Sử dụng hàm trọng lượng - tuyến nhằm tăng cường độ phân giải trong phân tích tài liệu từ và trọng lực bằng phép biến đổi Wavelet

Trong bài báo này, đã sử dụng hàm trọng số dòng (LWF) để xử lý dữ liệu quan sát để tăng cường độ phân giải của kết quả của phương pháp MED. Thứ nhất, phương pháp được áp dụng trên mô hình trọng lực lý thuyết và mô hình thí nghiệm từ tính để chứng minh độ tin cậy của phương pháp.
Nội dung trích xuất từ tài liệu:
Sử dụng hàm trọng lượng - tuyến nhằm tăng cường độ phân giải trong phân tích tài liệu từ và trọng lực bằng phép biến đổi Wavelet T¹p chÝ c¸c khoa häc vÒ tr¸i ®Êt 32(2), 181-187 6-2010 Sö DôNG HµM TRäNG L¦îNG-TUYÕN NH»M T¡NG C¦êNG §é PH¢N GI¶I TRONG PH¢N tÝch TµI LIÖU Tõ Vµ TRäNG LùC B»NG PHÐP BIÕN §æI WAVELET §Æng V¨n LiÖt, L−¬ng Ph−íc Toµn, D−¬ng HiÕu §Èu I. Më §ÇU Ph©n tÝch ®Þnh l−îng gi÷ mét vai trß quan träng trong ph©n tÝch tµi liÖu tõ vµ träng lùc nªn ®· cã nhiÒu ph−¬ng ph¸p ®−îc ®−a ra nh»m x¸c ®Þnh vÞ trÝ vµ ®é s©u cña nguån (dÞ vËt). Hai ph−¬ng ph¸p tiªu biÓu sö dông m¸y tÝnh lµ ph−¬ng ph¸p tiÕn vµ ph−¬ng ph¸p ParkerOldenburg sö dông biÕn ®æi Fourier [2]. Tõ n¨m 1988 trë l¹i ®©y, ng−êi ta sö dông phÐp biÕn ®æi Wavelet trong ph©n tÝch tµi liÖu tõ vµ träng lùc vµ ®©y cã thÓ xem lµ phÇn tiÕp nèi cña viÖc sö dông phÐp biÕn ®æi Fourier. Ph−¬ng ph¸p phæ biÕn nhÊt lµ sö dông kü thuËt xö lý ¶nh ®Ó ph¸t hiÖn c¸c ®iÓm cã tÝnh chÊt kh¸c th−êng trªn tÝn hiÖu ; tõ ®ã, suy ra c¸c th«ng tin Èn chøa bªn trong tÝn hiÖu, ®Æc biÖt lµ ph−¬ng ph¸p x¸c ®Þnh biªn ®a tû lÖ (MED, Multiscale Edge Detection) sö dông phÐp biÕn ®æi Wavelet liªn tôc [7]). §· cã nhiÒu c«ng tr×nh nghiªn cøu liªn quan ®Õn viÖc ph©n tÝch tµi liÖu tõ vµ träng lùc [8-10] . ë ViÖt Nam, trong ph©n tÝch ®Þnh l−îng tµi liÖu tõ vµ träng lùc cã c¸c c«ng tr×nh cña [3, 6] ®· x©y dùng mét hµm Wavelet míi ®Ó sö dông trong ph−¬ng ph¸p x¸c ®Þnh biªn. Tuy nhiªn, viÖc sö dông gi¸ trÞ cña tr−êng quan s¸t lµm d÷ liÖu ®Ó x¸c ®Þnh biªn ®· kh«ng tr¸nh khái nhiÔu ; ®Ó lo¹i nhiÔu, c¸c t¸c gi¶ [3, 6] ®· dïng gi¸ trÞ gradien ngang lµm d÷ liÖu. Tuy nhiªn, khi ph©n tÝch, c¸c ®−êng ®¼ng pha th−êng kh«ng ®èi xøng, chóng th−êng bÞ uèn cong hoÆc chØ héi tô mét bªn vµ ®iÓm héi tô chØ cho biÕt vÞ trÝ vµ ®é s©u mÆt trªn cña nguån. Trong bµi b¸o nµy chóng t«i ¸p dông hµm träng l−îng-tuyÕn (LWF, Line-Weight Function) [4] ®Ó läc d÷ liÖu quan s¸t nh»m t¨ng c−êng kh¶ n¨ng ph©n gi¶i cña ph−¬ng ph¸p x¸c ®Þnh biªn ®a tû lÖ cho bµi to¸n ng−îc tõ vµ träng lùc ; viÖc ph©n tÝch cho biÕt ngoµi vÞ trÝ vµ ®é s©u mÆt trªn cña nguån cßn cã thÓ x¸c ®Þnh thªm c¸c tham sè kh¸c nh− ®é réng, ph−¬ng nghiªng. II. TãM T¾T PH¦¥NG PH¸P 1. Hµm träng l−îng-tuyÕn Trong viÖc x¸c ®Þnh biªn cña h×nh ¶nh, th−êng