期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:赵建虎,冯杰,施凤,张红梅,何林帮.图像信息熵约束的浅地层层界划分方法[J].哈尔滨工业大学学报,2017,49(8):165.DOI:10.11918/j.issn.0367-6234.201504135
ZHAO Jianhu,FENG Jie,SHI Feng,ZHANG Hongmei,HE Linbang.Demarcation of the sub-bottom layers based on image information entropy constraint[J].Journal of Harbin Institute of Technology,2017,49(8):165.DOI:10.11918/j.issn.0367-6234.201504135
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 3069次   下载 1430 本文二维码信息
码上扫一扫!
分享到: 微信 更多
图像信息熵约束的浅地层层界划分方法
赵建虎1,冯杰1,施凤1,张红梅2,何林帮1
(1.武汉大学 测绘学院,武汉 430079;2.武汉大学 动力与机械学院,武汉 430072)
摘要:
为实现快速、精确、自动化、智能化的海底浅地层层界提取, 克服传统浅地层层界在复杂海洋环境下提取时的低效、模糊、主观性等缺点, 提出一种基于图像信息熵约束的浅地层层界划分方法.首先, 将浅剖图像分割为不同区块;然后, 在不同区块计算信息熵, 并结合钻孔数据, 建立信息熵与显著性参数关系模型;最后, 据此模型对整个浅剖图像进行层界划分.研究表明, 该方法克服了现有方法的不足, 实现了浅地层剖面层界的自适应、准确划分, 试验中取得了与钻孔层界深度、厚度同量级的精度.由此可知采用图像信息熵约束进行层界提取, 可以实现浅地层层界提取的自动化与智能化
关键词:  浅地层剖面图像  浅地层层界及提取  二维熵  中误差系数  自适应层界提取
DOI:10.11918/j.issn.0367-6234.201504135
分类号:P229
文献标识码:A
基金项目:国家自然科学基金(9,8,41576107)
Demarcation of the sub-bottom layers based on image information entropy constraint
ZHAO Jianhu1,FENG Jie1,SHI Feng1,ZHANG Hongmei2,HE Linbang1
(1.School of Geodesy and Geomatics, Wuhan University,Wuhan 430079, China; 2.Shool of Power and Mechanical Engineering, Wuhan University, Wuhan 430072, China)
Abstract:
To address the issue of the sub-bottom profile layer extraction in complex circumstance, this paper proposes a new demarcating method based on constraint of image information entropy. Firstly, the image of sub-bottom is divided into different blocks; then, the information entropy in each block is calculated and a relation model of information entropy and significant parameters are established according to drilling data; finally, the whole sub-bottom profiling is demarcated according to the model. It is revealed that this method has overcome the shortcomings of existing methods, realized the self-adapting and exacted demarcation of sub-bottom layers. The experiment has gained the same accuracy as the depth and thickness of layers got by drilling data.
Key words:  sub-bottom profiling  sub-bottom layer and its extraction  2-D entropy  coefficient of mean square error  self-adaption extraction

友情链接LINKS