Математическое моделирование геологических сред на основе тепловизионных снимков

• Автор: Онегов, Вадим Леонидович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Ульяновск
• Количество страниц: 148 с. : ил.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ
1. Современное состояние дистанционной съемки и обработки тепловизионных изображений при изучении геологических сред

1.1. Развитие космических методов исследования Земли

1.2. Термодинамическое состояние геологической среды

1.3. Цифровое представление тепловизионного изображения

1.4. Способы дешифрирования тепловизионных изображений

1.4.1. Предварительная обработка исходных данных

1.4.2. Тематическая обработка данных

2. Алгоритмы обработки тепловизионных снимков на основе пространственной фильтрации поля
2.1. Основы подготовки и дешифрирования те) иювизионных снимков
2.2. Моделирование теплового поля путем пересчета в нижнее 48 полупространство
2.2.1. Построение объемных моделей теплового поля 48 и блоково-разломных структур
2.2.2. Расчет параметров квадратных масок на основе окружности
2.2.3. Формирование локальной составляющей теплового поля
2.3. Моделирование теплового поля с использованием вейвлет- 65 анализа
2.3.1. Основы непрерывного вейвлет-преобразования
2.3.2. Анализ эффективности вейвлет-преобразований при выделении 68 источника тепла в геологической среде
2.3.3. Использование вейвлет-преобразования при построении 73 объемной тепловой модели Скоропадовского поднятия
3. Комплекс программ решения обратной задачи тепловизионного зондирования
3.1. Архитектура программного комплекса

3.2. Логика работы программного комплекса
3.3. Интерфейс программного комплекса
3.4. Формат представления исходных данных
3.5. Модули обработки данных
3.6. Представление в оперативной памяти объемных моделей
3.7. Построение горизонтальных слоев, вертикальных разрезов и их 87 дифференциальные трансформации
3.8. Визуализация результатов обработки
3.9. Формат сохранения объемных моделей
3.10. Временные характеристики построения объемных моделей
3.11. Тестирование программного комплекса на синтетических 94 моделях
4. Исследование эффективности алгоритмов обработки на примере Южно-Татарского и Токмовско! о сводов
4.1. Методика дешифрирования геотермических материалов
4.1.1. Основные термины тепловой модели среды
4.1.2. Особенности формирования теплового потока земной коры
4.2. Тестирование методики на геологических объектах
4.2.1. Модели глубинного строения Южно-Татарского свода
4.2.2. Модели глубинного строения Токмовского свода
4.2.3. Мониторинг теплового поля Ашальчинского месторождения 126 природных битумов
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА

ВВЕДЕНИЕ
Актуальность темы
Широкое развитие в изучении природных ресурсов получили методы дистанционного зондирования Земли (ДЗЗ) с применением космических носителей. Разнообразие их модификаций и способов интерпретации материала позволяют оперативно получать сведения о природе и геологическом строении земной коры (ЗК).
Существует целый ряд технологий фундаментальных исследований на основе изучения поля в различных спектрах оптического излучения, рассмотренные в работах Кашкина В.Б., Гридина В.И., Cronberg P., Davis Sh.M., Landgrebe D.A., и др. Они базируются, как правило, на визуальном дешифрировании космических снимков, спектрометрическом и морфоструктурном анализах изображений (Кашкин В.Б., Cronberg Р.), что недостаточно для информативности и достоверности при изучении сложных природно-техногенных сред. Нерешенной в этом случае остается задача построения объемной модели геологической среды.
Особого внимания заслуживает развитие методики обработки снимков в дальнем (8-14 мкм) тепловом инфракрасном (НК) диапазоне с последующей интерпретацией расчётных объемных моделей теплового излучения среды и блоково-разломных структур для решения геологических, техногенных и экологических задач. Развитие технологии дистанционного тепловизионного зондирования Земли (ДТЗЗ) открывает новые возможности в области практической геологии. Изучение естественного теплового поля (ТП) позволяет расширить представление о геотермическом строении осадочного чехла и кристаллического фундамента, провести дифференциацию геологических объектов, подтвердить практическую направленность геофизического метода при поисках полезных ископаемых и в целом внести вклад в дальнейшее развитие науки о Земле.
С учетом вышеизложенного тема диссертации, направленная на решение вопросов программного и методического обеспечения ДТЗЗ,

элемент изображения относят к одному сегменту, если нет - к другому [75]. В таком случае большую роль для правильною распознавания играет выбор пороговых значений. Одним из вариантов является выбор в качестве порога границ мод гистограммы изображения. Этот случай типичен для задачи выделения областей покрытых снегом и оттаявшей земли, по результатам дистанционных исследований [52]. Однако если моды гистограммы пересекаются, то выбор порога может быть затруднен. В этом случае пороговые значения вычисляются исходя из минимизации вероятности отнесения объекта к фону и наоборот [21].
Обобщением пороговой сегментации является кластерный анализ. Кластерами в данном случае называют области изображения, схожие между собой по каким-либо признакам (яркости, текстуре и т.д.). Кластерный анализ основан на понятии расстояния, в выражение которого может быть включена не только яркость, но и другие параметры. Если расстояние меньше порога, то элемент изображения относят к соответствующему кластеру [64].
Алгоритм сегментации путем наращивания областей заключается в выборе стартового элемента (например, пикселя) изображения и проверки, смежных по определенным признакам. Если смежные элементы имеют близкие параметры, то их объединяют в одну область. Ela определенном этапе происходит проверка ее на однородность. Если результат оказывается отрицательным, то область разбивается на несколько мелких частей. Процесс продолжается до тех пор, пока все выделенные объединения не пройдут проверку на однородность [52, 77].
Третий вид сегментации основан на методах выделения границ объектов на изображении. Такие методы заключаются в применении градиентных операторов (Роберта, Собеля, Лапласа и др.). Далее пиксели, идентифицированные как граничные, объединяются в замкнутые кривые, окружающие соответствующие объекты. Одним из преимуществ этих методов является то, что границы можно выстраивать с любой заданной