تعیین لبه داده های میدان گرانی با استفاده از روش آماری CCMS

Abstract

تعیین لبه یک تفسیر کیفی و روشی سریع برای بدست آوردن اطلاعات از بی هنجاری‌های مولد میدان گرانی است. در تعیین لبه دقت در برآورد مرز بی هنجاری‌ها و تفکیک بی هنجاری‌های که دامنه آنها با هم تداخل دارد بسیار مهم است. از جمله معایب روش‌های تعیین لبه، حساس بودن به نوفه؛ حساس بودن به عمق بی هنجاری، برآورد لبه بزرگتر از مقدار واقعی، عدم تفکیک بی هنجاری‌ها و .. است. به همین دلیل روش‌های متنوعی برای تعیین لبه معرفی شده است. بیشتر روش‌های تعیین لبه بر پایه گرادیان‌ها قرار دارند. گرادیان‌ها به نوفه حساس هستند. به منظور افزایش دقت در تعیین لبه از روش‌های آماری استفاده شده است. روش نیمه آماری NSTD و روش‌ کاملا آماری CCMS از جمله آنها هستند.<br /> در این مقاله از روش‌های برپایه گرادیان مشهور زوایه تتا (Theta)، گرادیان کل افقی (THD)، زوایه تیلت (Tilt angle)، زوایه تیلت هذلولوی (HTA)، روش نوین برپایه گرادیان NTHD، روش نیمه آماری NSTD و روش‌ کاملا آماری CCMS در تعیین لبه داده‌های مصنوعی و واقعی استفاده شده است. قضاوت اینکه کدام روش جواب بهتری در همۀ داده‌ها گرانی دارد، کمی دشوار است اما در این مقاله با در نظر گرفتن شرایطی مانند نوفه‌ای، بی هنجاری‌های تداخل یافته، دقت لبه برآوردی و تاثیر عمق بی هنجاری در تعیین لبه توانایی روش‌های مختلف بررسی و مقایسه شده است. <br /> نتایج تعیین لبه داده‌ها مصنوعی نشان می‌دهد که روش‌های تنها بر پایه گرادیان قرار دارند به تداخل دامنه بی هنجاری‌ها و نوفه حساس هستند و در روش‌های که از تعداد گرادیان‌های کمتری استفاده می‌کنند نوفه کمتری وجود دارد. روش‌های NTHD، NSTD و CCMS که از حرکت پنجره‌ها حاصل می‌شوند به نوفه حساسیت کمتری دارند. این روش‌ها مرز بی هنجاری با دامنه-های مختلف را آشکار می‌کنند و بی هنجاری‌های که دامنه آنها باهم تداخل داشته را به خوبی تفکیک می‌کنند. در همۀ روش‌های تعیین لبه این مقاله افزایش عمق بی هنجاری باعث شده است که دقت تعیین لبه کاهش یابد. در مجموع بررسی‌ها نشان می‌دهد که CCMS نتایج بهتری در تعیین لبه داده‌های مصنوعی ارائه داده است. در داده‌های واقعی نیز نتایج روش CCMS بهتر از سایر روش‌ها است. نتایج تعیین لبه این روش در داده‌های واقعی برروی نقشه بوگه نشان داده شده است این نحوه نمایش پیچیدگی‌های نقشه تعیین لبه را کاهش می‌دهد که می‌تواند برای مفسر بسیار مفید باشد.