專利名稱：基于過濾器的連續(xù)型信息預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于過濾器的連續(xù)型信息預(yù)測方法，可廣泛應(yīng)用于如醫(yī)學(xué)、地質(zhì)、
氣象和采礦等許多科學(xué)領(lǐng)域。
背景技術(shù)：
信息預(yù)測在很多領(lǐng)域發(fā)揮重要作用，如醫(yī)學(xué)、地質(zhì)和采礦業(yè)等。插值方法被廣泛用 于信息預(yù)測。而插值方法主要分為兩類"確定"性插值方法和"不確定"性插值方法。"確定" 性插值方法的插值形式、插值函數(shù)參數(shù)以及插值結(jié)果基本都是確定的。該方法主要包括距 離反比加權(quán)法、基函數(shù)法以及基于三角網(wǎng)格的方法等。"不確定"性插值方法的"不確定"性 一方面表現(xiàn)在選用的插值形式的隨機(jī)性上，另一方面表現(xiàn)在插值參數(shù)的選取和確定需要依 賴于概率統(tǒng)計(jì)原則。"不確定"性插值方法主要有地質(zhì)統(tǒng)計(jì)學(xué)中的kriging方法和隨機(jī)模擬 方法。kriging和隨機(jī)模擬方法全部是以描述空間兩點(diǎn)相關(guān)性的變差函數(shù)(variogram)為 基礎(chǔ)，它們被合稱為基于兩點(diǎn)的地質(zhì)統(tǒng)計(jì)方法。而變差函數(shù)只能反映空間兩點(diǎn)之間相關(guān)性 的這個(gè)特點(diǎn)使其難以重構(gòu)一些復(fù)雜圖形，例如長距離彎曲的曲線。 盡管有大量的插值方法被用于信息預(yù)測，但是精確信息預(yù)測在條件數(shù)據(jù)稀疏的情 況下依然很難實(shí)現(xiàn)。當(dāng)條件數(shù)據(jù)很少甚至完全沒有條件數(shù)據(jù)時(shí)，可以采用"不確定"性插 值方法的插值思想進(jìn)行信息預(yù)測。由于傳統(tǒng)兩點(diǎn)地質(zhì)統(tǒng)計(jì)法的不足，人們引入多點(diǎn)地質(zhì)統(tǒng) 計(jì)法(MPS, multiple-point geostatistics)來預(yù)測復(fù)雜結(jié)構(gòu)。通過再現(xiàn)高階統(tǒng)計(jì)量，MPS 能夠從訓(xùn)練圖像中捕捉復(fù)雜的(非線性)特征樣式并把它們復(fù)制到重構(gòu)圖像中，從而再現(xiàn) 圖像的統(tǒng)計(jì)信息。MPS方法可以使用訓(xùn)練圖像把先驗(yàn)?zāi)Ｐ兔鞔_而定量地引入到建模當(dāng)中。 先驗(yàn)?zāi)Ｐ桶吮谎芯康恼鎸?shí)物質(zhì)中確信存在的樣式，而訓(xùn)練圖像則是該樣式的定量化表 達(dá)，可以說訓(xùn)練圖像中的概率信息決定了最終的模擬結(jié)果。訓(xùn)練圖像可以被看為是一組存 在于待模擬區(qū)域內(nèi)的重復(fù)特征信息。它們只是單純概念上的信息模式的集合，在精度上這 些圖像也許并不準(zhǔn)確，而且不必符合一些條件數(shù)據(jù)分布。訓(xùn)練圖像顯示出預(yù)測信息如何相 互聯(lián)系的先驗(yàn)結(jié)構(gòu)模型。訓(xùn)練圖像的獲取途徑很多，例如遙感圖像，手繪結(jié)構(gòu)圖，地質(zhì)露頭 圖像等等。有兩種訓(xùn)練圖像離散型變量圖像(如圖l所示)和連續(xù)型變量圖像(如圖2 所示)。 如圖3和圖4所示，是"三維數(shù)據(jù)模板"，它們是構(gòu)建過濾器的基礎(chǔ)，設(shè)數(shù)據(jù)模板為 Tn，它是由n個(gè)向量組成的幾何形態(tài)，Tn=仏a ;a = l，2，...，n}。設(shè)模板中心位置為 u，模板其他位置u a = u+h a ( a = 1， 2， ， n)。 假定一種屬性S可取K個(gè)狀態(tài)值{sk ;k = 1，2， . . . ， K}。由數(shù)據(jù)模板中n個(gè)向量 u a位置的n個(gè)狀態(tài)值所組成的"數(shù)據(jù)事件"dn定義為 dn={S (ua)=、； 其中S(Ua)表示在U。位置的狀態(tài)值，利用數(shù)據(jù)模板掃描訓(xùn)練圖像是為了統(tǒng)計(jì)一個(gè)
