區域立體演算法

Ⅰ opencv三維重建深度怎麼不隨視場變化

1. 視場變化主要是通過找出每對圖像間的對應關系，根據三角測量原理，得到視差圖；

2. 在獲得了視差信息後，根據投影模型很容易地可以得到原始圖像的深度信息和三維信息。立體匹配技術被普遍認為是立體視覺中最困難也是最關鍵的問題，主要是以下因素的影響：

（1）光學失真和雜訊（亮度、色調、飽和度等失衡）

（2）平滑表面的鏡面反射

（3）投影縮減（Foreshortening）

（4）透視失真（Perspective distortions）

（5）低紋理（Low texture）

（6）重復紋理（Repetitive/ambiguous patterns）

（7）透明物體

（8）重疊和非連續

Ⅱ 全月球三維數字地形圖的技術原理

據專家介紹，國際上以前公布過的月球全圖，主要是二維影像圖和用激光高程數據製作的三維地形圖，由於這兩種月圖的數據源不同，不能產生一致的三維月圖，無法形象地展示全月球立體實景。總裝備部裝備指揮技術學院利用自主研發的三維月圖自動構建技術，一次性地解算出正射影像圖（DOM）和數字高程模型（DEM），解決了二、三維數據不一致的難題。製作完成的全月球三維立體圖，可以按照多種方式對全月球的任意區域進行全方位的觀察和量測。
項目對特徵點自動提取、同名像點自動識別、圖像自動融合等三維月圖自動構建關鍵技術進行了研究，很好地解決了地面上特徵點提取演算法不適於月面圖像處理的問題、項目利用「嫦娥一號」原始影像製作的可實時瀏覽的全月球三維立體圖，可為中國探月二期工程的月球軟著陸器選址、月球機器人運動規劃和模擬等提供技術支撐。

Ⅲ 拋物面與錐面所為立體體積有幾種演算法

方法1：分成兩部分，拋物面與錐面相交處，滿足z^2=6-z，即z=2(捨去負值)

用平面z=2切割這個立體，得到兩塊（一個是圓錐，一個是拋物線構成的旋轉體），分別求出他們體積（可以用體積公式，或積分方法）
方法2：利用x,y對稱性，得知立體是一個旋轉體（z軸是旋轉軸），使用旋轉體求體積的積分公式
方法3：利用高斯公式，根據封閉曲面積分來求體積
方法4：利用祖暅原理，沿z軸，對面積微元（與z軸垂直的切片面都是圓），使用一維積分

Ⅳ 哪種立體匹配演算法不是全局匹配演算法

SSD不是全局匹配演算法，其他都是。

選項中的 4 個詞語的意思如下：

A. 動態規劃：動態規劃（英語：Dynamic programming，簡稱 DP）是一種在數學、計算機科學和經濟學中使用的，通過把原問題分解為相對簡單的子問題的方式求解復雜問題的方法。

B. 圖割：是「圖像分割」（Segmentation）的簡稱。在計算機視覺領域，圖像分割指的是將數字圖像細分為多個圖像子區域（像素的集合）（也被稱作超像素）的過程。圖像分割的目的是簡化或改變圖像的表示形式，使得圖像更容易理解和分析。圖像分割通常用於定點陣圖像中的物體和邊界（線，曲線等）。更精確的，圖像分割是對圖像中的每個像素加標簽的一個過程，這一過程使得具有相同標簽的像素具有某種共同視覺特性。圖像分割的結果是圖像上子區域的集合（這些子區域的全體覆蓋了整個圖像），或是從圖像中提取的輪廓線的集合（例如邊緣檢測）。一個子區域中的每個像素在某種特性的度量下或是由計算得出的特性都是相似的，例如顏色、亮度、紋理。鄰接區域在某種特性的度量下有很大的不同。

C. BP：反向傳播演算法（英語：Backpropagation algorithm，簡稱：BP演算法）是一種監督學習演算法，常被用來訓練多層感知機。 於 1974 年，Paul Werbos 首次給出了如何訓練一般網路的學習演算法，而人工神經網路只是其中的特例。不巧的，在當時整個人工神經網路社群中卻無人知曉 Paul 所提出的學習演算法。直到 80 年代中期，BP演算法才重新被 David Rumelhart、Geoffrey Hinton 及 Ronald Williams、David Parker 和 Yann LeCun 獨立發現，並獲得了廣泛的注意，引起了人工神經網路領域研究的第二次熱潮。BP演算法是對於多層的前向神經網路 Delta 規則的一般化，使用鏈式法則來迭代的計算每一層的梯度成為可能。BP演算法要求每個人工神經元（節點）所使用的激勵函數必須是可微的。

