Использование моментов Чебышева в задачах подавления высокочастотных помех в полях гравитационных аномалий
Ключевые слова:
гауссовская помеха, моменты Чебышева, гравитационная аномалия, подавление помехАннотация
Работа посвящена вопросу повышения качества аномальных гравитационных полей путем снижения уровня содержащихся в них высокочастотных помех. Приведен краткий обзор существующих подходов и методов подавления высокочастотных помех в полях гравитационных аномалий. Предложен метод фильтрации полей гравитационных аномалий, основанный на преобразовании, выполняемом в области моментов Чебышева. Приведены эмпирически установленные значения коэффициентов предложенного фильтра, использование которых оказывается целесообразным при неизвестном уровне помех. На примере смоделированной карты аномалий гравитационного поля продемонстрировано, что предложенный фильтр подавления помех сопоставим по скорости и превосходит по качеству результата такие фильтры, как билатеральный фильтр, вейвлет-фильтр, фильтры нелокального усреднения, а также хорошо зарекомендовавший себя в практике предварительной обработки гравитационных полей фильтр Винера.Литература
1. Блох Ю.И. Интерпретация гравитационных и магнитных аномалий // М.: МГГА. 2009. 88 с.
2. Biswas A. Interpretation of residual gravity anomaly caused by simple shaped bodies using very fast simulated annealing global optimization // Geosci. Front. 2015. vol. 6. no. 6. pp. 875–893.
3. Аронов В.И. Методы построения карт геолого-геофизических признаков и геометризация залежей нефти и газа на ЭВМ // М.: Недра. 1990. 301 с.
4. Pilkington M., Shamsipour P. Noise reduction procedures for gravity gradiometer data // GEOPHYSICS. 2014. vol. 79. no. 5. pp. G69–G78.
5. Uchaev D.V., Uchaev D.V., Malinnikov V.A. Image contrast enhancement using Chebyshev wavelet moments // Eighth International Conference on Machine Vision (ICMV 2015). International Society for Optics and Photonics. 2015. vol. 9875. pp. 987512.
6. Uchaev D.V., Uchaev D.V., Malinnikov V.A. Chebyshev-based technique for automated restoration of digital copies of faded photographic prints // J. Electron. Imaging. 2017. vol. 26. no. 1. pp. 011024.
7. Малинникова О.Н., Малинников В.А., Учаев Дм.В., Учаев Д.В. О влиянии шумов полученных СЭМ изображений угольных образцов на оценку склонности углей к внезапным выбросам // Деформирование и разрушение материалов с дефектами и динамические явления в горных породах и выработках: Материалы XXVI Международ. науч. школы. 2016. С. 134–139.
8. While J., Jackson A., Smit D., Biegert E. Spectral analysis of gravity gradiometry profiles // GEOPHYSICS. 2006. vol. 71. no. 1. pp. J11–J22.
9. Pajot G. et al. Noise reduction through joint processing of gravity and gravity gradient data // GEOPHYSICS. 2008. vol. 73. no. 3. pp. I23–I34.
10. Yuan Y., Huang D.–N., Yu Q.–L., Geng M.–X. Noise filtering of full-gravity gradient tensor data // Appl. Geophys. 2013. vol. 10. no. 3. pp. 241–250.
11. Martinez C., Li Y. Denoising of gravity gradient data using an equivalent source technique // GEOPHYSICS. 2016. vol. 81. no. 4. pp. G67–G79.
12. Guo Z.–H., Luo F., Wang M., Wang J.–B. The Design and Experiment of IIR Lowpass Digital Filters for Airborne Gravity Data // Chin. J. Geophys. 2011. vol. 54. no. 4. pp. 621–626.
13. Childers V., Bell R., Brozena J. Airborne gravimetry: An investigation of filtering // GEOPHYSICS. 1999. vol. 64. no. 1. pp. 61–69.
