CN105488141B - 一种探地雷达数据的可视方法 - Google Patents
一种探地雷达数据的可视方法 Download PDFInfo
- Publication number
- CN105488141B CN105488141B CN201510835612.7A CN201510835612A CN105488141B CN 105488141 B CN105488141 B CN 105488141B CN 201510835612 A CN201510835612 A CN 201510835612A CN 105488141 B CN105488141 B CN 105488141B
- Authority
- CN
- China
- Prior art keywords
- mrow
- section
- sub
- mfrac
- msup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种探地雷达数据的多尺度可视方法,建立光滑模型,对子剖面进行光滑处理,经过光滑处理后,突出了数据中蕴含的结构特征,采用基于FCM的方法获取子剖面的主结构;将分布在各个子剖面的主结构汇聚起来,形成多尺度的主题映射。本发明的有益效果是将探地雷达数据中不明确的结构特征以多尺度的形式呈现出来,有规律地增强数据的可视深度和广度,帮助数据分析人员更深入地了解结构特征存在的可能性,为综合分析提供技术支持。
Description
技术领域
本发明属于雷达探测技术领域,涉及一种探地雷达数据的可视方法。
背景技术
探地雷达(Ground Penetrating Radar,GPR)是用无线电波来确定地下介质分布规律的探测技术,广泛应用于人类生存和生活服务,包括石油矿产资源勘查、基础工程建设、军事、环境保护和灾害防治等。探地数据分析与解译是将GPR数据转换为有用信息的核心环节。具体来说,就是依据获得的散射场,以及散射数据中的相位、频率和波速等参量,推断出区域内不同介质的空间结构分布及属性特征。
目前GPR数据分析与解译工作仍然停留在强烈依赖解译人员经验的阶段,其结果的产生常常因个人观点和经验的不同而有着很大的差异。原因在于数据处理的不确定性对数据的解译带来了极大的困难。这种困难并不仅仅是由于处理方法的缺陷或技巧造成的,而是观测技术本身也存在着难以逾越的障碍。GPR系统的动态范围至少为60dB,而计算机屏幕上图像显示的动态范围大约是10~20dB,这意味着仅有少部分可用信息能够以图像的形式直接显示出来,其他附加的信息没有得到很好的显示和利用。本技术对原始数据中内蕴的属性信息进行充分挖掘和关联,使以往难以察觉地的规律显露出来。
目前的探地雷达数据可视化方法复杂,效率低,精度低。
发明内容
本发明的目的在于提供一种探地雷达数据的可视方法,解决了目前的探地雷达数据可视化方法复杂的问题。
本发明所采用的技术方案是按照以下步骤进行:
步骤1:建立光滑模型,对原始GPR数据进行分解,形成多个独立的窄带子剖面,对子剖面进行光滑处理,经过光滑处理后,突出了数据中蕴含的结构特征,光滑模型表示为:
v为光滑近似,T(v)为基于参数v的子剖面,λ为调节参数,为保真项,用来控制模型的拟合度,第一项为正则项;
步骤2:主结构提取,所述主结构指每一个子剖面中具有显著视觉特征的区域表示,采用基于FCM的方法获取子剖面的主结构;
步骤3:主题映射;将分布在各个子剖面的主结构汇聚起来,形成多尺度的主题映射,主题映射定义为:
为主题映射,D(·)表示与f之间的欧式距离,f为源剖面,z为子剖面的主结构,A为权重矩阵,g为可变尺度,L(·)表示各个子剖面在尺度g下到的集成变换;
进一步,所述步骤1中的计算:
其中,
这里,R(x,y)和C(x,y)分别为沿X轴和Y轴的变换函数,即
l(x,y)和h(x,y)分别为沿X轴和Y轴的邻域,G(k,σ)为高斯核函数,k和σ为光滑度控制参数,M和N分别为沿X轴和Y轴的邻域范围,i和j为邻域l(x,y)和h(x,y)的元素标识,δ为单位函数。
进一步,所述步骤1中为保真项:
其中,
t(x,y)为方向相关的对比度,mx(x,y)和my(x,y)分别为与X和Y方向相关的均值函数。
本发明的有益效果是将探地雷达数据中不明确的结构特征以多尺度的形式呈现出来,有规律地增强数据的可视深度和广度,帮助数据分析人员更深入地了解结构特征存在的可能性,为综合分析提供技术支持。
附图说明
图1是可变尺度g取值为256至1的可视化结果示意图。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
对原始GPR数据进行分解,形成多个独立的窄带子剖面。
步骤1:建立光滑模型,通过纹理光滑获得显著性区域,这些显著性区域经过融合变换,可以得到主模式。
光滑模型表示为:
这里,v为光滑近似,T(v)为基于参数v的子剖面。λ为调节参数。为保真项,用来控制模型的拟合度。第一项为正则项。由于GPR数据具有异步属性,我们给出以下定义计算
其中,
R(x,y)和C(x,y)分别为沿X轴和Y轴的变换函数,即
l(x,y)和h(x,y)分别为沿X轴和Y轴的邻域,G(k,σ)为高斯核函数,k和σ为光滑度控制参数。M和N分别为沿X轴和Y轴的邻域范围。i和j为邻域l(x,y)和h(x,y)的元素标识。δ为单位函数。
第二项为保真项,我们给出了相异性的定义:
其中,
这里,t(x,y)为方向相关的对比度,mx(x,y)和my(x,y)分别为与X和Y方向相关的均值函数
步骤1对子剖面进行光滑处理,经过光滑处理后,突出了数据中蕴含的结构特征,在此基础上,进行后续的主结构提取。
步骤2:主结构提取;主结构指的是每一个子剖面中具有显著视觉特征的区域表示。采用基于FCM(fuzzy c-means)的方法获取子剖面的主结构。
步骤3:主题映射
主题映射的目的是将分布在各个子剖面的主结构汇聚起来,形成多尺度的主题映射。主题映射定义为:
为主题映射,D(·)表示与f之间的欧式距离,f为源剖面,z为子剖面的主结构,A为权重矩阵,g为可变尺度,L(·)表示各个子剖面在尺度g下到的集成变换;
图1为可变尺度g取值为256、128、64、32、16、8、4、2、1时的可视化结果示意图。
本发明提出了主模式。主模式将多个子剖面进行合成处理,目的是将数据中隐含的特征呈现出来。主要有以下几个方面:
