项目名称: 稀疏约束方法在探地雷达反演与成像中的应用

项目编号: No.41304093

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 丁亮

作者单位: 东北林业大学

项目金额: 25万元

中文摘要: 目前,探地雷达数据解释工作仍处于凭借经验对探测结果进行人工判读的水平,虽然稀疏约束方法在探地雷达反问题中已经得到了广泛的应用,但如何提高反演成像的分辨率仍然是核心问题。传统的小波稀疏工具只能逐点检测物体内部反演参数,且只能对点状的内部结构具有较好的反演结果。剪切波作为新兴的多方向、多尺度稀疏工具可以准确、高效地检测地球内部不规则的层状边界,由于复杂的地质结构往往包含点状及层状介质,我们针对探地雷达资料反演与成像问题,以Maxwell方程为研究对象,开展基于剪切波和小波稀疏约束的反演理论研究。构造稀疏约束正则化泛函,给出两种约束的权重选取方法,研究反演参数的稀疏性表示,从而极大地减少计算量和对数据的需求,在识别地球内部各介质边界的同时,有效地识别小的异常体,例如尖、角和振荡边界,从而实现复杂介质的高分辨率反演成像。本项目的研究方法是全新的,对于其他复杂介质反演问题也具有适用性。

中文关键词: 探地雷达;反问题;正演模拟;稀疏约束;信号处理

英文摘要: At present, the ground penetrating radar (Ground Penetrating Radar) data interpretation technique is still established on the experience for radar image identification and manual delineated radar abnormal body. Although sparsity constraint method has been widely applied to GPR inverse problems, how to improve the resolution is still the core problem. Tranditional wavelet sparsity can only detect the inversion parameter pointwise, and have effective inversion result only when interior structure is punctiform. Shearlet is a emerging sparsity fool which has multi-direction and multi-scale, it can detect interior irregular layer boundary effectively. Complicated geologic structure always includes layer and punctiform medium. According to the inversion and imaging problem of GPR, we study the Maxwell equation and research the sparsity constraint inversion based on shearlet and wavelet, construct sparsity constraint regularization functional, give the weight selection method for two constraints. In order to reduce the calculated quantities and the demand of the data, we research sparsity presentation of inversion parameter. This structure can distinguish the boundary of mediums, at the same time distinguish anomalous structure for example point, corner and oscillating boundary to achieve high inversion resolution for

英文关键词: ground penetrating radar;;inverse probelms;forward simulation;sparsity constraint;signal processing

成为VIP会员查看完整内容
1

相关内容

【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
37+阅读 · 2021年8月31日
基于深度神经网络的高效视觉识别研究进展与新方向
专知会员服务
38+阅读 · 2021年8月31日
专知会员服务
22+阅读 · 2021年8月22日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
29+阅读 · 2021年4月12日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
45+阅读 · 2020年11月13日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
【NeurIPS2021】多模态虚拟点三维检测
专知
0+阅读 · 2021年11月16日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
傅里叶变换和拉普拉斯变换的物理解释及区别
算法与数学之美
11+阅读 · 2018年2月5日
深度学习中的五大正则化方法和七大优化策略
全球人工智能
11+阅读 · 2017年12月25日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
Arxiv
64+阅读 · 2021年6月18日
小贴士
相关VIP内容
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
37+阅读 · 2021年8月31日
基于深度神经网络的高效视觉识别研究进展与新方向
专知会员服务
38+阅读 · 2021年8月31日
专知会员服务
22+阅读 · 2021年8月22日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
29+阅读 · 2021年4月12日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
45+阅读 · 2020年11月13日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
相关资讯
【NeurIPS2021】多模态虚拟点三维检测
专知
0+阅读 · 2021年11月16日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
傅里叶变换和拉普拉斯变换的物理解释及区别
算法与数学之美
11+阅读 · 2018年2月5日
深度学习中的五大正则化方法和七大优化策略
全球人工智能
11+阅读 · 2017年12月25日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员