下载文档原格式
贝叶斯反演方法
贝叶斯反演方法是一种用于从已知数据中推断出模型参数的统计推断方法。
它在贝叶斯统计学的框架下，利用贝叶斯定理和贝叶斯概率进行推断。
具体来说，贝叶斯反演方法将模型参数视为随机变量，根据已知数据和先验知识，通过计算后验分布来获得模型参数的估计值。
在贝叶斯反演方法中，先验分布是关于参数的主观或客观知识，它可以帮助约束参数的范围和概率分布。
而后验分布则是根据已知数据和先验分布得到的，它反映了参数的可能性。
贝叶斯反演方法通常涉及以下步骤：
1. 选择参数的先验分布，并根据已知信息进行估计。
2. 基于选择的先验分布和已知数据，应用贝叶斯定理计算后验分布。
3. 根据后验分布得到参数的估计值，如均值、中位数等。
4. 使用参数的估计值进行进一步的分析和预测。
贝叶斯反演方法的优点之一是能够将已知数据和先验知识相结合，提供更全面和准确的参数估计。
此外，它还能够处理参数不确定性，并为不同的先验分布提供灵活性。
贝叶斯反演方法在许多领域中广泛应用，如信号处理、图像恢复、地震学、物理学等。
它可以帮助研究人员从有限的观测数据中提取出更多的信息，并提供决策和预测的基础。
基于变分贝叶斯推断的新型全局频谱协作感知算法吴名;宋铁成;胡静;沈连丰【摘要】为了实现多维动态频谱接入,首先给出了主用户的全局功率谱近似模型,并构建了新型全局频谱协作感知算法的总体流程,以获得主用户网络中占用频段、功率及位置等全局信息.接着利用变分贝叶斯推断技术,设计了相应的模型系数向量估计器.仿真结果表明,该方法采用的近似模型具有较好的准确性,相应的系数向量估计算法具有较高的有效性和收敛稳定性,同时指明了信噪比和泄漏总虚假功率的关系以及两者对均方误差性能的影响.此外,还证明了该方法通过利用系数向量θ的稀疏性,而在均方误差性能上具有较大优势.【期刊名称】《通信学报》【年(卷),期】2016(037)002【总页数】9页(P115-123)【关键词】认知无线电;全局频谱协作感知;变分贝叶斯推断;稀疏性【作者】吴名;宋铁成;胡静;沈连丰【作者单位】东南大学移动通信国家重点实验室,江苏南京210096;东南大学移动通信国家重点实验室,江苏南京210096;东南大学移动通信国家重点实验室,江苏南京210096;东南大学移动通信国家重点实验室,江苏南京210096【正文语种】中文【中图分类】TN914目前，无线通信领域中存在频谱资源日益匮乏而现有频谱利用效率低下这一困境，认知无线电技术正是为解决这一问题而提出的。
认知无线电技术的基础和关键是频谱感知技术，该技术主要用于判断授权频段是否被主用户占用。
目前，其主要采取协作的方式进行频谱感知，以利用不同从用户的采样点在时间、空间上的独立性或不相关性，实现分集、增强感知性能，从而达到快速、可靠感知的目的[1~3]。
但是因为从用户网络覆盖范围较大，主用户通信范围通常只占据其中一部分。
而在其他地方，由于距离主用户较远、主用户信号功率较弱、建筑物遮蔽等原因，从用户对授权频段的使用往往既不会对主用户通信产生有害的干扰，也不会受到主用户的有害影响。
同时由于主/从用户一般存在移动性，导致主用户通信影响范围和频谱空洞所处位置也随时间不断变化。
基于贝叶斯理论的VTI介质多波叠前联合反演侯栋甲;刘洋;任志明;魏修成;陈天胜【摘要】以VTI介质Ruger近似反射系数公式为基础,研究了多波叠前多参数联合反演方法.该方法以VTI介质Ruger近似公式为AVO正演方程,联合应用转换波和纵波数据,利用最小二乘原理构建目标函数来反演密度比、速度比、各向异性参数差等5个参数.在反演过程中引入贝叶斯理论,假定先验信息服从高斯分布,待求参数服从改进的Cauchy分布,并对待求参数去除相关性.对某地区地层模型正演的多波数据和含噪声数据分别采用本文方法进行了反演,与单独利用纵波数据反演的结果相比,联合反演的结果精度更高、抗噪能力更强、稳定性更好.模型数据测试结果验证了本文方法的可行性和有效性.【期刊名称】《石油物探》【年(卷),期】2014(053)003【总页数】10页(P294-303)【关键词】VTI介质;AVO;联合反演;贝叶斯理论;改进的Cauchy分布【作者】侯栋甲;刘洋;任志明;魏修成;陈天胜【作者单位】中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油大学(北京)CNPC物探重点实验室,北京102249;中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油大学(北京)CNPC物探重点实验室,北京102249;中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油大学(北京)CNPC物探重点实验室,北京102249;中国石油化工股份有限公司勘探开发研究院,北京100083;中国石油化工股份有限公司勘探开发研究院,北京100083【正文语种】中文【中图分类】P631.4AVO分析是地震资料处理和解释的重要手段之一,它能够提供较为准确的构造和岩性信息。
在地震勘探方法技术研究方向已由基于各向同性介质的假设逐渐转变到基于各向异性介质假设的前提下,各向异性的AVO分析技术也得到了蓬勃的发展,利用叠前振幅信息反演地层岩性参数是反演领域研究的热点之一[1]。