光滑处理:提出了针对性的光滑模型。
主结构提取:采用FCM方法进行主结构提取。
主题映射:给出了主题映射的概念。
以上所述仅是对本发明的较佳实施方式而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施方式所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (1)
1.一种探地雷达数据的可视方法,其特征在于按照以下步骤进行:
步骤1:建立光滑模型,对原始GPR数据进行分解,形成多个独立的窄带子剖面;对子剖面进行光滑处理,经过光滑处理后,突出了数据中蕴含的结构特征,光滑模型表示为:
<mrow>
<munder>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mi>f</mi>
</mrow>
<mi>v</mi>
</munder>
<mo>{</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>&Integral;</mo>
<mrow>
<mo>|</mo>
<mo>&dtri;</mo>
<mi>v</mi>
<mo>|</mo>
</mrow>
<mo>+</mo>
<mi>&lambda;</mi>
<msup>
<mover>
<mi>F</mi>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
</msup>
<mo>}</mo>
</mrow>
v为光滑近似,T(v)为基于参数v的子剖面,λ为调节参数,为保真项,用来控制模型的拟合度,第一项|▽v|为正则项;
步骤2:主结构提取,所述主结构指每一个子剖面中具有显著视觉特征的区域表示,采用基于FCM的方法获取子剖面的主结构;
步骤3:主题映射;将分布在各个子剖面的主结构汇聚起来,形成多尺度的主题映射,主题映射定义为:
为主题映射,D(·)表示与f之间的欧式距离,f为源剖面,z为子剖面的主结构,A为权重矩阵,g为可变尺度,k为子剖面的个数,L(·)表示各个子剖面在尺度g下到的集成变换;
所述步骤1中|▽v|的计算:
<mrow>
<mo>|</mo>
<mo>&dtri;</mo>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mo>&dtri;</mo>
<msub>
<mi>v</mi>
<mi>x</mi>
</msub>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>+</mo>
<mo>|</mo>
<mo>&dtri;</mo>
<msub>
<mi>v</mi>
<mi>y</mi>
</msub>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mrow>
其中,
这里,R(x,y)和C(x,y)分别为沿X轴和Y轴的变换函数,即
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>M</mi>
</mfrac>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mi>&delta;</mi>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>&sigma;</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
l(x,y)和h(x,y)分别为沿X轴和Y轴的邻域,G(k,σ)为高斯核函数,k和σ为光滑度控制参数,M和N分别为沿X轴和Y轴的邻域范围,i和j为邻域l(x,y)和h(x,y)的元素标识,δ为单位函数,v(i,j)为点(i,j)的密度值,p(i,j)为邻域l(x,y)内其他元素的密度值;
所述步骤1中为保真项:
<mrow>
<mover>
<mi>F</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>q</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>|</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>m</mi>
<mi>y</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&epsiv;</mi>
<mo>+</mo>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>m</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>|</mo>
<mo>,</mo>
</mrow>
s(x,y)为源剖面点的密度值,v(x,y)为光滑后剖面点的密度值,t(x,y)为方向相关的对比度,mx(x,y)和my(x,y)分别为与X轴和Y轴方向相关的均值函数,ε为调节参量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510835612.7A CN105488141B (zh) | 2015-11-25 | 2015-11-25 | 一种探地雷达数据的可视方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510835612.7A CN105488141B (zh) | 2015-11-25 | 2015-11-25 | 一种探地雷达数据的可视方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105488141A CN105488141A (zh) | 2016-04-13 |
CN105488141B true CN105488141B (zh) | 2018-02-06 |
Family