D. SSD：固態硬碟（Solid State Disk、Solid State Drive，簡稱 SSD）是一種以存儲器作為永久性存儲器的電腦存儲設備。雖然 SSD 已不是使用「碟」來記存數據，而是使用 NAND Flash，也沒有用來驅動（Drive）旋轉的馬達，但是人們依照命名習慣，仍然稱為固態硬碟（Solid-State Disk）或固態驅動器（Solid-State Drive）。也有翻譯為「固存」（「固態存儲器」的簡稱）。

Ⅳ 一個幾何區域映射為另一個幾何區域，譬如矩形映射為環形。或者映射為幾個分散的區域，什麼演算法可以做到

變數替換 例如極坐標公式將矩形映射為扇形它們面積之間的關系是S矩=雅可比行列式×S扇形 問題的關聯是如何找到這種變數間的轉換關系即映射 這是演算法的問題 很難的 就相當於你能創造新的極坐標公式 還有即使你找到了這種演算法但你的目的何在 比如極坐標替換在求面積方面是為了求S矩（但然不是普通的矩形面積 一般是曲線於坐標軸圍的面積）這樣做的條件是S矩很難直接記算出而於此對應的S扇有很好的可求性 所以你的目的何在 就只是簡單的映射沒有進一步的目的嗎 如若有可能還要找對應的『雅可比行列式』 個人建議 如果你是學生最好找一個數學系的老師共同研究

Ⅵ 雙目立體視覺可以測障礙物高度嗎

與普通的圖像模板匹配不同的是，立體匹配是通過在兩幅或多幅存在視點差異、幾何畸變、灰度畸變、雜訊干擾的圖像對之間進行的，不存在任何標准模板進行匹配。立體匹配方法一般包含以下三個問題:(1)基元的選擇，即選擇適當的圖像特徵如點、直線、相位等作為匹配基元;(2)匹配的准則，將關於物理世界的某些固有特徵表示為匹配所必須遵循的若干規則，使匹配結果能真實反映景物的本來面目;(3)演算法結構，通過利用適當的數學方法設計能正確匹配所選擇基元的穩定演算法。 根據匹配基元的不同，立體視覺匹配演算法目前主要分為三大類,即區域匹配、相位匹配和特徵匹配: 基於區域灰度的匹配演算法是把一幅圖像(基準圖)中某一點的灰度鄰域作為模板，在另一幅圖像(待匹配圖)中搜索具有相同(或相似)灰度值分布的對應點鄰域，從而實現兩幅圖像的匹配。

Ⅶ 德洛內三角演算法（Delaunay triangulation）基本方法是怎樣的，說的詳細些，另外與三維空間連接性有什麼關

哈哈，剛好做了這道題～感情你也是學測量的？

荷蘭氣候學家A•H•Thiessen提出了一種根據離散分布的氣象站的降雨量來計算平均降雨量的方法，即將所有相鄰氣象站連成三角形，作這些三角形各邊的垂直平分線，於是每個氣象站周圍的若干垂直平分線便圍成一個多邊形。用這個多邊形內所包含的一個唯一氣象站的降雨強度來表示這個多邊形區域內的降雨強度，並稱這個多邊形為泰森多邊形。如圖5-6-1，其中虛線構成的多邊形就是泰森多邊形。泰森多邊形每個頂點是每個三角形的外接圓圓心。泰森多邊形也稱為Voronoi圖，或dirichlet圖。

圖5-6-1泰森多邊形

泰森多邊形的特性是：

1、每個泰森多邊形內僅含有一個離散點數據；

2、泰森多邊形內的點到相應離散點的距離最近；

3、位於泰森多邊形邊上的點到其兩邊的離散點的距離相等。

泰森多邊形可用於定性分析、統計分析、鄰近分析等。例如，可以用離散點的性質來描述泰森多邊形區域的性質；可用離散點的數據來計算泰森多邊形區域的數據；判斷一個離散點與其它哪些離散點相鄰時，可根據泰森多邊形直接得出，且若泰森多邊形是n邊形，則就與n個離散點相鄰；當某一數據點落入某一泰森多邊形中時，它與相應的離散點最鄰近，無需計算距離。