[1]Image segmentation by clustering of spatial patterns, Pattern Recognition Letters, 2007，他引频次：23引证文献：1.X Yang, et al., Image segmentation with a fuzzy clustering algorithm based on Ant-Tree,Signal Processing, 2008 – Elsevier2.J Fan, et al., Single point iterative weighted fuzzy C-means clustering algorithm forremote sensing image segmentation, Pattern Recognition- 20093.Cariou, et al., Unsupervised texture segmentation/classification using 2-Dautoregressive modeling and the stochastic expectation-maximization algorithmC,Pattern Recognition Letters, 20084.M Kühne, et al., A novel fuzzy clustering algorithm using observation weighting andcontext information for reverberant blind speech separation, Signal Processing, 20095.Y Xia, et al., Segmentation of brain structures using PET-CT images,20086.W Chen, et al., A 2-phase 2-D thresholding algorithm, Digital Signal Processing, 20107.Chaoshun Li, et al.,A Fuzzy Cluster Algorithm Based on Mutative Scale ChaosOptimization, Proceedings of the 5th international symposium on Neural Networks:Advances in Neural Networks, Part II,20088.Kun Qin, et al., Image Segmentation Based on Cloud Concept Analysis,20109.Long Chen, et al.,Multiple kernel fuzzy C-means based image segmentation,201010.Reddy, B.V.R., et al.,A Random Set View of Texture Segmentation,201011.Lefèvre, S., A New Approach for Unsupervised Classification in Image Segmentation,201012.Kai-jian, XIA, et al., An Image Segmentation Based on Clustering of Spatial Patternsand Watershed Algorithm, 201013.Rajeswari, M., et al., Spatial Multiple Criteria Fuzzy Clustering for Image Segmentation,201014.CH Wu, et al., A greedy strategy for images segmentation by support vector machines,201015.Wei, B.C, et al., Multi-objective nature-inspired clustering techniques for imagesegmentation, 201016.Ruta, A, Video-based Traffic Sign Detection, Tracking and Recognition, 200917.Camilus, K.S., et al., A Robust Graph Theoretic Approach for Image Segmentation,201018.WP Zhu, et al., Image segmentation by improved clustering of spatial patterns, JisuanjiYingyong Yanjiu, 200919.S Lefèvre, Une nouvelle approche pour la classification non superviséeen segmentationd’image, et gestion des connaissances: EGC'200920.Callejo, R, et al., Segmentación automática de texturas en imágenes agrícolas,201021.Marcos, I, Estrategias de clasificación de texturas en imágenes forestales hemisféricas,201022.Seo ST, et al., Co-occurrence Matrix-Based Image Segmentation IEICETRANSACTIONS ON INFORMATION AND SYSTEMS. NOV 2010, E93D(11):3128-313123.Pedrycz W, et al., Fuzzy clustering with semantically distinct families of variables:Descriptive and predictive aspects.PA TTERN RECOGNITION LETTERS. OCT 1 2010, 31(13): 1952-1958[2]Robust Shape-Based Head Tracking, Advanced Concepts for Intelligent Vision Systems,2007, 他引频次：10引证文献：1. A Bottino, et al., A fast and robust method for the identification of face landmarks inprofile images, WSEAS Transactions on Computers, 2008 - 2. D Jiang, et al., Speech driven