基于身份感知模型的素描人脸识别方法

针对素描图像和光学图像之间存在较大的模态差异这一问题,提出了一种基于身份感知模型的素描人脸识别方法,实现跨模态图像生成和素描人脸识别。该方法应用新的感知损失来监督图像生成网络,生成更好的跨模态图像,减少模态差异带来的识别精度损失,并通过三元组损失来正则化类内和类间距离,增强识别模型的性能,用联合训练策略提升素描人脸识别能力。在UoM-SGFSv2、e-PRIP等素描人脸数据集上的实验结果表明,该方法识别效果优于其他对比算法。     

指数匹配追踪谱分解技术在疏松砂岩气藏检测中的应用

疏松砂岩储层是一种重要的储层类型,此类储层具有未固结沉积特征明显,胶结物含量少,胶结程度低,砂岩呈疏松状的特点,研究难度相当大。国内外很多学者采用AVO和衰减梯度等烃类检测方法对该类型储层进行预测,结果存在很大的不确定性。以柴达木盆地三湖地区的疏松砂岩为例,比较了各种谱分解方法的分辨能力,采用高精度的指数匹配追踪谱分解技术,利用含气地层对高频能量的吸收,含气储层的主频向低频移动的特点进行气藏检测。结果表明,该方法能够准确刻画地震信号在时频空间分布特征,能够有效检测三湖地区气藏位置,提供可钻探圈闭,具有很强的实际生产价值。     

多尺度形态学在地震资料处理中的应用研究

将多尺度形态学引入勘探地震资料处理与解释领域,介绍了多尺度形态图像分解的基本理论,分析了在地震资料处理与解释方面具体应用方法。用多尺度形态分解与重构压制叠前地震炮集的面波和多尺度形态分解辅助解释地震剖面上尖灭位置2个实例介绍了多尺度形态学在地震资料处理和解释中的应用。从应用效果来看,多尺度形态学在地震资料处理领域有广阔的应用前景。     

基于压缩感知的SR-ADMM地震数据重建

施工成本和现场环境等因素导致所采集的地震数据有缺失,进而影响后续地震数据的处理和资料解释,对缺失的地震数据进行重建具有重要意义。根据压缩感知理论,若数据具有稀疏特征,则在低于奈奎斯特采样频率的条件下通过优化算法即可恢复完整数据。文中提出基于压缩感知的平方正则交替乘子方向算法（SR-ADMM）的地震数据重建方法。SR-ADMM算法在交替乘子方向算法迭代过程中加入了平方正则项,且是自适应地选取参数平衡因子。首先用字典学习对缺失地震数据进行稀疏表示,然后用SR-ADMM算法解决最优化问题并重建缺失的地震数据。模拟地震数据和大庆油田实际数据的重建结果表明：所提的基于SR-ADMM算法压缩感知地震数据方法的重建精度较高,且具有实用性。     

混合相位子波反褶积的一种改进方法

反褶积是高分辨率地震资料处理的重要手段之一,它能有效压缩地震子波,提高地震记录的纵向分辨率。传统的反褶积方法大都建立在地震子波最小相位的假设之上,这与实际情况下地震子波更接近混合相位的事实不符。为了使反褶积方法适用于地震子波混合相位的情况,研究提出了一种混合相位子波反褶积的方法。这是一种基于有限数据分解原理的方法,首先将混合相位子波进行分解,然后利用分解后的归一不相关纯相位算子对反褶积结果进行纯相位滤波处理。合成数据试验表明,这种方法能够消除反褶积结果中的剩余子波相位成分,改善反褶积效果。     

基于改进FOA-SVM的火灾图像识别模型研究

火灾是常见的破坏性极大的自然灾害。为了更好地预防火灾,减少财产损失和人员伤亡,针对人为选择SVM参数具有盲目性,对其分类能力影响较大,提出基于改进FOA-SVM的火灾图像识别模型。通过引入逻辑函数对果蝇算法的搜索步长进行改进,利用改进果蝇算法优化支持向量机搜索得到最佳模型参数。将火灾图像提取特征量作为该识别模型的输入样本训练和识别火灾图像,结合实例并将该模型的识别结果与SVM模型及其他算法的识别结果进行对比。实验结果表明,该模型提高了火灾图像识别的准确率,在火灾检测方面具有一定的实际应用价值。     

基于部分平行ADMM求解谱寻求问题的时频分析

经典的非参数谱分析方法使用滑动窗口来捕捉大多数时间序列的频谱特性,然而这种方法不能很好地应用在时间序列的时频谱是时间连续的信号上.对于一些其时频谱满足时间连续频率稀疏的非平稳信号,提出了一种利用部分平行交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）求解谱寻求问题用于此类信号的时频分析方法.对一段加噪声的仿真信号和一段EEG（脑电）信号使用提出的方法进行时频分析.仿真结果表明：与短时傅里叶的分析方法相比,提出的方法不仅提高了时频谱的频率分辨率和时间分辨率,还有效抑制了噪声.最后从ADMM算法停止准则的角度说明了算法的收敛.