在泰森多邊形的構建中，首先要將離散點構成三角網。這種三角網稱為Delaunay三角網。

對於泰森多邊形（即Delaunay三角網）內的Delaunay三角形的構建方法應為：

1、凸包生成；

2、環切邊界法凸包三角剖分；

3、離散點內插。

Delaunay三角形產生准則的最簡明的形式是：任何一個Delaunay三角形的外接圓的內部不能包含其它任何點。它的最大化最小角原則是：每兩個相鄰的三角形構成的凸四邊形的對角線，在相互交換後，六個內角的最小角不再增大。

而泰森多邊形（即Delaunay三角網）的構建步驟應為：

1、離散點自動構建三角網，即構建Delaunay三角網。對離散點和形成的三角形編號，記錄每個三角形是由哪三個離散點構成的。

2、找出與每個離散點相鄰的所有三角形的編號，並記錄下來。這只要在已構建的三角網中找出具有一個相同頂點的所有三角形即可。

圖5-6-6泰森多邊形的建立

3、對與每個離散點相鄰的三角形按順時針或逆時針方向排序，以便下一步連接生成泰森多邊形。排序的方法可如圖5-6-6所示。設離散點為o。找出以o為頂點的一個三角形，設為A；取三角形A除o以外的另一頂點，設為a，則另一個頂點也可找出，即為f；則下一個三角形必然是以of為邊的，即為三角形F；三角形F的另一頂點為e，則下一三角形是以oe為邊的；如此重復進行，直到回到oa邊。

4、計算每個三角形的外接圓圓心，並記錄之。

5、根據每個離散點的相鄰三角形，連接這些相鄰三角形的外接圓圓心，即得到泰森多邊形。對於三角網邊緣的泰森多邊形，可作垂直平分線與圖廓相交，與圖廓一起構成泰森多邊形。

怎麼只能插入一張圖片啊.......暈.......

Ⅷ 雙目視覺的匹配演算法是不是有好幾種具體是哪幾種

與普通的圖像模板匹配不同的是，立體匹配是通過在兩幅或多幅存在視點差異、幾何畸變、灰度畸變、雜訊干擾的圖像對之間進行的，不存在任何標准模板進行匹配。立體匹配方法一般包含以下三個問題:(1)基元的選擇，即選擇適當的圖像特徵如點、直線、相位等作為匹配基元;(2)匹配的准則，將關於物理世界的某些固有特徵表示為匹配所必須遵循的若干規則，使匹配結果能真實反映景物的本來面目;(3)演算法結構，通過利用適當的數學方法設計能正確匹配所選擇基元的穩定演算法。

根據匹配基元的不同，立體視覺匹配演算法目前主要分為三大類,即區域匹配、相位匹配和特徵匹配:

基於區域灰度的匹配演算法是把一幅圖像(基準圖)中某一點的灰度鄰域作為模板，在另一幅圖像(待匹配圖)中搜索具有相同(或相似)灰度值分布的對應點鄰域，從而實現兩幅圖像的匹配。這類演算法的性能取決於度量演算法及搜索策略的選擇。另外，也必須考慮匹配窗口大小、形式的選擇，大窗口對於景物中存在的遮擋或圖像不光滑的情況會更多的出現誤匹配，小窗口則不具有足夠的灰度變化信息，不同的窗口形式對匹配信息也會有不同的影響。因此應該合理選取匹配區域的大小和形式來達到較好的匹配結果。

相位匹配是近二十年發展起來的一種匹配演算法，相位作為匹配基元，即認為圖像對中的對應點局部相位是一致的。最常用的相位匹配演算法有相位相關法和相位差——頻率法，雖然該方法是一種性能穩定、具有較強的抗輻射抗透視畸變能力、簡單高效、能得到稠密視差圖的特徵匹配方法。但是，當局部結構存在的假設不成立時，相位匹配演算法因帶通輸出信號的幅度太低而失去有效性，也就是通常提到的相位奇點問題，在相位奇點附近，相位信息對位置和頻率的變化極為敏感，因此用這些像素所確定的相位差異來衡量匹配誤差將導致極不可靠的結果。此外，相位匹配演算法的收斂范圍與帶通濾波器的波長有關，通常要考慮相位卷繞，在用相位差進行視差計算時，由於所採用的相位只是原信號某一帶通條件下的相位，故視差估計只能限制在某一限定范圍之內，隨視差范圍的增大，其精確性會有所下降。