realistic mouth animation based on multi-modal unitselection, Journal on Multimodal User Interfaces,2004.63.Chen, D, et al., Audio-Visual Emotion Recognition Based on a DBN Model withConstrained Asynchrony,20104. A Bottino, et al., Robust identification of face landmarks in profile images, 2008Proceedings of the 12th WSEAS international conference on Computers, 20085.Hou, Y, et al., Smooth Adaptive Fitting of 3D Face Model for the Estimation of Rigidand Non-rigid Facial Motion in Video Sequences, 20106.Gonzalez, I, et al., Automatic Recognition of Lower Facial Action Units, 20107.Jiang, X, et al., Perception-Based Lighting Adjustment of Image Sequences, 20108.Jiang, D, et al., Realistic mouth animation based on an articulatory DBN model withconstrained asynchrony, 20109.Y Hou, et al., 3D Face Alignment via Cascade 2D Shape Alignment and ConstrainedStructure from Motion, Advanced Concepts for Intelligent Vision Systems,200910.刘培桢，等，I RAVYSE, Hichem, S, 基于发音特征DBN 模型的嘴部动画合成，2010[3]An Efficient Physically-Based Model for Chinese Brush, Frontiers in Algorithmics, 2007，他引频次：5引证文献：1.TD Chen, Chinese Calligraphy Brush Stroke Interactive Model with Ink Diffusion Style,20102.TD Chen, Hairy Brush and Rice Paper Interactive Model with Chinese Ink PaintingStyle, 20103.Y Hou, et al., Model for Evaluating the Safety Innovation Effects in Coal Mines basedon' Security Force Engineering, 20094.MZ Zhu，et al., Virtual brush model based on statistical analysis and its application,20095.朱墨子，等, 基于统计分析的虚拟毛笔模型及其应用, 计算机工程, 2009[4]Segmentation of images using wavelet packet based feature set and Clustering Algorithm,International Journal of Information Technology, 2005, 他引频次：4引证文献：1.Lv, H, et al., Medical image segmentation based on wavelet packet and improved FCM,20082.Afifi, A, et al., Particle Swarm Optimization Based Medical Image SegmentationTechnique, 20103.吕回，等，基于小波包和改进的FCM 的医学图像分割，计算机工程与应用，20084.AFIFI. A, et al., Shape and Texture Priors for Liver Segmentation in AbdominalComputed Tomography Scans Using the Particle Swarm Optimization, 2010[5] A New Method of SAR Image Segmentation Based on Neural Network, Proceedings of the5th International Conference on Computational Intelligence and Multimedia Applications, 2003, 他引频次：3引证文献：1.徐海祥，等，基于改进的一对一支持向量机方法的多目标图像分割,微电子学与计算机，20052.