董士伟
- 作品数：2 被引量：8H指数：2
- 供职机构：中国石油大学(北京)地球科学学院油气资源与探测国家重点实验室更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学机械工程更多>>
- 基于EMD与神经网络的油膜高光谱数据特征提取被引量：6
- 2010年
- 针对油膜和本底海水的光谱特征,提出了一种基于经验模态分解的高光谱数据特征提取方法,并通过BP神经网络构建分类器对油膜和本底海水进行分类识别。该方法首先利用经验模态分解把原始信号在425~2 390 nm谱段范围内分解为若干个固有模态函数（IMF-Intrinsic ModeFunction）,然后计算出每一个IMF的能量,选取若干个包含主要特征信息的IMF分量的能量特征参数作为BP神经网络的输入参数来识别海洋表面油膜信息。研究结果表明,该方法能准确、有效地识别出海洋表面微薄的油膜信息。
- 董士伟周子勇文百红
- 关键词：经验模态分解神经网络油膜特征提取
- 基于经验模态分解的高光谱遥感数据去噪方法被引量：2
- 2010年
- 经验模态分解(EMD)是一种新的时频分析方法,经EMD分解后的各个固有模态函数(IMF)突出了原始信号的局部特征,从而可以区分噪声和有用信号。基于此,结合高光谱遥感数据的光谱变化特征,提出了一种基于经验模态分解的高光谱遥感数据去噪方法。通过对理论数据的实验表明,数据中的噪声无论是高斯分布还是均匀分布,数据经EMD分解后,噪声都主要集中在前几个特定的IMF,对相应的IMF进行滤波处理后并与其他IMF分量进行重构就可得到去噪信号,与小波去噪结果相比较,这种方法效果更好。最后把该去噪方法应用于野外实测的油膜高光谱数据去噪,实验结果表明,该方法能准确、有效地去除高光谱遥感数据的噪声。
- 董士伟周子勇
- 关键词：经验模态分解去噪