基於特徵的圖像匹配方法是目前最常用的方法之一，由於它能夠將對整個圖像進行的各種分析轉化為對圖像特徵(特徵點、特徵曲線等)的分析的優點，從而大大減小了圖像處理過程的計算量，對灰度變化、圖像變形、噪音污染以及景物遮擋等都有較好的適應能力。

基於特徵的匹配方法是為使匹配過程滿足一定的抗噪能力且減少歧義性問題而提出來的。與基於區域的匹配方法不同，基於特徵的匹配方法是有選擇地匹配能表示景物自身特性的特徵，通過更多地強調空間景物的結構信息來解決匹配歧義性問題。這類方法將匹配的搜索范圍限制在一系列稀疏的特徵上。利用特徵間的距離作為度量手段，具有最小距離的特徵對就是最相近的特徵對，也就是匹配對。特徵間的距離度量有最大最小距離、歐氏距離等。

特徵點匹配演算法嚴格意義上可以分成特徵提取、特徵匹配和消除不良匹配點三步。特徵匹配不直接依賴於灰度，具有較強的抗干擾性。該類方法首先從待匹配的圖像中提取特徵，用相似性度量和一些約束條件確定幾何變換，最後將該變換作用於待匹配圖像。匹配中常用的特徵基元有角點、邊緣、輪廓、直線、顏色、紋理等。同時，特徵匹配演算法也同樣地存在著一些不足，主要表現為:

(l)特徵在圖像中的稀疏性決定了特徵匹配只能得到稀疏的視差場，要獲得密集的視差場必須通過使用插值的過程，插值過程通常較為復雜。

(2)特徵的提取和定位的准確與否直接影響特徵匹配結果的精確度。

(3)由於其應用場合的局限性，特徵匹配往往適用於具有特徵信息顯著的環境中，在缺少顯著主導特徵環境中該方法有很大困難。

總之，特徵匹配基元包含了演算法編程上的靈活性以及令人滿意的統計特性。演算法的許多約束條件均能清楚地應用於數據結構，而數據結構的規則性使得特徵匹配非常適用於硬體設計。例如，基於線段的特徵匹配演算法將場景模型描繪成相互聯結的邊緣線段，而不是區域匹配中的平面模型，因此能很好地處理一些幾何畸變問題，對對比度和明顯的光照變化等相對穩定。特徵匹配由於不直接依賴於灰度，計算量小，比基於區域的匹配演算法速度快的多。且由於邊緣特徵往往出現在視差不連續的區域，特徵匹配較易處理立體視覺匹配中的視差不連續問題。

Ⅸ 怎麼使用動態規劃演算法對圖像進行立體匹配呢具體做法

這個是主要的代碼。 它可以分為幾下幾個部分： （1）這里DP演算法只在每一行中進行搜索，那麼應該記錄下兩圖的每一對應行的 cost function的值，程序用的是SAD方法。 （2）開始從最後一行開始進行搜索，這里因為好像要將當前元素與前後三個元素進。

Ⅹ 復雜地區高精度重磁－三維電法勘探技術

（一）難點及對策

柴達木盆地花土溝－獅子溝地區位於西部坳陷區中部英雄嶺褶皺沖斷帶的西南緣，該區地表地形起伏劇烈，溝壑縱橫。在400km²的范圍內，地形起伏在2800～3700m之間，相對高差達900m。復雜的地形地貌和構造特徵制約了本區勘探工作的進程，特別是地震資料深層成像精度和可靠性受到制約。尋找和發展新的地球物理勘探方法和技術，提高勘探技術能成為當務之急。

大地電磁測深具有探測深度大，不受高阻屏蔽影響，對低阻層反應靈敏。自20世紀50年代提出以來，尤其在70～80年代隨著電子計算機、信號處理技術的發展，在理論與技術方面不斷出現突破性進展，方法不斷完善，應用效果明顯改善。大地電磁測深（MT）在油氣、深部地質、地熱和水資源調查等多個領域得到應用，在油氣勘探中主要用於研究高阻基底起伏，劃分沉積地層，圈定局部構造，研究區域構造格局等。

通過對盆地內地層電阻層的特徵分析研究表明，不同電阻層具有一定的差異，具備應用大地電磁測深的地球物理前提，值得開展探索研究。

隨著近年來大地電磁測深儀器的發展，在集成化、輕便化、多道化、遙測遙控化等方面都有可喜的進步，施工效率大大提高，三維大地電磁測深（3DMT）已成為可能，在本項目實施中，針對復雜地表條件，結合地質目標、礦井及居民區的人文環境，詳細了解和分析區內的電磁干擾源等因素，採取了以下技術對策：

