一种用于矩形阵列的二维波达方向估计方法

针对现有使用均匀矩形阵列或稀疏矩形阵列的二维无格波达方向估计方法的性能欠佳的问题,提出一种基于二阶特普利茨矩阵重构和二维旋转不变参数估计技术的无格波达方向估计方法。使用均匀矩形阵列或稀疏矩形阵列,对其接收信号的协方差矩阵进行二阶特普利茨结构表达,通过log-det稀疏测度与正定约束构造约束优化问题,并使用优化最小算法求解,最后通过二维旋转不变参数估计技术估计源的二维波达方向,即方位角与俯仰角。这种方法需要多次求解半定规划问题,计算复杂度相对较高,但能获得更好的波达方向估计性能。在仿真实验中,这种方法在均匀矩形阵列或稀疏矩形阵列条件下均有非常低的均方根误差,接近克拉美罗界,证明了其良好的波达方向估计性能。     

空间自适应方向全变分地震数据去噪模型

随着我国油气勘探工作的不断推进,地震勘探面临着重大挑战。受到复杂的勘探环境、采集方式、检波器灵敏度等因素的影响,野外采集的地震数据中往往混杂着大量随机噪声,导致后续地震数据处理的保真度、信噪比和分辨率降低,并且最终影响地质解释的精确性、可靠性。 为了突破传统地震数据处理问题的局限性,提出了一种用于地震数据随机噪声压制的空间自适应方向全变分正则化模型。首先,针对地震反射同相轴具有空间变化的方向性和倾角计算抗噪性差的问题,提出了基于梯度结构张量的空变倾角逐点估计公式来获取同相轴的方向信息;然后,建立空间自适应方向全变分地震数据去噪模型,并采用优化最小化算法求解模型;最后,讨论了该模型的参数选取方法,将合成地震数据和实际地震数据的去噪结果与同类方法进行比较。实验结果表明,所提出的模型不但能较好地提高地震剖面的垂直分辨率和同相轴的横向连续性,而且在提高信噪比的同时能够保留更多的地质特征信息。     

空间变化PSF图像复原技术的研究现状与展望

空间变化PSF(Space-variant Point Spread Function,SVPSF)图像,即物空间各点的退化随位置的改变而改变的图像,由于其复原技术涉及到多个甚至海量PSF的提取、存储和运算,相对于空间不变PSF(Space-Invariant PointSpread Function,SIPSF)图像复原要困难得多.目前处理此类图像的主要方法包括空间坐标转换法,等晕区分块复原法,以减少数据存储量,降低计算量,提高收敛速度为目标的直接复原法等.本文回顾了这一课题的研究历史,对目前的研究工作进行了分析和总结,介绍了本实验室提出的结合GRM(Gradient Ringing Metric)评价算法的总变分最小化图像分块复原法,并提出了未来工作关注重点的展望.     

优化-最小求解的广义总变分图像复原

在代价函数中嵌入总变分正则项是解决图像复原中不适定问题的一种有效方法。但是,总变分正则化考虑的仅是一阶而不是高阶邻域像素变分关系;另外,总变分的开方形式还给基于总变分代价函数的优化带来了困难。为此,提出一种基于优化-最小算法的广义总变分正则化图像复原新方法,以克服目前存在的问题。该方法保留了总变分正则化方法能够除噪声保边缘的重尾特征,同时借鉴了双边总变分双重加权机制,从而推导出总变分正则项在邻域范围上的推广形式。该方法还针对广义总变分正则项优化过程中存在的求解瓶颈,提出采用优化-最小算法求得上界函数以逐次逼近最优解。实验结果表明,该方法取得了较好的复原效果,使改善信噪比指标达到2dB左右。