數(shù)據(jù)事件dn出現(xiàn)的概率，即數(shù)據(jù)事件中的n個(gè)數(shù)據(jù)點(diǎn)S(Ul) ， S(u2) ， ， S(un)分別處于某
5個(gè)狀態(tài)值^a時(shí)該數(shù)據(jù)事件出現(xiàn)的概率。 最初的MPS只能模擬預(yù)測離散型變量，對連續(xù)型變量并不適用。假設(shè)，原始MPS方 法可以應(yīng)用于連續(xù)型變量，那么其會(huì)被劃分為多個(gè)獨(dú)立狀態(tài)值，這樣會(huì)大大增加CPU和內(nèi) 存的負(fù)擔(dān)，這大大限制了 MPS的使用范圍，使得MPS只適合應(yīng)用于離散型變量的信息預(yù)測。 但是在真實(shí)信息預(yù)測中，連續(xù)型變量應(yīng)用范圍很廣。
發(fā)明內(nèi)容
本發(fā)明提供一種基于過濾器的連續(xù)型信息預(yù)測方法，用于預(yù)測連續(xù)型變量描述的 未知信息，在預(yù)測連續(xù)型變量時(shí)效果較好。 為了達(dá)到上述目的，本發(fā)明提供一種基于過濾器的連續(xù)型信息預(yù)測方法，在多點(diǎn) 地質(zhì)統(tǒng)計(jì)法的基礎(chǔ)上，使用過濾器來實(shí)現(xiàn)訓(xùn)練圖像的降維，該方法包含以下步驟
步驟1、設(shè)置過濾器，定義過濾器得分； 過濾器與數(shù)據(jù)模板的結(jié)構(gòu)相似，都是以節(jié)點(diǎn)U為中心，但是過濾器各個(gè)節(jié)點(diǎn)位置 具有一定的權(quán)值； 使用一個(gè)過濾器不能區(qū)分不同的圖案，在二維情況下，使用6個(gè)過濾器，在三維情 況下，使用9個(gè)過濾器，每個(gè)過濾器被用來顯示訓(xùn)練圖案不同的特征；
在二維情況下，過濾器得分定義為
m 一m《力',_/)= Z Z AOj)^("x，y +力， k = 1， ， 6
"一m Jt=—m
(2) ST,kT(i， j)表示過濾器得分，(i， j)表示以u為中心的數(shù)據(jù)模板中的坐標(biāo)，fk(x， y)表示第k個(gè)過濾器，x和y在-m到m之間變換，T (i+x， j+y)表示在訓(xùn)練圖像(i+x， j+y) 位置處的值，在X和Y方向的節(jié)點(diǎn)數(shù)目分別是2m+l ;
在三維情況下，過濾器得分定義為
m2 附！ m] 《r (/,_/, A:)=藝藝藝/rO,>;,z)r(/ + x,_/ + :^，A: + z) ， r=1 ， . . . ， 9
z=—m2戶一/M! JC-—，
(3) 在Z方向有2m2+l個(gè)節(jié)點(diǎn)，f Jx， y， z)表示定義于數(shù)據(jù)模板之上的第r個(gè)過濾器，
數(shù)據(jù)模板的尺寸為n二 (2mi+l)2(2m2+l); 三維情況下，9個(gè)過濾器分別定義為 1、^過濾器求南-北方向均值；
附i 該過濾器中所有權(quán)值都是正值，在過濾器XZ平面的中央?yún)^(qū)域的權(quán)值比較大，這樣 可以突出被掃描的訓(xùn)練圖案XZ平面的中心區(qū)域的特征； 2、 f2過濾器求東_西方向均值，可以將^過濾器的XZ平面旋轉(zhuǎn)90度獲得；
/20,乂z)-卜兇e
,K,，…,+mi (5) 附i
6
3、^過濾器求上-下方向均值；
I z|
/3(x,y,z) = 1 —J~Le [O,l],z = —w2"..,+w2附,
(6)
(7)
緣檢測
(8)
(9)
該過濾器給出了上下方向的均值，突出了沿XY平面方向的圖案中心區(qū)域；4、 f4過濾器求南_北方向梯度；
f4(x，y，z)=y/miG[-l，l]，y = ii，...，+nii
該過濾器中的權(quán)值從南端的1下降到北端的-l，該過濾器提供了南-北方向的邊
5、 f5過濾器求東_西方向梯度，可以將f4過濾器的XY平面旋轉(zhuǎn)90度獲得；
f 5 ( x ， y ， z )
x / m
6、 f6過濾器求上-下方向梯度；f6(x， y， z)= z/m2 G
7、 f7過濾器求南-北方向曲率；2|;H
m
m
+ m工
+ m
(10)
