乌蒙山区富硒耕地土壤资源评价与分析——以贵州省大方县为例

医学图像作为医生诊断的重要依据,其版权保护一直是研究重点。在对医学图像进行版权保护时,必须保证图像修改后能无损恢复。但是,当前大多数应用于医学图像的可逆水印算法并未考虑鲁棒性。因此,本文针对具有一定鲁棒性的可逆水印算法进行研究,提出一种基于深度残差网络ResNet的鲁棒可逆医学图像水印算法。首先,算法利用深度残差模型提取医学图像的深度特征信息,自适应确定最优嵌入强度,均衡水印的不可见性和鲁棒性;此外,结合遗传算法和模糊C-均值的聚类算法对水印区域动态划分,根据聚类结果提取水印信息,有效克服信号攻击对含水印图像的影响,提高可逆水印算法的鲁棒性。实验结果表明：在嵌入水印后,含水印医学图像的PSNR值都可以达到36dB以上,具有较好的图像质量;在提取水印后,算法可以完全无损恢复医学图像;在受到高斯噪声、椒盐噪声、JPEG压缩等常见信号攻击后,算法仍然可以准确提取水印信息,表现出较强的鲁棒性。     

GPS载波相位观测值中周跳探测与修复的研究

针对GPS载波相位定位中出现的周跳问题,提出一种新的周跳探测方法。基于非差相位观测值线性组合模式,以相位与伪距差法和电离层残差法相结合来探测与修复周跳。通过对同一组无周跳的数据采取人为加入周跳,比较两种周跳探测与修复方法的优缺点,以相位与伪距之差组合为辅助,检查大周跳,用电离层残差组合方法再对双频GPS数据进行进一步的周跳探测和修复。根据实例分析,验证该方法能够快速有效地探测并修复周跳,使双频载波相位法更具有实用性。     

基于残差网络约束的道路提取

遥感图像的道路识别是一个重要研究课题,对GIS平台构建和数据更新有着重大贡献。然而,遥感图像中地表信息丰富,道路建设复杂,这给提取道路造成了一定的困难。本文基于残差网络模块,从以下两方面进行研究：1)构建了数据集,其包含城市、乡村道路,并运用镜像、旋转等手段对数据集进行了扩充;2)针对ResNet提出了一种改进方法,并利用数据集对网络进行了样本训练和特征学习,进行道路提取。     

利用部分状态不符值构造的自适应因子在GPS/INS紧组合导航中的应用

提出了一种通过部分状态不符值来构造自适应因子的方法。实测算例结果表明,当观测无异常时,由预测残差构造的自适应因子和由部分状态不符值构造的自适应因子都能够较好地抑制动态模型误差的影响,相比于标准Kalman滤波精度都有所提高,并且这两种自适应滤波的精度相当;但是当观测存在异常时,由预测残差构造的自适应因子不能分辨模型误差和观测误差,而由部分状态不符值构造的自适应因子能够抵制观测异常的影响,因此,滤波结果优于由预测残差构造的自适应因子的滤波结果。     

客观预报中多时刻因子的应用及其效果

分析了在客观预报中单时刻因子与预报量之间存在着时间尺度上的不匹配问题,提出使用多时刻因子的必要性和可能性。对比试验表明,多时刻因子可改善大多数预报方程的质量,有效率达90．0％;多时刻因子使预报误差明显减小,预报方程的残差平方和平均减少23．8％。残差平方和的减少在各种场合有所不同,但呈现出一定的规律性。同时又指出,在多时刻因子中并不是包含的时刻越多越好,以防出现“维数灾”现象。     

定位子台网的选取对定位结果影响研究

选取了河北及邻区58个不同区域的地震, 分析“定位子台网”分布对地震定位精度的影响, 研究“定位子台网”的选取规则。 分别探讨了三种台站分布情况下定位偏差、 水平误差、 拟合残差随空隙角、 近台距离、 远台距离的变化; 定位偏差以及水平误差与拟合残差的关系。 结果显示, 速报时选择7～9个分布相对合理的“定位子台网”参加定位结果比较好, 使用水平误差估计定位结果质量比较适合。     

改进残差网络及时序气象卫星云图的台风等级分类研究

结合了传统残差网络在数据样本小环境下分支卷积层特征的浪费问题，且考虑台风云图时空关联性强、特征复杂因素，参考日本国立情报学研究所在西北太平洋上空通过数个气象卫星拍摄的8 000多景高分辨率台风云图，编制了适应于残差神经网络的时序台风云图分类训练集和测试集。为满足数据集及台风特征，有效优化了原始残差网络的残差块，并得到了恒等映射残差块。经由增加卷积输出来促进分支通路更好的被利用，保留台风图像时序特性，提高网络性能。实验显示，W-ResNets模型在自建台风数据集上的训练精度达到99.60%,测试精度达到76.19%,相较于浅层卷积神经网络的测试精度高出8.48%,相比于使用传统的残差神经网络提高了2.87%,为进一步验证模型的泛化性能，采用MNIST通用数据集进行网络对比实验，宽残差网络得到98.786%的测试精度，优于传统残差网络。文中的W-ResNets预报模型可在小样本台风数据集推广使用。     

改进的残差3D-CNN的高光谱遥感影像分类

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题，该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势，提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支，用以提取蕴涵在高光谱遥感影像中多尺度的特征；利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征；通过残差结构连接分支提取特征缓解了梯度消失的问题，提取更深层次的特征。实验表明，该文算法不仅提高了条状和线状地物区域的边缘分类准确率，对小目标的分类能力也得到了增强。     

融合自编码与密集残差网络的滑坡易发性评价

针对滑坡易发性评价中编录样本受限、特征信息利用不足，导致预测效果不理想的问题，该文提出融合栈式自编码与密集残差网络的滑坡易发性评价方法。将传统自编码网络进行栈化，重构原始数据以强化特征表达；在卷积神经网络中引入跳层连接，通过密集连接的方式构建一种密集残差网络模型提取数据的深层特征。该文以四川省雅安市为研究区开展滑坡易发性评价，将所提模型与逻辑回归模型、CPCNN-RF模型、U-net模型进行了对比分析。实验结果表明：该方法取得最佳精度，受试者工作特征曲线下的面积为0.883,在一定程度上能够较好地适应小样本预测，易发性制图结果更为准确可靠。     

对流层延迟模型的残差包络建模

全球导航卫星系统(GNSS)的信号在穿过对流层时会产生延迟，通常使用经验模型对其进行修正。为确保定位结果安全可信，需建立经模型改正后的对流延迟残余误差的包络模型，用于位置服务的完好性监测。航空无线电技术委员会(radio technical committee for aeronautics, RTCA)推荐航空中使用0.12 m作为天顶对流层延迟残差的包络标准差。这一常值设定忽略了对流层延迟残余误差的地理和季节性变化，一定程度上降低了GNSS在涉及生命安全(safety of life, SoL)应用中的连续性和可用性。本文同时考虑经模型改正后的对流层延迟残余误差的地理和季节性变化，利用极值分析法建立了这些残余误差的包络模型。首先，将2000—2017年间共18 a的对流层延迟残差以10°为一带分纬度带进行日标准化，以提取对流层延迟残差的季节性变化信息；然后，用广义极值(general extreme value, GEV)分布分别拟合标准化残差和原始残差日均值的年最大、最小值，进而计算在10^-7概率水平下的残差限值；最后，将残差限值转化为包络标准差。本文分别建...