14. Bakkali S. The Use of Savitzky-Golay Filter to Denoising Moroccan Bouguer Gravity Anomaly Map // Ann. Fac. Eng. Hunedoara — J. Eng. 2008. vol. 6. pp. 183–190.
15. Zou X., Cai S., Wu M. The airborne gravity signal processing based on Kalman and FIR cascade filter // IEEE International Conference on Information and Automation (ICIA’2016). 2016. pp. 1996–2000.
16. Forsbergbi R. et al. Airborne Gravimetry Survey for the Marine Area of the United Arab Emirates // Mar. Geod. 2012. vol. 35. no. 3. pp. 221–232.
17. Pawlowski R.S., Hansen R.O. Gravity anomaly separation by wiener filtering // Geophysics. 1990. vol. 55. no. 5. pp. 539–548.
18. Zhang D., Huang D., Lu J., Zhu B. Gravity Gradient Data Filtering Using Translation Invariant Wavelet // ASEG Extended Abstracts 2016: 25th International Geophysical Conference and Exhibition. Australian Society of Exploration Geophysicists, 2016. pp. 885–889.
19. Wu Y., Li H. Improved Pre-processing Algorithm for Satellite Gravimetry Data Using Wavelet Method // Principle and Application Progress in Location-Based Services. 2014. pp. 95–105.
20. Yunlong W. et al. Outlier detection algorithm for satellite gravity gradiometry data using wavelet shrinkage de-noising // Geod. Geodyn. 2012. vol. 3. no. 2. pp. 47–52.
21. Singh K., Ranade S.K., Singh C. Comparative performance analysis of various wavelet and nonlocal means based approaches for image denoising // Opt. — Int. J. Light Electron Opt. 2017. vol. 131. pp. 423–437.
22. de Oliveira Lyrio J., Tenorio L., Li Y. Efficient automatic denoising of gravity gradiometry data // GEOPHYSICS. 2004. vol. 69. no. 3. pp. 772–782.
23. Verma R., Pandey R. Non local means algorithm with adaptive isotropic search window size for image denoising // 2015 Annual IEEE India Conference (INDICON). 2015. pp. 1–5.
24. Wu Y., Tracey B., Natarajan P., Noonan J.P. James–Stein Type Center Pixel Weights for Non-Local Means Image Denoising // IEEE Signal Process. Lett. 2013. vol. 20. no. 4. pp. 411–414.
25. Mukundan R., Ong S.H., Lee P.A. Image analysis by Tchebichef moments // IEEE Trans. Image Process. 2001. vol. 10. no. 9. pp. 1357–1364.
26. Mukundan R. Some computational aspects of discrete orthonormal moments // IEEE Trans. Image Process. 2004. vol. 13. no. 8. pp. 1055–1059.
27. Honarvar B., Paramesran R., Lim C.–L. Image reconstruction from a complete set of geometric and complex moments // Signal Process. 2014. vol. 98. pp. 224–232.
28. Mukundan R., Ong S.H., Lee P.A. Discrete vs. Continuous Orthogonal Moments for Image Analysis // Proc. of the International Conference on Imaging Science, Systems and Technology (CISST’01). 2001. pp. 23–29.
29. Uchaev Dm.V., Uchaev D.V., Malinnikov V.A. Orthogonal wavelet moments and their multifractal invariants // Seventh International Conference on Machine Vision (ICMV 2014). International Society for Optics and Photonics. 2015. vol. 9445. pp. 94450U–94450U-8.
30. Özgü Arısoy M., Dikmen Ü. Potensoft: MATLAB-based software for potential field data processing, modeling and mapping // Comput. Geosci. 2011. vol. 37. no. 7. pp. 935–942.
31. Tomasi C., Manduchi R. Bilateral filtering for gray and color images // Sixth International Conference on Computer Vision. 1998. pp. 839–846.
32. Dengwen Z., Wengang C. Image denoising with an optimal threshold and neighbouring window // Pattern Recognit. Lett. 2008. vol. 29. no. 11. pp. 1694–1697.