1.資料採集

（1）精心踏勘和制定技術方案

針對踏勘的情況和施工難點，採取以下應對措施：①設置遠參考點，遠參考點應在背景干擾較小，地面開闊、平坦的地方布設；②延長有效採集記錄時間，改善低頻資料品質；③進行干擾源影響范圍調查試驗，確定合理的偏移距；④對信噪比低的測點通過及時了解磁暴發生期，提前調整生產安排。

（2）通過試驗工作，獲得合理的採集參數。主要進行了極距、採集時間、磁場穩定性試驗和高差極距比試驗。

（3）針對低信噪比區的部分測點，採取了延長記錄時間，ROBUST和遠參考處理技術合理應用，在強信號時段進行資料採集等方法提高資料品質。

（4）及時監控各儀器系統的工作狀態，保證系統正常工作，及時分析電阻率、相位曲線質量，一旦發現不合格記錄，立即進行補測。

（5）在本測區共布置了55個重復物理點檢查工作，從另一方面對儀器的工作性能進行了動態監控。

以上技術措施的實施，有力地保證了本區三維MT資料的採集質量。

2.資料處理

針對復雜地表條件、復雜地表岩性，採取以下有針對性的措施以及新的處理方法技術：①變密度校正技術；②特殊處理－異常剝離技術；③重磁三維線性約束反演技術；④三維空間域統計濾波靜校正。

3.室內解釋

採取以下新的方法及思路：

（1）將三維MT 反演成果在Land Mark 解釋工作站上進行三維可視化解釋。實現了電磁法資料與地震資料統一平台解釋的可能，直觀展示電磁法成果，提高綜合解釋能力奠定了重要基礎。

（2）從物性資料分析入手，系統研究密度、磁化率、電阻率的變化特徵，研究區內中淺層、深層構造特徵。

（3）建立研究區構造模式。

（二）技術特色

（1）花土溝－獅子溝地區高精度重磁、三維電法（MT）勘探，是我國第一次在油氣勘探復雜區實施的重、磁、電三維採集處理解釋一體化項目。

（2）在PC機群上開發了三維MT反演並行演算法軟體，在國內率先實現了實際MT資料的三維處理與反演。

（3）實現了三維MT反演數據在Landmark工作站上的三維可視化解釋，直觀展示電磁法成果，提高了綜合解釋能力和效果；實現了與地震資料同一平台解釋。

（三）應用效果

根據項目研究需要，2006年在柴達木盆地西部的獅子溝地區開展高精度重力、磁力和三維電法（MT）勘探，主要地質任務是通過對重、磁、電異常分布特徵的研究，了解深層構造的展布特徵和發育規律，為進一步的勘探和鑽探部署提供依據。

1.效果對比

三維反演結果較之傳統二維反演方法結果可靠、合理。

（1）三維反演實現過程中，全區均一網格的MT測點結果都統一參與反演，反演結果無測線之間閉合差問題，避免了二維反演時主測線與聯絡測線反演結果不閉合、無法解決旁側效應等局限性（圖9-16）。

圖9-16 二維與三維電法主測線與聯絡測線反演閉合差對比圖

（2）三維反演考慮了各測點體積效應問題。對局部構造異常反應更為靈敏；對局部構造刻畫更精細；反演的基底電性結構更為合理；與已知井資料吻合較好。

比較MT22線二維反演和三維反演斷面（圖9-17），中深層電性層構造異常都存在，而在三維反演結果中，電性層構造異常形態、高點突出，為進一步解釋深層構造提供了重要依據。

圖9-17 MT22測線二維、三維反演斷面對比圖

（3）三維反演結果與鑽井揭示的地層起伏趨勢一致。圖9-18為過獅23井等多口井的三維反演斷面，沿斷面各井揭示的地層起伏與反演電性層起伏相關性良好。

綜上所述，本區的三維MT反演，較二維反演更為合理明顯，體現了三維MT技術反演的先進性，三維MT反演結果為綜合解釋奠定了基礎。

2.主要地質成果

（1）三維重力反演

三維重力反演使用目標重力異常，採用相對密度差反演方法，三維立體模型剖分為縱、橫、垂三方向等間距的立方體組合模型，模型剖分單元為250m×250m×250m。反演採用多次迭代逐次逼近的方法，採用極值范圍、反演空間范圍約束等方法。