附， 該過濾器中的權(quán)值在其北端為l，然后線性下降到中間部分的-l，之后權(quán)值再重新上升到南端的l，提供了南-北方向的曲率檢測； 8、 f8過濾器求東-西方向曲率，可以將f7過濾器的XY平面旋轉(zhuǎn)90度獲得；
/8(x,y,z)=
2|x|
附,
(11) 9、fg過濾器求上-下方向曲率；
/9(x,_y,z)=
2|z
m，
(12) 與二維情況相比，三維情況下要增加三個(gè)過濾器上_下方向均值過濾器，上_下方向梯度過濾器，上-下方向曲率過濾器； 步驟2、應(yīng)用過濾器掃描訓(xùn)練圖像，形成訓(xùn)練圖像的過濾器得分，得到模擬結(jié)果；
當(dāng)掃描訓(xùn)練圖像時(shí)，將過濾器置于訓(xùn)練圖像上方游動(dòng)，過濾器各位置權(quán)值和訓(xùn)練圖像各點(diǎn)值相結(jié)合得到一個(gè)值，該值被稱為"過濾器得分"，它是訓(xùn)練圖像圖案的一個(gè)"概要"，有助于實(shí)現(xiàn)降維； 步驟2. 1、過濾器被一個(gè)個(gè)地應(yīng)用于掃描訓(xùn)練圖像，訓(xùn)練圖像的局部圖案被每個(gè)過濾器描述，形成過濾器得分； 步驟2. 2、每個(gè)過濾器得分最終形成過濾器得分空間，得分空間中的每個(gè)點(diǎn)均對應(yīng)一個(gè)訓(xùn)練圖像的局部圖案；
7
步驟2. 3、劃分過濾器得分空間； 訓(xùn)練圖像中的相似圖案被認(rèn)為是位于一個(gè)"組"內(nèi)，這些圖案屬于一類，這些組被稱為"單元"，每個(gè)單元包含相近的過濾器圖案。所有位于一個(gè)單元中的圖案值被平均，得到一個(gè)值被稱為"原型"，它可以代表這個(gè)單元中的圖案。 一般地，一個(gè)過濾器得分空間被兩次劃分，劃分是對該過濾器得分空間某維空間上等分而實(shí)現(xiàn)的，例如三維空間就在其XYZ方向中選擇一個(gè)方向進(jìn)行等分，以產(chǎn)生"單元"和"子單元"。"單元"和"子單元"就是訓(xùn)練圖像和待模擬區(qū)域進(jìn)行比較的單位。
步驟3、應(yīng)用過濾器掃描待模擬區(qū)域，形成待模擬區(qū)域的過濾器得分； 步驟3. 1、過濾器被一個(gè)個(gè)地應(yīng)用于掃描待模擬區(qū)域，待模擬區(qū)域的局部圖案被每
個(gè)過濾器描述，形成過濾器得分； 步驟3. 2、每個(gè)過濾器得分最終形成過濾器得分空間，得分空間中的每個(gè)點(diǎn)均對應(yīng)
一個(gè)待模擬區(qū)域的局部圖案； 步驟3. 3、劃分過濾器得分空間； 步驟4、定義待模擬區(qū)域中的待模擬節(jié)點(diǎn)的隨機(jī)訪問路徑，獲得待模擬節(jié)點(diǎn)的過濾器得分； 隨機(jī)訪問路徑的定義是由用戶自己隨機(jī)制定的，例如從上到下，從左到右等；
對于每個(gè)待模擬節(jié)點(diǎn)，根據(jù)過濾器獲得待模擬節(jié)點(diǎn)(當(dāng)前數(shù)據(jù)事件)的過濾器得分； 步驟5、比較待模擬區(qū)域的過濾器得分和訓(xùn)練圖案的過濾器得分，提取訓(xùn)練圖案"粘貼"到待模擬區(qū)域中； 步驟5. 1、判斷待模擬區(qū)域中是否存在條件數(shù)據(jù)，若否，則隨機(jī)選定圖案塊，跳轉(zhuǎn)到步驟5.3，若是，跳轉(zhuǎn)到步驟5.2; 步驟5. 2、在訓(xùn)練圖像所有的單元圖像塊中利用"距離函數(shù)"D1尋找與當(dāng)前條件數(shù)據(jù)事件最為接近的圖像塊；D, (w0) = Z 爿ve I (w0 + ") - ; ra,0 (w) | ， 1 = 1 ， ， L
其中，d表示數(shù)據(jù)類型，共有3種條件數(shù)據(jù) l、d = 1 :原始硬數(shù)據(jù)節(jié)點(diǎn)，它們被分配到距離其最近的模擬網(wǎng)格的節(jié)點(diǎn)位置上；
2、d = 2 :已經(jīng)模擬過的節(jié)點(diǎn)，它們被用作硬數(shù)據(jù)； 3、d = 3 :通過"粘貼"訓(xùn)練圖像的圖像塊而已知的節(jié)點(diǎn)，這些節(jié)點(diǎn)會(huì)被重新模擬；
" (d)是與三種條件數(shù)據(jù)相對應(yīng)的三種權(quán)值，并且規(guī)定"(1) > " (2) > " (3)，可見原始硬數(shù)據(jù)節(jié)點(diǎn)和已經(jīng)模擬過的節(jié)點(diǎn)在"距離函數(shù)"中的作用大于d = 3情況下對應(yīng)的節(jié)點(diǎn)； datd(U。+U)表示待模擬區(qū)域的數(shù)據(jù)模板在u。+u位置的節(jié)點(diǎn)值；u表示模板內(nèi)各向量的位置；Ave| I表示對所求的絕對值項(xiàng)求均值；每個(gè)非空的"單元"可以被稱為一個(gè)"得分類"；1是某個(gè)得分類序號，L是全部得分類數(shù)目； 在"距離函數(shù)"A中只是對于那些已知的n'(《n)個(gè)節(jié)點(diǎn)進(jìn)行計(jì)算，確定與條件數(shù)據(jù)事件cU差別最小的圖案塊類； 步驟5. 3、從選定的圖案類中隨機(jī)提取出一個(gè)圖案(命名為"片")，然后將該圖案"片""粘貼"到以當(dāng)前模擬節(jié)點(diǎn)為中心的待模擬區(qū)域上。 本發(fā)明用于預(yù)測連續(xù)型變量描述的未知信息，過濾器可以實(shí)現(xiàn)降維的目的，利用過濾器可以生成過濾器得分空間，所有具有相似過濾器得分的訓(xùn)練圖案在過濾器得分空間內(nèi)被歸為一類，在預(yù)測過程中，屬于一類的訓(xùn)練圖案被隨機(jī)提取，然后該圖案被粘貼到待模擬區(qū)域。本發(fā)明將該方法應(yīng)用于訓(xùn)練圖像的結(jié)構(gòu)特征信息的再現(xiàn)，該方法在預(yù)測連續(xù)型變量時(shí)效果較好。
圖1是背景技術(shù)中離散型變量圖像的訓(xùn)練圖像示意圖； 圖2是背景技術(shù)中連續(xù)型變量圖像的訓(xùn)練圖像示意圖； 圖3和圖4是背景技術(shù)中的數(shù)據(jù)模板； 圖5為通過二維過濾器獲得過濾器得分的過程； 圖6為在二維空間內(nèi)利用兩步劃分法的示意圖； 圖7為一幅連續(xù)型訓(xùn)練圖像的外表面； 圖8為一幅連續(xù)型訓(xùn)練圖像的截面圖(X = 65， Y = 65， Z = 15); 圖9為圖7和圖8中所示的訓(xùn)練圖像的直方圖，顯示了連續(xù)型變量的分布； 圖10為無條件數(shù)據(jù)情況下連續(xù)型MPS方法的預(yù)測圖像的外表面； 圖11為無條件數(shù)據(jù)情況下連續(xù)型MPS方法的預(yù)測圖像的截面圖(X = 65，Y = 65，
Z = 15); 圖12為圖11和圖12所示的無條件數(shù)據(jù)情況下預(yù)測結(jié)果的直方圖； 圖13為從訓(xùn)練圖像抽取的采樣點(diǎn)的示意圖； 圖14為采用連續(xù)型MPS方法和采樣點(diǎn)的預(yù)測圖像的外表面； 圖15為采用連續(xù)型MPS方法和采樣點(diǎn)的預(yù)測圖像的截面圖(X = 65，Y = 65，Z =
15); 圖16為圖14和圖15中采用連續(xù)型MPS方法和采樣點(diǎn)的預(yù)測圖像直方圖； 圖17為采用連續(xù)型kriging方法的預(yù)測圖像的外表面； 圖18為采用連續(xù)型kriging方法的預(yù)測圖像的截面圖(X = 65， Y = 65， Z = 15); 圖19為圖17和圖18中kriging預(yù)測結(jié)果的直方圖。
具體實(shí)施例方式
以下根據(jù)圖5 圖19，具體說明本發(fā)明的較佳實(shí)施例 圖5表示利用一個(gè)15X15像素的過濾器掃描一個(gè)局部圖案，可以獲得該局部圖案的"過濾器得分"，這個(gè)值會(huì)被賦給該圖案的中心位置。 圖6是采用"兩步劃分法"對一個(gè)二維"過濾器得分"空間進(jìn)行劃分后的示意圖。第一步劃分中劃分的等分?jǐn)?shù)M = 3，用實(shí)線表示；第二步劃分用虛線表示，此時(shí)cmin = 4，cmax=8(得分類中的最大的圖案數(shù)目是c^，最小的圖案數(shù)目是c^)。每個(gè)分值點(diǎn)對應(yīng)一個(gè)訓(xùn)練圖像中的局部圖案，用黑色實(shí)心點(diǎn)表示。S工和S2分別表示兩個(gè)過濾器得分的最大值。
圖7和圖8是一幅連續(xù)型訓(xùn)練圖像(80X80X40體素)，連續(xù)型變量的值在0到1之問變化。訓(xùn)練圖像可以被視為包含待模擬結(jié)構(gòu)的信息模型。圖7和圖8分別表示訓(xùn)練圖像的外表面和截面(X = 65，Y = 65，Z = 15)。圖9表示訓(xùn)練圖像的直方圖，顯示了連續(xù)型變量的分布。訓(xùn)練圖像的均值為0. 1298，方差值為0. 0417。 在本實(shí)施例中，首先在無條件數(shù)據(jù)情況下將本方法應(yīng)用于預(yù)測未知區(qū)域
(80X80X40體素)，預(yù)測結(jié)果見圖10和圖ll，對應(yīng)的直方圖分布見圖12。 在本實(shí)施例中，使用一些隨機(jī)采樣點(diǎn)作為條件數(shù)據(jù)來進(jìn)行預(yù)測。這些采樣點(diǎn)從訓(xùn)
練圖像中隨機(jī)抽取，均值為0. 1267，占整個(gè)待模擬區(qū)域全部信息點(diǎn)的0. 5%，如圖13所示，
背景設(shè)為黑色突出采樣點(diǎn)的顯示效果。 在采樣點(diǎn)情況下，采用本方法生成的預(yù)測結(jié)果外表面如圖14所示，截面(X = 65，Y = 65， Z = 15)如圖15所示。該預(yù)測結(jié)果的直方圖如圖16所示。 在本實(shí)施例中，比較圖9，圖12和圖16的直方圖可知，連續(xù)型變量的信息分布被較好地保留了。在圖10、圖11與圖14、圖15中的圖像結(jié)構(gòu)類似于訓(xùn)練圖像。預(yù)測結(jié)果的均值和方差值如表l所示，顯示出預(yù)測結(jié)果和訓(xùn)練圖像之間的相似性。然而，與無條件數(shù)據(jù)時(shí)的情況相比，使用條件數(shù)據(jù)時(shí)的均值和方差與訓(xùn)練圖像的均值和方差較為接近。
訓(xùn)練圖像使用條件數(shù)據(jù)時(shí)無條件數(shù)據(jù)時(shí)
均值0.12980. 12240.1400
方差0. 04170. 03500.0229 請參見圖17 圖19，是本方法與kriging插值方法比較的方案。
在本實(shí)施例中，利用kriging插值進(jìn)行實(shí)驗(yàn)對比。圖13所示的采樣點(diǎn)作為kriging插值的條件數(shù)據(jù)。插值結(jié)果的外表面如圖17所示，截面(X = 65，Y = 65，Z = 15)如圖18所示，可見與訓(xùn)練圖像差別較大。kriging預(yù)測結(jié)果的均值為O. 5258，方差為0. 1219。直方圖如圖19所示，與訓(xùn)練圖像直方圖差異很大。上述實(shí)驗(yàn)結(jié)果證明kriging方法預(yù)測結(jié)果與訓(xùn)練圖像差距較大，因此預(yù)測連續(xù)型變量時(shí)，使用本方法具有優(yōu)勢。 本發(fā)明的基于過濾器的連續(xù)型信息預(yù)測方法，預(yù)測連續(xù)型未知信息實(shí)施例在本質(zhì)上屬于圖像可視化的范疇。這項(xiàng)技術(shù)可以廣泛應(yīng)用于地球科學(xué)、生物學(xué)和醫(yī)學(xué)等很多領(lǐng)域。
盡管本發(fā)明的內(nèi)容已經(jīng)通過上述優(yōu)選實(shí)施例作了詳細(xì)介紹，但應(yīng)當(dāng)認(rèn)識到上述的描述不應(yīng)被認(rèn)為是對本發(fā)明的限制。在本領(lǐng)域技術(shù)人員閱讀了上述內(nèi)容后，對于本發(fā)明的多種修改和替代都將是顯而易見的。因此，本發(fā)明的保護(hù)范圍應(yīng)由所附的權(quán)利要求來限定。
權(quán)利要求
一種基于過濾器的連續(xù)型信息預(yù)測方法，其特征在于，在多點(diǎn)地質(zhì)統(tǒng)計(jì)法的基礎(chǔ)上，使用過濾器來實(shí)現(xiàn)訓(xùn)練圖像的降維，該方法包含以下步驟步驟1、設(shè)置過濾器，定義過濾器得分；過濾器與數(shù)據(jù)模板的結(jié)構(gòu)相似，都是以節(jié)點(diǎn)u為中心，過濾器各個(gè)節(jié)點(diǎn)位置具有權(quán)值；在二維情況下，使用6個(gè)過濾器，在三維情況下，使用9個(gè)過濾器，每個(gè)過濾器被用來顯示訓(xùn)練圖案不同的特征；在二維情況下，過濾器得分定義為 <mrow><msubsup> <mi>S</mi> <mrow><mi>τ</mi><mo>,</mo><mi>k</mi> </mrow> <mi>T</mi></msubsup><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>y</mi><mo>=</mo><mo>-</mo><mi>m</mi> </mrow> <mi>m</mi></munderover><munderover> <mi>Σ</mi> <mrow><mi>x</mi><mo>=</mo><mo>-</mo><mi>m</mi> </mrow> <mi>m</mi></munderover><msub> <mi>f</mi> <mi>k</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mi>T</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mi>x</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mi>y</mi> <mo>)</mo></mrow><mo>,</mo> </mrow>k＝1，...，6 (2)Sτ，kT(i，j)表示過濾器得分，(i，j)表示以u為中心的數(shù)據(jù)模板中的坐標(biāo)，fk(x，y)表示第k個(gè)過濾器，x和y在-m到m之間變換，T(i+x，j+y)表示在訓(xùn)練圖像(i+x，j+y)位置處的值，在X和Y方向的節(jié)點(diǎn)數(shù)目分別是2m+1；在三維情況下，過濾器得分定義為 <mrow><msubsup> <mi>S</mi> <mrow><mi>τ</mi><mo>,</mo><mi>r</mi> </mrow> <mi>T</mi></msubsup><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>z</mi><mo>=</mo><mo>-</mo><msub> <mi>m</mi> <mn>2</mn></msub> </mrow> <msub><mi>m</mi><mn>2</mn> </msub></munderover><munderover> <mi>Σ</mi> <mrow><mi>y</mi><mo>=</mo><mo>-</mo><msub> <mi>m</mi> <mn>1</mn></msub> </mrow> <msub><mi>m</mi><mn>1</mn> </msub></munderover><munderover> <mi>Σ</mi> <mrow><mi>x</mi><mo>=</mo><mo>-</mo><msub> <mi>m</mi> <mn>1</mn></msub> </mrow> <msub><mi>m</mi><mn>1</mn> </msub></munderover><msub> <mi>f</mi> <mi>r</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>z</mi> <mo>)</mo></mrow><mi>T</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mi>x</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mi>y</mi> <mo>,</mo> <mi>k</mi> <mo>+</mo> <mi>z</mi> <mo>)</mo></mrow><mo>,</mo> </mrow>r＝1，...，9(3)在Z方向有2m2+1個(gè)節(jié)點(diǎn)，fr(x，y，z )表示定義于數(shù)據(jù)模板之上的第r個(gè)過濾器，數(shù)據(jù)模板的尺寸為n＝(2m1+1)2(2m2+1)；步驟2、應(yīng)用過濾器掃描訓(xùn)練圖像，形成訓(xùn)練圖像的過濾器得分，得到模擬結(jié)果；當(dāng)掃描訓(xùn)練圖像時(shí)，將過濾器置于訓(xùn)練圖像上方游動(dòng)，過濾器各位置權(quán)值和訓(xùn)練圖像各點(diǎn)值相結(jié)合得到一個(gè)值，該值被稱為“過濾器得分”，它是訓(xùn)練圖像圖案的一個(gè)“概要”，有助于實(shí)現(xiàn)降維；步驟3、應(yīng)用過濾器掃描待模擬區(qū)域，形成待模擬區(qū)域的過濾器得分；步驟4、定義待模擬區(qū)域中的待模擬節(jié)點(diǎn)的隨機(jī)訪問路徑，獲得待模擬節(jié)點(diǎn)的過濾器得分；步驟5、比較待模擬區(qū)域的過濾器得分和訓(xùn)練圖案的過濾器得分，提取訓(xùn)練圖案“粘貼”到待模擬區(qū)域中。
2. 如權(quán)利要求1所述的基于過濾器的連續(xù)型信息預(yù)測方法，其特征在于，三維情況下， 9個(gè)過濾器分別定義為(1) 、 &過濾器求南_北方向均值；<formula>formula see original document page 2</formula>該過濾器中所有權(quán)值都是正值，在過濾器XZ平面的中央?yún)^(qū)域的權(quán)值比較大，這樣可以 突出被掃描的訓(xùn)練圖案XZ平面的中心區(qū)域的特征；(2) 、 f2過濾器求東-西方向均值，將^過濾器的XZ平面旋轉(zhuǎn)90度獲得； <formula>formula see original document page 2</formula>附！ 1 1(3) 、 f3過濾器求上_下方向均值；<formula>formula see original document page 3</formula> 該過濾器給出了上下方向的均值，突出了沿XY平面方向的圖案中心區(qū)域；(4) 、 f4過濾器求南-北方向梯度；<formula>formula see original document page 3</formula>該過濾器中的權(quán)值從南端的1下降到北端的-l，該過濾器提供了南_北方向的邊緣檢(5) 、 f5過濾器求東_西方向梯度，將f4過濾器的XY平面旋轉(zhuǎn)90度獲得；<formula>formula see original document page 3</formula>(6) 、 f6過濾器求上_下方向梯度；<formula>formula see original document page 3</formula>(7) 、 f7過濾器求南_北方向曲率； <formula>formula see original document page 3</formula>該過濾器中的權(quán)值在其北端為l，然后線性下降到中間部分的-l，之后權(quán)值再重新上 升到南端的1 ，提供了南_北方向的曲率檢測；(8) 、 f8過濾器求東_西方向曲率，將f7過濾器的XY平面旋轉(zhuǎn)90度獲得；<formula>formula see original document page 3</formula>(9) 、 f9過濾器求上_下方向曲率；<formula>formula see original document page 3</formula>與二維情況相比，三維情況下要增加三個(gè)過濾器上-下方向均值過濾器，上-下方向梯度過濾器，上-下方向曲率過濾器。
3. 如權(quán)利要求1所述的基于過濾器的連續(xù)型信息預(yù)測方法，其特征在于，所述的步驟2包含以下步驟步驟2. 1、過濾器被一個(gè)個(gè)地應(yīng)用于掃描訓(xùn)練圖像，訓(xùn)練圖像的局部圖案被每個(gè)過濾器 描述，形成過濾器得分；步驟2. 2、每個(gè)過濾器得分最終形成過濾器得分空間，得分空間中的每個(gè)點(diǎn)均對應(yīng)一個(gè) 訓(xùn)練圖像的局部圖案；步驟2. 3、劃分過濾器得分空間。
4. 如權(quán)利要求1所述的基于過濾器的連續(xù)型信息預(yù)測方法，其特征在于，所述步驟3包 含以下步驟步驟3. 1、過濾器被一個(gè)個(gè)地應(yīng)用于掃描待模擬區(qū)域，待模擬區(qū)域的局部圖案被每個(gè)過 濾器描述，形成過濾器得分；步驟3. 2、每個(gè)過濾器得分最終形成過濾器得分空間，得分空間中的每個(gè)點(diǎn)均對應(yīng)一個(gè) 待模擬區(qū)域的局部圖案；步驟3. 3、劃分過濾器得分空間。