33. Wang Z., Bovik A.C. A universal image quality index // IEEE Signal Process. Lett. 2002. vol. 9. no. 3. pp. 81–84.
34. Wang Z., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image quality assessment: from error visibility to structural similarity // Image Process. IEEE Trans. On. 2004. vol. 13. no. 4. pp. 600–612.
2. Biswas A. Interpretation of residual gravity anomaly caused by simple shaped bodies using very fast simulated annealing global optimization // Geosci. Front. 2015. vol. 6. no. 6. pp. 875–893.
3. Аронов В.И. Методы построения карт геолого-геофизических признаков и геометризация залежей нефти и газа на ЭВМ // М.: Недра. 1990. 301 с.
4. Pilkington M., Shamsipour P. Noise reduction procedures for gravity gradiometer data // GEOPHYSICS. 2014. vol. 79. no. 5. pp. G69–G78.
5. Uchaev D.V., Uchaev D.V., Malinnikov V.A. Image contrast enhancement using Chebyshev wavelet moments // Eighth International Conference on Machine Vision (ICMV 2015). International Society for Optics and Photonics. 2015. vol. 9875. pp. 987512.
6. Uchaev D.V., Uchaev D.V., Malinnikov V.A. Chebyshev-based technique for automated restoration of digital copies of faded photographic prints // J. Electron. Imaging. 2017. vol. 26. no. 1. pp. 011024.
7. Малинникова О.Н., Малинников В.А., Учаев Дм.В., Учаев Д.В. О влиянии шумов полученных СЭМ изображений угольных образцов на оценку склонности углей к внезапным выбросам // Деформирование и разрушение материалов с дефектами и динамические явления в горных породах и выработках: Материалы XXVI Международ. науч. школы. 2016. С. 134–139.
8. While J., Jackson A., Smit D., Biegert E. Spectral analysis of gravity gradiometry profiles // GEOPHYSICS. 2006. vol. 71. no. 1. pp. J11–J22.
9. Pajot G. et al. Noise reduction through joint processing of gravity and gravity gradient data // GEOPHYSICS. 2008. vol. 73. no. 3. pp. I23–I34.
10. Yuan Y., Huang D.–N., Yu Q.–L., Geng M.–X. Noise filtering of full-gravity gradient tensor data // Appl. Geophys. 2013. vol. 10. no. 3. pp. 241–250.
11. Martinez C., Li Y. Denoising of gravity gradient data using an equivalent source technique // GEOPHYSICS. 2016. vol. 81. no. 4. pp. G67–G79.
12. Guo Z.–H., Luo F., Wang M., Wang J.–B. The Design and Experiment of IIR Lowpass Digital Filters for Airborne Gravity Data // Chin. J. Geophys. 2011. vol. 54. no. 4. pp. 621–626.
13. Childers V., Bell R., Brozena J. Airborne gravimetry: An investigation of filtering // GEOPHYSICS. 1999. vol. 64. no. 1. pp. 61–69.
14. Bakkali S. The Use of Savitzky-Golay Filter to Denoising Moroccan Bouguer Gravity Anomaly Map // Ann. Fac. Eng. Hunedoara — J. Eng. 2008. vol. 6. pp. 183–190.
15. Zou X., Cai S., Wu M. The airborne gravity signal processing based on Kalman and FIR cascade filter // IEEE International Conference on Information and Automation (ICIA’2016). 2016. pp. 1996–2000.
16. Forsbergbi R. et al. Airborne Gravimetry Survey for the Marine Area of the United Arab Emirates // Mar. Geod. 2012. vol. 35. no. 3. pp. 221–232.
17. Pawlowski R.S., Hansen R.O. Gravity anomaly separation by wiener filtering // Geophysics. 1990. vol. 55. no. 5. pp. 539–548.
