简介:文章将卡尔曼滤波理论应用于时间序列影像的背景估计,引入衰减记忆因子解决滤波的发散问题,最终实现了对背景信号的估计.
简介:地下采煤引起的地表沉陷是一个时间和空间的过程,据此提出了观测站动态数据处理模型Kalman滤波和自适应Kalman滤波,通过实例验证了自适应Kalman滤波比普通Kalman滤波在观测站数据滤波和预测中具有优越性。
简介:着重论述了矢量数据压缩的原理和实现方法,并具体分析了各种图形要素的压缩方法及过程。通过本文所述矢量数据压缩算法可大大减少扫描矢量化后的数据量。
简介:将一组观测值作为系统的输出,可以用卡尔曼滤波模型来描述系统的状态,动态系统由状态方程与观测方程来描述,以监测点的位置、位移速率、加速率参数为状态向量。它的滤波方程是一组类推计算公式,计算过程是不断预测、修正的过程,在求解时不用保留已用过的观测值序列,当得到新的观测数据时,可以随时修正新的观测值,便于实时处理观测成果,把参数估计与预报有机的结合起来,特别适合变形监测数据的动态处理。
简介:中值滤波算法能有效抑制椒盐噪声和高斯噪声,是一种广泛应用的遥感图像预处理方法。针对标准的图像中值滤波算法中在方形邻域窗口进行简单排序而没有考虑与中心像素距离的不足,提出了一种对邻域像素使用高斯加权的中值滤波算法,并使用C语言进行了快速实现。普通图像、光学和SAR遥感图像的实验表明,新算法具有更好的噪声抑制性能,且计算效率与经典算法有大幅提高。
简介:在地铁附近基坑工程的施工阶段,通常要对地铁隧道结构进行水平位移监测、分析和预测。采用卡尔曼滤波能实时估计出水平位移状态向量,实现水平位移预测,如果卡尔曼滤波中动态噪声不准或不易确定,就会导致滤波发散而无法获得准确的预测结果。研究和采用基于方差分量估计的卡尔曼滤波,利用预报残差实时更新模型的动态噪声方差,可以避免滤波发散,提高预测精度。实际应用表明,基于方差分量估计的卡尔曼滤波能获得较好的水平位移预测效果。
基于卡尔曼滤波的时间序列影像背景估计
自适应Kalman滤波在地表沉降观测中的应用
跟踪结果的矢量数据压缩处理
卡尔曼滤波在变形监测数据处理中的应用
高斯加权的遥感影像中值滤波及其快速算法
方差分量估计卡尔曼滤波在地铁深基坑变形预测中的应用