Magnetic Anomaly Detection Using Spatial Frequency Domain-Based Structured Low-Rank Approximation and Block Singular Value Decomposition
Notice bibliographique
Résumé
In magnetic anomaly detection (MAD), the magnetic anomaly signals can be easily affected by noise in a harsh test environment, resulting in a low signal-to-noise ratio (SNR). Current MAD techniques prioritize SNR over signal characteristics and edge details, resulting in distorted signals. To tackle this issue, we propose a novel MAD method that employs structured low-rank approximation and block singular value decomposition (BSVD) in the spatial frequency domain. This approach can be termed frequency-low-rank-based BSVD (FL-BSVD). First, the low-rankness structure of the magnetic anomaly signal is obtained through 2-D discrete Fourier transform (2D-DFT) and structured Hankel transformation. Then, BSVD is applied to the Hankel matrix to reduce noise while preserving more signal edge features and enhancing detection accuracy. Finally, a field experiment comparing FL-BSVD with four commonly used methods is conducted, in which SNR, structural similarity (SSIM), mean square error (mse), and figure of merit (FOM) are employed as evaluation metrics. The experimental results demonstrate that when the initial SNR is greater than −20 dB, FL-BSVD outperforms other methods by boosting the SNR by an average of 80.79%, enhancing the SSIM by a factor of 8.9, and reducing the mse by an average of 82.74%. Especially under extremely low SNR conditions, while the other four methods fail, FL-BSVD can still partially recover the signal’s main characteristics. Furthermore, under different SNR conditions, FL-BSVD consistently outperforms the other methods in terms of FOM, clearly demonstrating the superiority of the proposed approach in edge extraction. The experiment confirms that FL-BSVD can effectively recover magnetic anomaly signal features and edge information in a strong noisy environment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».