ng−êi ta sö dông phÐp läc Gauss (Gaussian filter), thùc chÊt ®©y lµ c¸c phÐp läc th«ng thÊp nªn nã lo¹i bá kh«ng chØ nhiÔu mµ cßn lo¹i bá c¸c th«ng tin Èn chøa trong c¸c tÇn sè cao. A. Fiorentini vµ L. Mazzatini ®· giíi thiÖu hµm träng l−îng-tuyÕn nh»m lo¹i nhiÔu vµ t¨ng c−êng ®é t−¬ng ph¶n ë biªn [4]. §©y lµ mét hµm kÕt hîp tuyÕn tÝnh gi÷a hµm Gauss vµ ®¹o hµm bËc hai cña hµm Gauss ; ®iÒu nµy t−¬ng ®−¬ng víi sù kÕt hîp cña hµm Hermite bËc kh«ng vµ bËc hai. A. L. Stewart vµ R. Pinkham dïng tiÕp cËn to¸n häc ®Ó gi¶i quyÕt mét thÝ nghiÖm cæ ®iÓn vÒ vËt lý t©m thÇn ; trong ®ã, xö lý ®é nhËy t−¬ng ph¶n nh− viÖc gi¶i mét bµi to¸n trÞ riªng vµ hä ®· t×m ®−îc tËp hîp c¸c hµm riªng trùc giao [11]. C¸c hµm riªng kh«ng ph¶i lµ c¸c hµm sin vµ cosin hay c¸c hµm Gabor mµ lµ c¸c hµm Hermite. Sau ®©y lµ tãm t¾t c«ng thøc to¸n cña bµi to¸n trÞ riªng. §Þnh nghÜa to¸n tö : p=− d2 + x2 dx 2 (1) vµ mét hµm thö : ⎡ x2 ⎤ u = exp⎢− ⎥ ⎣ 2⎦ (2) 181 ¸p dông to¸n tö p cña (1) vµo hµm thö (2) : pu = λu (3) Nãi kh¸c ®i, u lµ hµm riªng cña to¸n tö p øng víi trÞ riªng λ. KÕt qu¶ dÉn ®Õn ph−¬ng tr×nh vi ph©n : - u’’ + x2u = λu (4) Lêi gi¶i cña ph−¬ng tr×nh (4) cã d¹ng : ⎛ x2 ⎞ ⎟⎟ H n ( x ) u ( x ) = ch n ( x ) = c. exp⎜⎜ − ⎝ 2 ⎠ (5) trong ®ã, c - h»ng sè, Hn - ®a thøc Hermite bËc n, hn - hµm sè Hermite. §Ó ®−a vµo ph©n tÝch ®a tØ lÖ, tham sè v« h−íng σ (®é lÖch chuÈn cña hµm Gauss) ®−îc ®−a vµo hµm Hermite : hn ( x / σ ) = ⎛ x 2 ⎞ (6) dn 1 ⎜⎜ − ⎟ (6) exp n 2 ⎟ 2 n n! d ( x / σ ) σ π ⎝ 2σ ⎠ 1 . VËy, h0(x/σ) lµ hµm Gauss : h 0 ( x / σ) = ⎛ x ⎞ ⎟ exp⎜⎜ − 2 ⎟ σ π ⎝ 2σ ⎠ 1 2 (7) vµ h2(x/σ) lµ ®¹o hµm bËc hai cña hµm Gauss : h 2 ( x / σ) = ⎛ ⎡ x2 ⎤ x2 ⎡ x2 ⎤ ⎞ ⎜ − exp ⎢ − 2 ⎥ + 2 exp ⎢ − ⎟ 2 ⎥ ⎟ (8) ⎜ 8πσ 2 ⎝ ⎣ 2σ ⎦ σ ⎣ 2σ ⎦ ⎠ 1 Hµm träng l−îng-tuyÕn (LWF) lµ tæ hîp cña h0(x/σ) vµ h2(x/σ). l(x/σ) = c0 h0(x/σ) + c2 h2(x/σ) (9) Hµm träng l−îng-tuyÕn chØ gåm c¸c hµm Hermite bËc ch½n nªn chóng ®èi xøng ®· ¸p dông LWF ®Ó xö lý h×nh ¶nh cña sinh vËt [1, 5] ; sau ®ã, x¸c ®Þnh biªn b»ng ph−¬ng ph¸p Sobel vµ c¸c kÕt qu¶ ®¹t ®−îc tèt h¬n khi d÷ liÖu ch−a xö lý. 2. Hµm Wavelet Poisson vµ hµm Wavelet Poisson- Hardy Theo lý thuyÕt xö lý ¶nh, c¸c biªn cña h×nh ¶nh lµ nh÷ng vïng cã c−êng ®é s¸ng thay ®æi nhanh hay mÇu s¾c t−¬ng ph¶n m¹nh ; khi x¸c ®Þnh ®−îc c¸c biªn th× cã thÓ t¸i t¹o l¹i khu«n mÉu chÝnh cña h×nh ¶nh. Khi ¸p dông lý thuyÕt xö lý ¶nh vµo viÖc ph©n tÝch tµi liÖu tõ vµ träng lùc, viÖc x¸c ®Þnh c¸c biªn sÏ t−¬ng øng víi viÖc x¸c ®Þnh c¸c nguån cña dÞ th−êng. Cã hai nhãm ph−¬ng ph¸p x¸c ®Þnh biªn lµ ph−¬ng ph¸p gradien - tÝnh ®¹o hµm bËc nhÊt theo ph−¬ng 182 ngang vµ ph−¬ng ph¸p Laplaxien - tÝnh ®¹o hµm bËc hai theo ph−¬ng ngang cña tÝn hiÖu hay tÝn hiÖu ®−îc lµm tr¬n. ViÖc lÊy ...