徐海祥，等，彭复员,基于支持向量机方法的多目标图像分割,计算机工程与应用，20053.BU Shankar, Novel Classification and Segmentation Techniques with Application toRemotely Sensed Images, Transaction on Rough Sets VII, 2007[6] A modified particle swarm optimization algorithm for support vector machine training, TheSixth World Congress on Intelligent Control and Automation, 2006, 他引频次：3引证文献：1.Matthias Becker, et al., Traffic Analysis and Classification with Bio-Inspired andClassical Algorithms in Sensor Networks, SPECTS 2008 Committees2.Matthias Becker, et al., Sebastian Bohlmann, Helena Szczerbicka, On ClassificationApproaches for Misbehavior Detection in Wireless Sensor Networks, Journal ofComputers, Vol 4, No 5 (2009), 357-365, May 20093.Q WU, et al., Particle Swarm Optimization for Semi-supervised Support VectorMachine, 2010[7] A Novel Immune Quantum-Inspired Genetic Algorithm, Advances in Natural Computation,2005，他引频次：3引证文献：1.X You, et al. Immune Quantum Evolutionary Algorithm Based on Chaotic SearchingTechnique for Global Optimization, 20082.G Zhang, Quantum-inspired evolutionary algorithms: a survey and empirical study,20103.Xiaoming You , et al., Real-coded Quantum Evolutionary Algorithm based on ImmuneTheory for Multi-modal Optimization Problems, 2008 International Conference onComputer Science and Software Engineering[8]New method for image target recognition, Second International Conference on Image andGraphics, 2002, 他引频次：2引证文献：1.陈亮，等，基于SVM 的遥感影像目标检测中的样本选取，计算机工程与应用，20062.梅建新，等, 基于支持向量机的特定目标检测方法，武汉大学学报: 信息科学版，2004[9] A New Method for Detecting Bridges Automatically, JOURNAL OF NORTHWESTERNPolytechnical University, 2003，他引频次：2引证文献：1.Y Fu, et al., Recognition of Bridge over Water in High-Resolution Remote SensingImages, 2009 WRI World Congress on Computer Science and InformationEngineering,20092.L Zhang, et al., Adaptive river segmentation in SAR images, 2009[10]The research of the match of corresponding points in multi-view and the realization byevolutionary programming, 2004 7th International Conference on Signal Processing2004, 他引频次：1引证文献：1.Guangpeng Zhang, et al., A 3D FACIAL FEATURE POINT LOCALIZATIONMETHOD BASED ON STATISTICALSHAPE MODEL, Proc. of Internat. Conf. onAcoustics, Speech and Signal Processing ICASSP, pp. 15–20.[11]A fuzzy integral method of applying support vector machine for multi-class problem,LECTURE NOTES IN COMPUTER SCIENCE, 2006,他引频次：1引证文献：1.Hu YC, Fusing fuzzy association rule-based classifiers using Sugeno integral withordered weighted averaging operators, INTERNATIONAL JOURNAL OFUNCERTAINTY FUZZINESS AND KNOWLEDGE-BASED SYSTEMS, DEC 2007,15(6): 717-735[12]Robust object tracking based on uncertainty factorization subspace constraints optical flow,International Conference on Computational Intelligence and Security, LECTURE NOTES IN ARTIFICIAL INTELLIGENCE, 2005, 他引频次：1引证文献：1.Hou Y, et al., Robust shape-based head tracking, Advanced Concepts for IntelligentVision Systems, Proceedings, AUG 28-31, 2007, 4678: 340-351[13]On