪声的图像融合方法，即RNF融合法。RNF融合算法先对参与融合的多光谱图像进行低通滤波，对全色波段进行高通滤波。然后将滤波后的全色波段与多光谱图像用HSI变换法进行融合，融合后的图像消除了噪声。 相似文献
19.
基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类. 相似文献
20.
地震干涉技术可以将任意2个检波器接收到的数据合成为在若干检波器之间传播的波,就好像其中的一个检波器作为一个虚拟震源来发挥作用。它可以从混沌无序的地震信号中发现有用信息,从地震噪声中提取有用信号以此推断地震波穿过介质的地质构造。基于反褶积算法,对其理论公式进行了较详细的推导,实现被动源地震干涉成像,证明了反褶积算法的可行性;并将其结果与互相关算法的结果进行对比,分析了2种方法在信噪比和分辨率方面的差异。数值计算表明,反褶积算法的纵向分辨率比互相关算法的高。对其进行的加噪试算表明,震源叠加后的反褶积算法呈现出高信噪比的特点。 相似文献