Water quality monitoring at a virtual watershed monitoring station using a modified deep extreme learning machine     

Jian Jin  Lei Li  Huan Xu  Guang Lin 《水文科学杂志》2020,65(3):415-426

ABSTRACT

A new deep extreme learning machine (ELM) model is developed to predict water temperature and conductivity at a virtual monitoring station. Based on previous research, a modified ELM auto-encoder is developed to extract more robust invariance among the water quality data. A weighted ELM that takes seasonal variation as the basis of weighting is used to predict the actual value of water quality parameters at sites which only have historical data and no longer generate new data. The performance of the proposed model is validated against the monthly data from eight monitoring stations on the Zengwen River, Taiwan (2002–2017). Based on root mean square error, mean absolute error, mean absolute percentage error and correlation coefficient, the experimental results show that the new model is better than the other classical spatial interpolation methods.  相似文献   

高分二号卫星影像自适应模糊阈值法小波去噪     

张宇航  杨武年  任金铜  邓晓宇 《测绘通报》2019,(3):32-35

高分二号卫星影像提供了丰富的图像信息，高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰，如果感兴趣区域受到污染，则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题，本文采用自适应模糊阈值法去噪方式，该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后，重新构造作为新的小波系数，经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较，结果表明，自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点，既保留图像细节又使图像更加平滑，图像整体信息完好，去噪效果更为理想。  相似文献   

二维小波变换与中值滤波联合去噪方法研究     

张胤彬  张华  刘松 《中国煤炭地质》2011,(5):38-41,48

由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。  相似文献   

基于移不变全方向角提升的遥感图像降噪     

王晓甜  石光明  牛毅  矫恒浩 《测绘学报》2011,40(5)

在分析遥感图像结构特征及其与噪声之间主要区别的基础上,利用图像信号的方向信息,提出基于移不变全方向角提升小波（TI—OL）抑制遥感图像噪声的方法。该方法在方向提升小波变换的基础上并利用循环平移,Gabor小波滤波器和图像旋转技术改进了方向提升小波在图像去噪过程中存在的三个弊端：缺乏移不变性质,图像局部方向信息判方法断缺乏噪声鲁棒性和变换方向分布有限。消除去噪结果中的吉布斯效应,提高图像方向信息判断的准确性并保证图像纹理方向始终落在方向提升能最优表示的方向区间内。试验结果证明所提方法在处理遥感图像的过程中能在去噪的同时保留图像的细节和边缘信息,对遥感图像中的边缘信息如道路和桥梁有较好的刻画性能,较传统方法去噪性能（PSNR）和主观视觉效果（SSIM）均有较大提高。  相似文献   

独立分量分析改进的图像去噪方法     

杨信能  朱宝山 《测绘科学》2015,40(3):132-134

针对传统去噪算法在复杂噪声污染图像处理中能力较弱的问题,该文基于信号高阶统计量的独立分量分析,通过其自适应变换,分离出源信号中的统计独立的分量,在分析对比传统图像去噪方法的基础上,讨论了独立分量分析的基本模型及原理;提出了一种结合中值滤波与wiener滤波的最大似然估计的图像去噪改进方法。仿真实验表明改进的独立分量分析去噪方法具有较大的优越性。  相似文献   

Cyclone在数字校园三维激光点云数据预处理中的应用     

崔红超  贺小星  刘仁钊  马啸 《北京测绘》2020,(3):343-346

为了高效获取精确的数字校园地形图的测量数据,通过Leica ScanStation P40对校园进行三维激光点云数据采集,并结合Cyclone中的去噪模型对点云数据进行去噪,利用“六自由度”方法和ID号对标靶进行拟合,在一定约束条件下完成点云数据的坐标匹配、拼接以及优化,得到统一坐标系下的点云数据。结果表明:优化后的点云数据精度可达到6 mm。可见处理后的点云数据能够满足数字校园地形图的高精度要求。  相似文献   

结合BM3D和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法     

任超  李现广  邓开元  潘亚龙  朱子林  张志刚  施显健 《测绘通报》2020,(1):89-93

提出了一种基于三维块匹配（BM3D）和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法，使用coief3小波和sym2小波替换传统三维块匹配算法中的bior1.5和hear参数，将三维块匹配算法和多级非线性加权平均中值滤波相结合以提高算法对混合噪声的去噪能力。进行一个仿真对比试验和一个真实遥感影像去噪试验，试验表明，本文提出的方法在遥感影像混合噪声去噪方面效果要优于传统混合噪声去噪方法。  相似文献   

重构小波阈值函数在信号去噪中的应用与研究          下载免费PDF全文

陈建勇  王道阔  邓文锋  原培新 《CT理论与应用研究》2017,26(1):63-68

实际工程应用中，通过物理手段采集到的信号都带有噪声信息，这样就会淹没很多有用信号，传统的“带通、低通、高通”滤波技术往往显得无能为力，因此提取有用的特征信息就需要对原始信号进行去噪。常用的小波阈值去噪（硬、软阈值函数）方法，含有诸多缺点，本文在其基础上重新构造了一个新的阈值函数。在MTALAB（2014a）环境下，用传统的硬、软阈值函数及重构阈值函数对混入高斯白噪声信号进行去噪仿真分析，结果表明，重构的阈值函数处理的信号效果更好，更清晰。   相似文献   

主成分分析在航空瞬变电磁去噪中的应用     

武莹  陆从德  杜兴忠  余小东 《物探化探计算技术》2014,(2):170-176

由于航空瞬变电磁二次场数据是一种宽频带信号且幅度较小,因此常常受到随机噪声、天电噪声以及人文噪声的影响。研究针对上述噪声的去噪方法,可以提高处理和解释的精度。这里给出了基于主成分分析的航空瞬变电磁去噪方法,首先应用主成分分析方法对叠加抽道后的单测点衰减曲线进行分解,然后应用曲线趋势对比法和L曲线法对分解后的成分进行分析,确定出有效信号成分,最后使用这些有效信号成分进行重构,从而达到抑制噪声的目的。模拟信号分析以及实测数据的实验结果表明,应用主成分分析法处理航空瞬变电磁数据,在保持反映地下介质分布的有效信号幅度基本不变的条件下,能有效抑制天电噪声和人文噪声,为保幅处理和解释奠定了良好的基础。  相似文献   

基于卷积神经网络的ICESat-2光子点云去噪分类     

陆大进  黎东  朱笑笑  聂胜  周国清  张兴忆  杨超 《地球信息科学学报》2021,23(11):2086-2095

ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R²和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R²分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。  相似文献