Good-Quality Edge Detection of SAR Image, Journal of Northwestern PolytechnicalUniversity, 2003, 他引频次：1引证文献：1.LI Wei-bin, et al., New operator for edge detection in SAR image, ComputerEngineering and Design 2007-17[14]An Adaptive Immune Genetic Algorithm for Edge Detection, Advanced IntelligentComputing Theories and Applications. With Aspects of Artificial Intelligence,2007，他引频次：1引证文献：1.Judy，et al., A multi-objective evolutionary algorithm for protein structure predictionwith immune operators, Computer Methods in Biomechanics and BiomedicalEngineering, V olume 12, Number 4, August 2009 , pp. 407-413(7)[15]视频监视中运动目标的检测与跟踪算法, 系统工程与电子技术, 2002, 他引频次：111引证文献：1.付晓薇，一种基于动态图像的多目标识别计数方法，武汉科技大学，20032.汪颖进，目标跟踪过程中的遮挡问题研究，华中科技大学，20043.杨俊，变电站遥视图像的识别研究，华北电力大学（河北），20044.高腾，静止背景下运动目标跟踪方法的研究，西北大学，20055.崔宇巍，运动目标检测与跟踪中有关问题的研究，西北大学，20056.胡嘉凯，智能视频监控系统中运动目标跟踪有关问题研究及其DSP实现，合肥工业大学，20067.刘天国，红外防火监视监控系统的设计与实现，吉林大学，20068.刘昕，实时视频中选定物体追踪算法的研究，吉林大学，20069.程江华，基于DSP的视频分析系统设计与实现，国防科学技术大学，200510.廖雪超，基于粒子滤波和背景建模的多目标跟踪技术的研究和实现，武汉科技大学，200611.张之稳，嵌入式视频跟踪算法的研究，山东大学，200612.乔月，基于三层动态交互体系的多目标监控系统，哈尔滨工业大学，200613.周香珍，基于DSP的目标跟踪系统的实现，南京理工大学，200614.刘青青，智能式数字视频监控系统的研究与实现，厦门大学，200415.辛瑞红，运动目标的检测与跟踪研究，北京交通大学，200716.单海涛，复杂环境下运动人体分割算法的研究，大连海事大学，200617.武爱民，视频检测与跟踪技术在行人计数中的应用研究，合肥工业大学，200718.魏瑞斌，基于多特征的运动目标跟踪，西北大学，200719.吴雪刚，一种有效的基于粒子滤波器的多目标跟踪技术，西南大学，200720.胡志刚，基于移动通信网络的视频监控系统设计与实现，国防科学技术大学，200621.于晨，基于模板匹配技术的运动物体检测的研究，重庆大学，200722.吴园，运动车辆的检测与跟踪，南京航空航天大学，200723.周敬兵，复杂背景下的目标检测与跟踪技术研究，南京理工大学，200724.罗勤，基于序列图像处理的桥墩防撞预警系统的研究，华中科技大学，200625.肖海燕，动态目标检测与跟踪技术的研究，大连理工大学，200726.汪泉，基于运动目标检测与跟踪的视频测速技术的研究与应用，南昌大学，200727.司长哲，基于DSP的火箭自动跟踪与识别系统，重庆大学，200728.高原，海背景下弱小运动目标的检测和跟踪研究，北京交通大学，200729.庄志国，视频监控系统中有遮挡运动目标的提取和重构，厦门大学，200730.杨洋，智能场景监控系统的研究及其在室内监控中的应用，吉林大学，200831.张恒娟，基于分块高斯背景的运动目标检测与跟踪技术研究，天津师范大学，200832.马杰，视频人脸检测与识别方法研究，湖南大学，200833.陈家树，像素差的平方和增强核粒子滤波的非刚体目标跟踪，西南大学，200834.黄苜，支持向量回归机粒子滤波器非刚体目标跟踪，西南大学，200835.陈方晖，基于DSP的图像识别技术研究，国防科学技术大学，200736.王柱，复杂背景下动态目标的检测与跟踪，昆明理工大学，200737.马樱，基于视频流的步态识别，昆明理工大学，200838.梁昌斌，视频监控系统中运动目标检测和跟踪技术的研究与实现，合肥工业大学，200839.王虎，运动目标检测和跟踪的研究及应用，中国海洋大学，200840.李凤凯，多运动目标的检测与跟踪算法研究，天津大学，200741.刘月明，视频目标运动轨迹提取算法的分析与仿真，哈尔滨工业大学，200742.王久明，基于高速处理器的CMOS数字图像采集系统的硬件设计，哈尔滨工业大学，200743.伍翔，视频图像中运动目标检测与跟踪方法研究与实现，哈尔滨工业大学，200744.戴若愚，基于帧间运动能量差的跟踪算法研究与实现，华中科技大学，200745.闫丽媛，单移动目标跟踪装置的研究，沈阳工业大学，200946.杨翠萍，基于图像处理的视频监控系统的研究与实现，东华大学，200947.江雪剑，东华大学，基于PTZ摄像机的跟踪算法研究，200948.贾鸿儒，遮挡情况下基于特征相关匹配的目标跟踪方法研究，东北师范大学，200949.李明君，基于计算机视觉的运动目标的检测与跟踪的研究，青岛大学，200950.杨隽姝，车辆检测与实时跟踪算法研究，华东师范大学，200951.韩亚伟，视频交通流背景提取与运动目标跟踪检测技术研究，长安大学，200952.山茂泉，运动目标检测和跟踪算法研究，大庆石油学院，200853.罗莹，网络实时音视频处理中运动检测技术的研究与实现，上海交通大学，200854.刘钢，基于小波变换的航空图像处理及动载体多目标跟踪方法研究，中国科学院研究生院（长春光学精密机械与物理研究所），200455.潘锋，仿人眼颈视觉系统的理论与应用研究，浙江大学，200556.岳润峰，等，基于小波分解与运动补偿的弹迹检测方法，兵工自动化，200757.王蓉晖，等，基于小波变换的分层块匹配多目标跟踪方法，吉林大学学报(信息科学版)，200458.刘春华，等，运动中的多目标电视跟踪方法，弹箭与制导学报，200459.胡志刚，等，基于无线通信网络的视频监控研究，电脑知识与技术(学术交流)，200760.程成，等，眼动交互的实时线性算法构造和实现，电子学报，200961.宋世军，等，运动人体图像分割算法研究，中国工程机械学报，200762.刘钢，等，运动背景下多目标跟踪的小波方法，光电工程，200563.门立彦，等，种视频序列中运动目标的跟踪方法，装备制造技术，200964.杨伟，等，基于mean-shift的多目标粒子滤波跟踪算法设计，光电技术应用，200965.杨伟, 等，基于Mean-shift的多目标跟踪算法的设计[J]. 红外,2009,(3).66.朱冬，等，一种改进的自适应运动目标检测算法，信息通信，200667.杨伟，等，基于mean-shift的多目标粒子滤波跟踪算法设计，红外技术，200968.蒋文斌，等，一种基于位移概率矩阵的目标跟踪方法，华中科技大学学报(自然科学版)，200669.孙剑，等，基于mean-shift的快速跟踪算法设计与实现，计算机工程，200670.徐璟，DSP视频监控中运动目标检测方法研究，计算机仿真，200871.余静，等，自动目标识别与跟踪技术研究综述，计算机应用研究，200572.宋世军，等，复杂背景下运动目标的智能检测方法，计算机应用与软件，200873.唐俐，等，运动目标检测的三帧差分和背景消减研究，科技信息，200874.袁基炜，等，一种基于灰色预测模型GM(1,1)的运动车辆跟踪方法，控制与决策，200675.李衡宇，等，杨晓敏基于计算机视觉的公交车人流量统计系统，四川大学学报(自然科学版)，200776.唐宏震，等，基于多分辨率分级分块处理的边缘检测方法，陕西师范大学学报(自然科学版)，200777.关向荣，等，视频监视中背景的提取与更新算法，微电子学与计算机，200578.杨建国，等，基于自适应轮廓匹配的视频运动车辆检测和跟踪，西安交通大学学报，200579.王先培，等，变电站遥视智能化系统中除噪问题的研究，襄樊学院学报，200980.鹿雪娇，基于视频图像的运动物体识别与跟踪技术研究，大庆石油学院，200981.焦安霞，视频序列中动目标检测与跟踪算法的研究，哈尔滨工程大学，200882.王笑雨，运动目标检测与跟踪系统设计，哈尔滨工程大学，200883.张敏，视频监控中运动目标检测与清晰化方法的研究，江苏大学，201084.马小博，基于FPGA的视频监控跟踪系统研究，大连海事大学，201085.邓俊云，基于DAM6416P处理平台对弱小目标的检测与跟踪，南京航空航天大学，200986.余晓蓉，运动目标检测与跟踪技术研究，西安电子科技大学，201087.赵红丽，基于多光谱图像融合的视频运动目标检测[，西安电子科技大学，201088.宋岩，交通信息采集系统中运动车辆的检测与识别技术研究，黑龙江大学，200989.汪冲，运动目标检测与跟踪在鱼眼图像中的应用，哈尔滨工程大学，200990.吕斌，交通监控系统中目标跟踪与行为识别研究，中南大学，201091.刘玟，基于驾驶员眼睛状态的疲劳驾驶检测算法，华南理工大学，201092.陆珺，交通道口运动目标检测与跟踪方法的研究，江苏大，200793.陈奕奕，运动目标检测分割算法研究，武汉科技大学，201094.王二力，红外监控系统中关键技术研究，西安电子科技大学，200695.陈爱斌，基于视觉的运动目标跟踪方法研究，中南大学，201096.邹策千，等，序列图像运动目标的检测与提取，内蒙古农业大学学报(自然科学版)，201097.关向荣，等，视频监视中背景的提取与更新算法，微电子学与计算机，200598.孙剑，等，基于mean-shift 的快速跟踪算法设计与实现，计算机工程，200699.何健刚，AdHoc 网络在WindowsXP 环境下的应用实例，计算机应用与软件，2008100.庄志国，视频监控系统中有遮挡运动目标的提取和重构，硕士学位论文，厦门大学，2007101.陈方晖，基于DSP 的图像识别技术研究，硕士学位论文，国防科技大学，2007 102.付晓薇，一种基于动态图像的多目标识别计数方法，硕士学位论文，武汉科技大学，2003103.李衡宇，等，基于计算机视觉的公交车人流量统计系统，四川大学学报: 自然科学版, 2007104.徐璟，DSP 视频监控中运动目标检测方法研究，计算机仿真, 2008105.肖海燕，动态目标检测与跟踪技术的研究，硕士学位论文，大连理工大学，2007 106.黄扬帆,等，改进PDA-AI方法的运动目标跟踪性能分析[J]. 重庆大学学报,2010 107.赵陈, 等，基于混合模型的运动目标检测算法[J].电子测试,2011108.曹晖. 运动多目标检测与跟踪算法研究[D]. 哈尔滨工程大学,2010109.何娜. 视频监控中运动物体自动跟踪技术的研究[D]. 南华大学,2010110.杨勇. 基于粒子滤波目标跟踪方法研究[D]. 中南林业科技大学,2009111.李姗姗. 智能视频跟踪系统中的运动目标检测与跟踪技术研究[D]. 华中科技大学: ,2009[16]角点检测技术综述, 计算机应用研究, 2006, 他引频次：94引证文献：1.李宝昭，基于匹配的图像识别算法的应用研究，硕士学位论文，广东工业大学，20072.陆兵，视频中的文本提取及其应用，硕士学位论文，河海大学，20073.庄志国，视频监控系统中有遮挡运动目标的提取和重构，硕士学位论文，厦门大学，20074.韩啸，基于遗传算法的摄像机内参数标定研究，硕士学位论文，吉林大学，20085.吴亚鹏，基于双目视觉的运动目标跟踪与三维测量，硕士学位论文，西北大学6.邓再强，基于特征点匹配的电子稳像算法研究，硕士学位论文，电子科技大学，20087.赵万金，图像自动拼接技术研究与应用，硕士学位论文，苏州大学，20088.汪心昕，基于内容的广告垃圾图像检测关键技术研究，硕士学位论文，北京邮电大学，20089.