ID=55675116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510835612.7A Active CN105488141B (zh) | 2015-11-25 | 2015-11-25 | 一种探地雷达数据的可视方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105488141B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022339B (zh) * | 2016-05-17 | 2019-05-24 | 华北水利水电大学 | 一种复垦土地浅埋地埋管深度的提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576127A (zh) * | 2012-07-18 | 2014-02-12 | 地球物理测勘系统有限公司 | 用于多天线的地面穿透雷达的合并显示 |
CN104766090A (zh) * | 2015-03-17 | 2015-07-08 | 山东工商学院 | 一种基于bemd和sofm的探地雷达数据可视化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9646415B2 (en) * | 2006-05-16 | 2017-05-09 | Underground Imaging Technologies, Inc. | System and method for visualizing multiple-sensor subsurface imaging data |
-
2015
- 2015-11-25 CN CN201510835612.7A patent/CN105488141B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576127A (zh) * | 2012-07-18 | 2014-02-12 | 地球物理测勘系统有限公司 | 用于多天线的地面穿透雷达的合并显示 |
CN104766090A (zh) * | 2015-03-17 | 2015-07-08 | 山东工商学院 | 一种基于bemd和sofm的探地雷达数据可视化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105488141A (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105487121B (zh) | 基于ct扫描图像与电成像图像融合构建多尺度数字岩心方法 | |
Delsman et al. | Large-scale, probabilistic salinity mapping using airborne electromagnetics for groundwater management in Zeeland, the Netherlands | |
CN104730596B (zh) | 一种基于多尺度因素约束的离散裂缝建模方法 | |
CN101929973B (zh) | 裂缝储层含油气饱和度定量计算方法 | |
CN103279986B (zh) | 三维水平地质剖面图制作方法及其用途 | |
Bilskie et al. | Topographic accuracy assessment of bare earth lidar-derived unstructured meshes | |
CN110400371B (zh) | 一种水平构造地貌实体的三维模型构建方法 | |
CN105631078B (zh) | 天然裂缝性油藏自适应介质的数值模拟方法 | |
CN109100793A (zh) | 一种定量分析裂缝因素对储层影响的方法 | |
CN103914558A (zh) | 一种基于时空统计的气象要素时空聚集模式挖掘方法 | |
CN104514534B (zh) | 利用分形图案的烃类开采的方法以及相关设备 | |
CN108986213B (zh) | 一种基于叠置技术的三维地层建模方法 | |
Hajizadeh et al. | An algorithm for 3D pore space reconstruction from a 2D image using sequential simulation and gradual deformation with the probability perturbation sampler | |
CN112861890B (zh) | 一种储层评价模型构建方法及储层识别方法 | |
Delhomme | A quantitative characterization of formation heterogeneities based on borehole image analysis | |
CN105488141B (zh) | 一种探地雷达数据的可视方法 | |
CN115526086A (zh) | 一种基于代理模型的碳酸盐岩油藏水驱突破时间预测方法 | |
CN106228521B (zh) | 一种基于薄板样条插值的障碍物特征提取方法 | |
CN101788664A (zh) | 面向土地退化响应单元的高光谱土地退化信息提取方法 | |
CN114898057B (zh) | 地质剖面图三维空间信息提取方法和装置、存储介质 | |
Weiss et al. | Assimilation of ocean sea-surface height observations of mesoscale eddies | |
CN108090929B (zh) | 矿区线性异常分析提取新型方法 | |
Ricketts et al. | Representation of three-dimensional unsaturated flow in heterogeneous soil through tractable Gaussian random fields | |
Raith et al. | Visual Eddy Analysis of the Agulhas Current. | |
CN103824279A (zh) | 基于组织进化聚类算法的图像分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |