地下目标体重力张量数据的边界识别与增强算法的研究

边界增强与识别在重力数据处理中占据重要地位,与传统重力异常数据相比,重力张量及其高阶分量对于直接反映异常体的边界具有更高的精度。当异常数据中的所有网格点的值均较低时,通过Sigmoid变换,可以实现高异常值网格数据的拉升,同时压缩低灰度级像素,从而凸显地质体边界,提高边界增强后图像的识别效果。文中利用张量及其分量构建常用的边界识别算法,通过组合体模型进行多种边界识别算法的试算,以比较分析各自的效果,并对结果进行Sigmoid变换。结果表明:对于张量高阶分量组合形式,水平梯度模、解析信号能基本反映浅异常体的边界,gzz水平梯度模能较好反映浅异常体边界,但三者均不能识别深异常体边界;Tilt梯度、Theta和ITA3效果不理想;ITA2能在有效均衡不同强度异常信号的同时,清晰地识别不同深度异常体的边界;采用Sigmoid变换,可以明显提高边界识别的识别效果。