基于U-Net深度神经网络的重力数据去噪

潘媛

您当前的位置：

首页 >

文章列表页 >

基于U-Net深度神经网络的重力数据去噪

更新时间：2025-11-25

- 基于U-Net深度神经网络的重力数据去噪
- Vol. 21, Issue 6, Pages: 28-30+34(2023)
- 作者机构：
  
  河南地矿职业学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： P223;TP183
- Published：2023
- 稿件说明：
移动端阅览
潘媛. 基于U-Net深度神经网络的重力数据去噪[J]. 2023, 21(6): 28-30+34.
DOI：

潘媛. 基于U-Net深度神经网络的重力数据去噪[J]. 2023, 21(6): 28-30+34. DOI：

摘要

基于深度学习技术，提出一种适用于重力数据去噪的U-Net深度神经网络方法，并使用大范围样本数据对网络结构进行训练，构建了去噪处理的网络模型。实验结果表明，该方法能够学习重力数据的内部特征，进而实现重力数据的信噪分离，去除噪声更加彻底，处理含有3 mGal噪声幅度的重力数据，去噪结果的均方误差相对巴特沃斯滤波方法和小波分解滤波方法分别减小了73.8%和51.6%。该方法具有较强的鲁棒性，处理含有更高幅度噪声的数据时仍然表现出良好的去噪性能，所得结果的信噪比可达到13.216 db，相对另外2种对比方法分别提高了73.8%和51.6%。

Abstract

关键词

Keywords

references

林晓萍.基于深度学习的耕地新增建房监测研究[J].地理空间信息,2021(11).

夏乐,李长安,江涛,龙强,张杰.基于深度卷积神经网络的遥感图像船只识别[J].地理空间信息,2021(09).

章传银,郭春喜,陈俊勇,张利明,王斌.EGM 2008地球重力场模型在中国大陆适用性分析[J].测绘学报,2009(04).

Maggiori Emmanuel,Tarabalka Yuliya,Charpiat Guillaume,Alliez Pierre.Convolutional Neural Networks for Large-Scale Remote-Sensing Image Classification[J].IEEE Transactions on Geoscience and Remote Sensing,2017.

Kuniaki Noda,Yuki Yamaguchi,Kazuhiro Nakadai,Hiroshi G. Okuno,Tetsuya Ogata.Audio-visual speech recognition using deep learning[J].Applied Intelligence,2015.

Diederik P. Kingma,Jimmy Ba.Adam: A Method for Stochastic Optimization.[J].CoRR,2014.

Views

133

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于改进SegNet模型的冬小麦种植分布提取

利用改进的U-Net的建筑物提取方法

顾及深度残差U-Net的遥感影像建筑物提取

一种基于PC-LSTM的GNSS场景识别方法

基于多源遥感影像的新增农村乱占耕地建房监测方法

Related Author

曹俊涛

李亚强

孟成真

常宇飞

权畅

赵春雷

陈洋

黄康江

Related Institution

河北省气象科学研究所

河北省气象与生态环境重点实验室

中国气象局雄安大气边界层重点开放实验室

贵州省自然资源勘测规划研究院

江西应用工程职业学院

AI问答

⁰