代建辉，智能交通系统车辆流量检测技术的研究，硕士学位论文，天津大学，200710.赵文闯，基于视觉的多机器人实验系统室内实时定位研究，硕士学位论文，哈尔滨工业大学，200711.兰信旭，视觉坐标测量的仿真环境设计，硕士学位论文，青岛大学，200812.刘晶晶，基于双目立体视觉的三维定位技术研究，硕士学位论文，华中科技大学，200713.刘永强，基于视觉测量的汽车车轮定位技术的研究，硕士学位论文，大连理工大学，200814.王娟，图像拼接技术研究，硕士学位论文，陕西师范大学，200815.王树峰，基于立体视觉方法的图像三维模型重建研究，硕士学位论文，南京航空航天大学200816.张晶，基于比值算法的图像拼接技术的实现，硕士学位论文，吉林大学，200917.陈光，亚像素级角点提取算法，硕士学位论文，吉林大学，200918.徐江玲，基于非平行双目视觉的三维重建，硕士学位论文，大连理工大学，200919.蒋虎，航片拼接及其与矢量地图的可视化集成技术，硕士学位论文，电子科技大学，200920.李建敏，基于轮廓片段的图像识别技术研究，硕士学位论文，厦门大学，200921.徐秀眉，基于SVG的校园导航系统开发研究，硕士学位论文，长安大学，200922.魏娟，双目视觉在自动倒车系统中的应用研究，硕士学位论文，哈尔滨工程大学，200923.张明志，基于微特征的指纹识别算法研究，硕士学位论文，厦门大学，200824.李海峰，基于要素的图像统计模型研究，硕士学位论文，北京交通大学，200925.李绍君，基于Snake模型的肿瘤显微图像分割技术研究，硕士学位论文，华东交通大学，200826.钱苏斌，曲面重建[D].硕士学位论文，江南大学，200927.倪奎，人脸器官拼接融合及其在人脸动画中的应用，硕士学位论文，中国科学技术大学，200928.阮国威，高速电脑绣花机视频运动检测分析系统，硕士学位论文，北京工商大学，200929.刘军学，移动机器人视觉检测和跟踪研究，硕士学位论文，哈尔滨工业大学，2008.30.陈二龙，PCB视觉检测系统中相机标定算法与位姿测定技术，硕士学位论文，哈尔滨工业大学，200831.徐涛，基于多个广角相机的图像拼接技术，硕士学位论文，浙江大学，201032.邹虹，基于计算机视觉的动作识别对人机界面消隐的研究，硕士学位论文，哈尔滨工业大学，200933.裴聪，基于计算机视觉中双目立体匹配技术研究，江苏大学，201034.肖建军，车辆遮挡检测的研究与应用，北方工业大学，201035.杨文鲜，基于形状的图像匹配复合模型研究，华北电力大学（北京），201036.李畅，基于曲率乘积的直接曲率尺度空间角点检测算法，硕士学位论文，南京航空航天大学，200937.钱镜洁，基于视频的车型识别技术研究，硕士学位论文，南京航空航天大学，200938.孟犇，图像局部特征技术在图像检索系统中的应用，上海交通大学，201039.赵勇，基于覆盖分类的视觉跟踪算法研究，安徽大学，201040.王靖韬，三维重建的摄像机标定技术和多尺度空间下角点检测技术的研究，内蒙古农业大学，201041.李蕊艳，基于机器视觉的芯片识别及定位软件的研究开发，硕士学位论文，西安理工大学，200942.曾东方，单晶生长过程直径检测与化料过程模式分类方法研究，硕士学位论文，西安理工大学，200943.兰昆艳，基于特征检测的车辆跟踪技术的研究，硕士学位论文，北京邮电大学，201044.彭旭，机场监控视频相关事件检测，硕士学位论文，北京邮电大学，201045.时洪光，基于双目视觉的运动目标定位研究，硕士学位论文，青岛大学，201046.戴剑锋，摄像头径向畸变自动校正系统，硕士学位论文，华南理工大学，201047.王奇，基于脸部器官关系的嘴巴检测算法研究，硕士学位论文，湖南大学，201048.吴祺，基于视觉技术的陈展交互设计与实现，硕士学位论文，浙江大学，浙江大学,201049.唐新星，具有立体视觉的工程机器人自主作业控制技术研究，博士学位论文，吉林大学，200750.王立中，基于机器视觉的奶牛体型评定中的关键技术研究，内蒙古农业大学，200951.孙文昌，等，基于熵和独特性的角点提取算法，计算机应用，200952.张裕，等，基于Harris算法的黑白棋盘格角点检测，计算机应用与软件，201053.欧剑，等，基于头部跟踪的虚拟画展系统，计算机应用，201054.兰海滨，等，基于角点检测的彩色图像拼接技术，计算机工程与设计，200955.张登银，等，边缘检测算法改进及其在QoE测定中的应用，计算机技术与发展，200956.王科俊，等，基于共面圆的双目立体视觉分步标定法，应用科技，201057.时洪光，等，双目视觉中的角点检测算法研究，现代电子技术，201058.万敏，基于角点的汉字特征提取与识别算法，宜宾学院学报，201059.李健，抗几何攻击的数字图像水印技术的研究，南京理工大学，200960.张金玲，面向空间舱内机器人遥操作的增强现实仿真场景构建技术研究，北京邮电大学，200961.谭立东，道路交通事故现场快速勘查图像信息处理技术研究，吉林大学，200962.王军南，等，基于视觉的机械臂末端执行器坐标获取，2007系统仿真技术及其应用学术会议论文集，200763.李勃，等，路况PTZ摄像机自动标定方法，中国通信学会通信软件技术委员会2009年学术会议论文集，200964.陈宇波，等，在人脸图像中确定嘴巴位置的方法，电子科技大学学报，200765.陶骏，等，特定视频采集系统中的身份识别的实现，电脑知识与技术，200966.宋洁，等，基于金字塔和模糊聚类的路面图像拼接方法，河北工业大学学报，200867.韩斌，等，改进的亚像素级快速角点检测算法，江苏科技大学学报(自然科学版)，200968.张铁楠，等，针对棋盘格角点快速检测的一种新方法，计算机工程与应用，200869.赵万金，等，一种自适应的Harris角点检测算法，计算机工程，200870.王娟，师军，吴宪祥，图像拼接技术综述，计算机应用研究，200871.王立中，等，基于图像分块的多尺度Harris特征点检测算法，内蒙古大学学报(自然科学版)，200972.冯宇平，等，一种用于图像序列拼接的角点检测算法，计算机科学，200973.任雁，角点检测方法研究，机械工程与自动化，200974.