简介:频率-波数域单程波算子能高效地模拟地震波在复杂介质中的传播,但是在描述波的大角度传播和速度横向扰动变化较大介质中传播的问题时仍然存在一定误差。这类误差是由于对单平方根算子使用Taylor展开式的近似程度不足所造成。为了进一步提高泰勒展开式的精确性,本文提出一种利用粒子群智能算法优化级数展开系数的高阶广义屏算子对单平方根算子的展开级数进行优化处理。新的偏移算法能在保持单程波偏移算法高效的前提下进一步提高偏移算子在大角度的成像精度和对强横向速度变化介质的适应性。通过脉冲响应实验,验证了基于粒子群算法优化级数的高阶广义屏算子能够提高常规的高阶广义屏算子的成像精度和成像角度。根据对二维SEG/EAGE盐丘模型的成像处理,基于粒子群算法优化级数的高阶广义屏算子对盐丘下面的断层取得了更高质量的成像,说明粒子群优化级数的高阶广义屏算子比常规的高阶广义屏算子具有更好的横向速度适应性。为了检验本文所提算法对实际资料的处理能力,我们利用常规的偏移处理技术和本文所提算法对一条海上二维数据进行了偏移成像处理,对比分析成像剖面发现本文所提算法描述了更加清晰的层位信息和更高质量的偏移剖面。本文所提算法能有效提高高阶广义屏偏移在广角度成像的能力,具有一定实际应用价值。
简介:利用SPOT全色波段影像和LandsatETM+多光谱影像,采用波段特征分析法和改进的最佳波段指数法确定最佳融合波段。选择具有代表性的HSV变换、Brovey变换、PCA变换、Gram-schmidt变换和小波变换方法进行影像融合。针对融合后的影像采用定量评价法进行质量评价,通过不同地物的光谱、空间和纹理信息等进行比较分析构建适当的分类特征和规则,采用面向对象的遥感分类方法进行分类。结果表明,波段特征分析法和改进的最佳波段指数法结合,可以获得最佳融合波段。各融合方法均有效提升了影像效果,其中HSV和GS变换融合方法更好地保持了影像的多光谱和高分辨率特性,融合后各地物特征分类明显,可以有效应用于湿地分类;采用主成分分析法来设置面向对象分类中的波段权重,可以利用各波段信息量的差异进行影像的分割。基于各种遥感指数的面向对象分类方法用于湿地分类获得了93.62%的分类精度,与传统的分类方法相比有了很大进步,在湿地分类中具有很大的应用潜力。