18. Zhang D., Huang D., Lu J., Zhu B. Gravity Gradient Data Filtering Using Translation Invariant Wavelet // ASEG Extended Abstracts 2016: 25th International Geophysical Conference and Exhibition. Australian Society of Exploration Geophysicists, 2016. pp. 885–889.
19. Wu Y., Li H. Improved Pre-processing Algorithm for Satellite Gravimetry Data Using Wavelet Method // Principle and Application Progress in Location-Based Services. 2014. pp. 95–105.
20. Yunlong W. et al. Outlier detection algorithm for satellite gravity gradiometry data using wavelet shrinkage de-noising // Geod. Geodyn. 2012. vol. 3. no. 2. pp. 47–52.
21. Singh K., Ranade S.K., Singh C. Comparative performance analysis of various wavelet and nonlocal means based approaches for image denoising // Opt. — Int. J. Light Electron Opt. 2017. vol. 131. pp. 423–437.
22. de Oliveira Lyrio J., Tenorio L., Li Y. Efficient automatic denoising of gravity gradiometry data // GEOPHYSICS. 2004. vol. 69. no. 3. pp. 772–782.
23. Verma R., Pandey R. Non local means algorithm with adaptive isotropic search window size for image denoising // 2015 Annual IEEE India Conference (INDICON). 2015. pp. 1–5.
24. Wu Y., Tracey B., Natarajan P., Noonan J.P. James–Stein Type Center Pixel Weights for Non-Local Means Image Denoising // IEEE Signal Process. Lett. 2013. vol. 20. no. 4. pp. 411–414.
25. Mukundan R., Ong S.H., Lee P.A. Image analysis by Tchebichef moments // IEEE Trans. Image Process. 2001. vol. 10. no. 9. pp. 1357–1364.
26. Mukundan R. Some computational aspects of discrete orthonormal moments // IEEE Trans. Image Process. 2004. vol. 13. no. 8. pp. 1055–1059.
27. Honarvar B., Paramesran R., Lim C.–L. Image reconstruction from a complete set of geometric and complex moments // Signal Process. 2014. vol. 98. pp. 224–232.
28. Mukundan R., Ong S.H., Lee P.A. Discrete vs. Continuous Orthogonal Moments for Image Analysis // Proc. of the International Conference on Imaging Science, Systems and Technology (CISST’01). 2001. pp. 23–29.
29. Uchaev Dm.V., Uchaev D.V., Malinnikov V.A. Orthogonal wavelet moments and their multifractal invariants // Seventh International Conference on Machine Vision (ICMV 2014). International Society for Optics and Photonics. 2015. vol. 9445. pp. 94450U–94450U-8.
30. Özgü Arısoy M., Dikmen Ü. Potensoft: MATLAB-based software for potential field data processing, modeling and mapping // Comput. Geosci. 2011. vol. 37. no. 7. pp. 935–942.
31. Tomasi C., Manduchi R. Bilateral filtering for gray and color images // Sixth International Conference on Computer Vision. 1998. pp. 839–846.
32. Dengwen Z., Wengang C. Image denoising with an optimal threshold and neighbouring window // Pattern Recognit. Lett. 2008. vol. 29. no. 11. pp. 1694–1697.
33. Wang Z., Bovik A.C. A universal image quality index // IEEE Signal Process. Lett. 2002. vol. 9. no. 3. pp. 81–84.
34. Wang Z., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image quality assessment: from error visibility to structural similarity // Image Process. IEEE Trans. On. 2004. vol. 13. no. 4. pp. 600–612.
Опубликован
2017-12-04
Как цитировать
Учаев, Д. В., Журкин, И. Г., & Учаев, Д. В. (2017). Использование моментов Чебышева в задачах подавления высокочастотных помех в полях гравитационных аномалий. Труды СПИИРАН, 6(55), 134-159. https://doi.org/10.15622/sp.55.6
Раздел
Методы управления и обработки информации
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