圖9-19為三維重力反演求解的三維密度分布的不同海拔的水平切片，圖中展示的水平切片的埋藏深度大約為3000～5000m。由反演結果可見，從3000m至5000m，地下密度分布具有明顯的變化，在工區中部，深層密度分布顯示出更加清楚的南北向構造的形態，而且從淺至深，局部密度高的水平位置也有變化。初步對比表明，-625～-1125m水平密度切片與三維電法反演解釋的E32底界構造圖對應關系較好。

圖9-18 過獅23井等多口井的MT22測線三維反演斷面圖

圖9-19 獅子溝地區三維重力反演密度水平切片圖

（2）三維磁力反演

三維磁力反演使用磁力化極異常，採用三維立體模型剖分為縱、橫、垂三方向等間距的立方體組合模型，模型剖分單元為250m×250m×250m。反演採用多次迭代逐次逼近的方法，採用極值范圍、反演空間范圍約束等方法。

圖9-20 獅子溝地區3維磁力反演磁化率水平切片圖

圖9-20為三維磁力反演求解的三維磁化率分布的不同海拔的水平切片，圖中展示的水平切片的深度為地面附近至8000m埋深內的磁性變化。由反演結果可見，從地表附近到8000m深度范圍內，地下地層岩石磁性分布具有明顯的變化，淺層磁性較弱，深度達到5000m以後地層磁性增強，其差異大，表現出基底磁性的差異變化。這種變化與基底結構有關。

（3）MT資料三維反演

MT資料三維反演處理的目的就是獲得工區地層電阻率的縱橫向空間分布，通過分析反演電性層的異常展布和變化規律，進一步追蹤本區的地質構造特徵和地層沉積分布。

1）三維反演結果顯示（圖9-21，圖9-22），由淺至深地層電阻率的大小變化表現為高阻、低阻、次高阻、高阻的電性特徵，宏觀變化規律與鑽井揭示的地層電性變化規律一致。通過鑽井地層電測井結果的標定，反演結果中主要低阻層為下油砂山組，電阻率為5～12Ω·m范圍，低阻層沉積較厚的區域還包括上油砂山組，乾柴溝組主要對應次高阻層。

圖9-21 獅北1井標定MT03測線三維反演電阻率斷面圖

圖9-22 獅23井標定MT23測線三維反演電阻率斷面圖

2）淺層反演電阻率的平面異常分布與淺層不同地質露頭地層分布相關性良好。圖9-23為反演深度為227m的深度電阻率切片圖，對比本區地質圖，第四系出露區明顯對應於高電阻率分布區；出露的油砂山組區段為反演電阻率的低阻分布區，與該套地層表現的電性特徵相對應；工區東南角的低電阻率異常區，與該區域地表沼澤地地貌相關。上述特徵表明，三維反演結果較客觀地揭示了淺層地層的電阻率分布規律。

圖9-23 三維反演電阻率227m深度切片圖

3）三維反演電阻率16Ω·m海拔埋深平面圖，基本反映了本區低阻沉積地層底界的分布特徵和厚度變化（如圖9-24所示）。主要特徵為，工區中部沿躍36井至獅20井近南北向為低阻層沉積較薄的區域，底界埋深達1300～2600m，低阻沉積地層較厚的區域位於工區東、西兩側，底界埋深達4500m以上。

4）反演電阻率60Ω·m海拔埋深平面圖，基本反映了本區深層高阻基底頂面的起伏形態（圖9-25所示）。其特徵與低阻層底界埋深類似，工區中沿躍36井至獅20井近南北向展布的高阻基底隆起區，隆起區分別以獅25井、游深3井北和建參1井北為中心，形成3個明顯的構造圈閉，其高點埋深分別約為4400m、4400m和5000m，反映了該隆起帶上深層構造發育的特點。反演結果與定性資料所揭示的構造異常分布規律相呼應。

反演電阻率60Ω·m海拔埋深等值線的區域異常走向的變化，在工區西部表現較為突出，西部等值線走向呈北東—南西向特徵，反映了基底受北東—南西向斷裂控制明顯，該現象與定性資料反映的特點一致。

5）反演結果電性層的起伏與地層的展布相關，多口鑽井地質分層與三維反演電阻率斷面的對比，表明二者基本一致。因此，MT反演電阻率斷面上電性層的橫向起伏變化對構造、斷層的綜合地質解釋具有重要的參考價值。

圖9-24 三維反演低阻電性層底界海拔埋深圖

圖9-25 三維反演深層高阻電性層頂面海拔埋深圖