5. 如權(quán)利要求3或4所述的基于過濾器的連續(xù)型信息預(yù)測方法，其特征在于，所述訓(xùn)練 圖像和待模擬區(qū)域中的相似圖案被認(rèn)為是位于一個(gè)"組"內(nèi)，這些圖案屬于一類，這些組被稱為"單元"，每個(gè)單元包含相近的過濾器圖案，所有位于一個(gè)單元中的圖案值被平均，得到一個(gè)值被稱為"原型"，它可以代表這個(gè)單元中的圖案；一個(gè)過濾器得分空間被兩次劃分，劃分是對該過濾器得分空間某維空間上等分而實(shí)現(xiàn)的，三維空間就在其XYZ方向中選擇一個(gè)方向進(jìn)行等分，以產(chǎn)生"單元"和"子單元"，"單元"和"子單元"就是訓(xùn)練圖像和待模擬區(qū)域進(jìn)行比較的單位。
6. 如權(quán)利要求1所述的基于過濾器的連續(xù)型信息預(yù)測方法，其特征在于，所述步驟4中，隨機(jī)訪問路徑是由用戶自己隨機(jī)制定的，例如，從上到下，或者，從左到右。
7. 如權(quán)利要求1所述的基于過濾器的連續(xù)型信息預(yù)測方法，其特征在于，所述步驟5包含以下步驟步驟5. 1、判斷待模擬區(qū)域中是否存在條件數(shù)據(jù)，若否，則隨機(jī)選定圖案塊，跳轉(zhuǎn)到步驟5.3，若是，跳轉(zhuǎn)到步驟5.2 ;步驟5. 2、在訓(xùn)練圖像所有的單元圖像塊中利用"距離函數(shù)"D1尋找與當(dāng)前條件數(shù)據(jù)事件最為接近的圖像塊；A("。)二^^(d)Jvel必G("。+w) —/^of(')(w)1， 1 = 1， ， L其中，d表示數(shù)據(jù)類型，共有3種條件數(shù)據(jù)1、 d = 1 :原始硬數(shù)據(jù)節(jié)點(diǎn)，它們被分配到距離其最近的模擬網(wǎng)格的節(jié)點(diǎn)位置上；2、 d = 2 :已經(jīng)模擬過的節(jié)點(diǎn)，它們被用作硬數(shù)據(jù)；3、 d = 3 :通過"粘貼"訓(xùn)練圖像的圖像塊而已知的節(jié)點(diǎn)，這些節(jié)點(diǎn)會(huì)被重新模擬；"(d)是與三種條件數(shù)據(jù)相對應(yīng)的三種權(quán)值，并且規(guī)定"(1) > " (2) > " (3)，可見原始硬數(shù)據(jù)節(jié)點(diǎn)和已經(jīng)模擬過的節(jié)點(diǎn)在"距離函數(shù)"中的作用大于d = 3情況下對應(yīng)的節(jié)點(diǎn)；datd(u。+u)表示待模擬區(qū)域的數(shù)據(jù)模板在u。+u位置的節(jié)點(diǎn)值；u表示模板內(nèi)各向量的位置；Avel I表示對所求的絕對值項(xiàng)求均值；每個(gè)非空的"單元"可以被稱為一個(gè)"得分類"；1是某個(gè)得分類序號，L是全部得分類數(shù)目；在"距離函數(shù)"^中只是對于那些已知的n'(《n)個(gè)節(jié)點(diǎn)進(jìn)行計(jì)算，確定與條件數(shù)據(jù)事件cU差別最小的圖案塊類；步驟5.3、從選定的圖案類中隨機(jī)提取出一個(gè)圖案(命名為"片")，然后將該圖案"片""粘貼"到以當(dāng)前模擬節(jié)點(diǎn)為中心的待模擬區(qū)域上。
全文摘要
一種基于過濾器的連續(xù)型信息預(yù)測方法，在多點(diǎn)地質(zhì)統(tǒng)計(jì)法的基礎(chǔ)上，使用過濾器來實(shí)現(xiàn)訓(xùn)練圖像的降維，利用過濾器生成過濾器得分空間，所有具有相似過濾器得分的訓(xùn)練圖案在過濾器得分空間內(nèi)被歸為一類，在預(yù)測過程中，屬于一類的訓(xùn)練圖案被隨機(jī)提取，然后該圖案被粘貼到待模擬區(qū)域。本發(fā)明將該方法應(yīng)用于訓(xùn)練圖像的結(jié)構(gòu)特征信息的再現(xiàn)，該方法在預(yù)測連續(xù)型變量時(shí)效果較好。
文檔編號G06K9/62GK101727578SQ200910199668
公開日2010年6月9日 申請日期2009年11月30日 優(yōu)先權(quán)日2009年11月30日
發(fā)明者張挺, 杜奕 申請人:上海第二工業(yè)大學(xué)