华瑞娟，等，一种多椭圆曲线拟合的新算法，长春理工大学学报(自然科学版)，201075.顾国庆，等，基于曲率多尺度的高精度角点检测，光学技术，201076.盛遵冰，等，点对核值匹配的角点检测，计算机工程与应用，201077.马品奎，基于图像分析的超塑性自由胀形实验测量与力学解析，吉林大学，201078.倪奎，人脸器官拼接融合及其在人脸动画中的应用, 硕士学位论文，中国科学技术大学，200979.禹蒲阳，分类算法的一种改进，计算机应用与软件, 201080.吴祺, 基于视觉技术的陈展交互设计与实现, 硕士学位论文，浙江大学，201081.肖啸，等，基于数字有机体的访问控制链表(ACL) 的设计与实现，电脑知识与技术: 学术交流，200982.徐涛，基于多个广角相机的图像拼接技术, 硕士学位论文，浙江大学，201083.兰昆艳，等，基于图像金字塔光流的角点跟踪法的车辆监测系统，中国智能交通，200984.蔡胜利, 等,基于Harris角点检测的图像旋转测量[J]. 计算机测量与控制,2011,(1).85.全星慧, 等. 一种基于角点匹配的图像拼接算法研究[J]. 科学技术与工程,2011,(4).86.谭振宇, 等. 一种基于支持向量机的角点检测算法[J]. 电子测试,2011,(1).87.孙秋成. 基于机器视觉的轴径测量[D]. 吉林大学,2010.88.张炜. 基于点特征的图像拼接技术研究[D]. 河南科技大学: 2010.89.张金金. 基于SIFT的遥感影像自动配准的研究与实现[D]. 河南理工大学: 2009.90.肖若秀. 图像匹配方法研究与应用[D]. 昆明理工大学:2008.91.王静. 基于SIFT和角点检测的自动图像配准方法研究[D]. 华中科技大学: 2010.92.唐红梅. 基于辐射与空间信息的遥感图像检索[D]. 山东科技大学:2010.93.卓磊. 视频序列电子稳像技术研究[D]. 天津大学:2010.94.戴磊. 基于视觉反馈的移动机器人控制[D]. 上海交通大学:2011[17]可恢复的脆弱数字图像水印, 计算机学报, 2004, 他引频次：26引证文献：1.郭越，基于小波变换的鲁棒性与脆弱性数字水印算法的研究与实现，上海海事大学，20042.郭彦琦，数字图书馆工程中数字产品的版权保护和访问权限控制的研究和实现，上海海事大学，20043.刘为超，基于小波的数字图像认证水印研究，西安电子科技大学，20054.赵敏，医学图象数字水印系统研究与实践，苏州大学，20055.孙建梅，基于内容的图像认证技术研究，西北大学，20056.桑晓青，基于离散小波变换的数字图像篡改验证技术的研究，浙江工商大学，20067.杨艳萍，基于数字水印的图像认证技术研究，西北大学，20068.朱兴力，鲁棒图像数字水印算法及其协议研究，西南交通大学，20069.余淼，用于JPEG图像认证的数字水印算法研究，西南交通大学，200710.吴志伟，基于CRC的脆弱型文本数字水印研究与应用，中南大学，200711.廖昌兴，压缩域图像水印与隐写算法研究，西南交通大学，200812.潘季芳，差错控制数据库水印算法研究，湖南大学，200913.张宪海，数字水印技术在版权保护与内容认证中的应用研究，哈尔滨工程大学，200614.叶登攀，图像认证及视频数字水印的若干算法研究，南京理工大学，2005。
联合PP、PS波叠前AVA反演方法张丰麒;陆占国;刘昱彤【摘要】从单一pp波数据中提取出来的弹性参数与岩性以及孔隙内流体之间的联系是不充分的,这就造成了在油藏的解释中包含有大量的不确定性.通过加入PS 波数据信息,可以有效降低反演的多解性,提高反演的稳定性.笔者所研究的反演方法是基于精确的Zoeppritz方程,利用广义线性反演方法,通过迭代的思想来反演出纵波速度、横波速度和密度.该方法相对单一pp反演可以有效提高横波速度的估计精度.%The elastic parameters inverted from PP-wave data couldnt reflect the variation of the lithology and the fluid in pore adequately , which results in large uncertainty in the interpretation of oil reservoir. If the information of PS-wave data is added as the constraint, the interpretation ambiguity could be reduced effectively and the stability of inversion could be improved considerably. The method of the joint inversion presented in this paper uses the theory of GLI (generalized linear inversion) to invert P-wave velocity, S-wave velocity and density iteratively based on the exact Zoeppritz equation. And the precision of S-wave velocity inverted from the joint inversion is improved largely compared with that of inversion by only using PP-wave data.【期刊名称】《物探与化探》【年(卷),期】2012(036)006【总页数】6页(P985-990)【关键词】PP波;PS波;Zoeppritz方程;叠前AVA反演【作者】张丰麒;陆占国;刘昱彤【作者单位】中国地质大学地球探测与信息技术重点实验室,北京100083;北京桔灯导航科技发展有限公司,北京100085;河南省中原油田钻井工程技术研究院,河南濮阳457001【正文语种】中文【中图分类】P631.4在油藏描述中，从地震数据中提取出来的弹性参数有很高的利用价值。
