基于连续帧间差分的抛弃式探头三维下沉运动处理方法研究

抛弃式探头由无人机装载,能够在较远目标区域和危险海域开展海洋水文环境剖面参数的测量。通过安装不同传感器,可以实现对温度、盐度的剖面测量,其深度的测量采用数学方法计算得到。针对双摄像机水箱实验获得的5个不同攻角实验结果,分析了常用的运动目标的检测方法,最终选择基于连续帧间差分法,确定探头的三维坐标位置,进而得到探头下沉运动的三维运动轨迹和速度曲线等信息。探头从水面释放后攻角在下沉过程中不断调整,改变运动姿态,同时伴随自身的旋转,抵消水平方向阻力作用,初始攻角产生的深度测量误差主要体现在加速过程,探头达到匀速运动后测量误差不变,在不考虑横流的情况下,探头最后以匀速垂直下落运动。     

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。     

直线特征辅助的靠岸舰船检测

针对靠岸舰船难以检测的问题,提出了一种直线特征辅助的靠岸舰船检测方法。首先利用高精度的卷积神经网络目标检测算法YOLOv3对影像进行粗检测,获取可能存在舰船目标的区域作为兴趣区域;然后提取影像的直线特征,将直线的方向作为确定舰船方向的辅助信息;最后利用具有一定角度的滑动窗口遍历兴趣区域获取候选目标,并对侯选目标进行二次分类和识别得到最终检测结果。利用不同港口的遥感影像进行实验的结果表明,提出方法能够有效检测港口内多种方向和并列停靠的舰船目标。     

基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

一种基于牛顿插值迭代的SAR影像滤波评价方法

针对SAR影像难以精确计算信噪比的问题,该文以滤波评价指标信噪比为依托,提出了一种基于牛顿插值迭代修正SAR影像近似信噪比的滤波质量评价方法:根据已知值通过牛顿插值得到更多的数据,再利用牛顿迭代法拟合非线性函数修正近似信噪比。以模拟影像和真实影像为数据源,选择目视效果较好的滤波结果作为真实影像的近似无噪声影像,人工对模拟影像和无噪影像进行降质,并使用5种滤波器对影像进行处理,分别利用基于牛顿插值迭代得到的修正近似信噪比、传统的峰值信噪比、等效视数和边缘保持指数评价滤波效果。结果表明:基于牛顿插值迭代修正的近似信噪比可作为衡量SAR影像滤波质量的评价指标,且无需参考原始无噪影像,对真实SAR影像的滤波质量评价有一定的可行性。     

毛乌素沙区1961-2016年降水特征

基于毛乌素沙区10个气象站1961-2016年观测资料，应用Mann-Kendall方法和t检验法对各气象站年降水量进行了突变检验，借助小波分析讨论了各气象站年降水量的周期特征，根据降水量等值线划分结果对整个研究区分区分析了年、季、月和日尺度上的降水变化特征，并在两个时段上分析了季节性降水的差异。结果表明：毛乌素沙区年降水量空间特征差异明显，东部亚区呈上升趋势，中西部亚区呈下降趋势，但变化趋势不显著且无突变发生；降水年内分配不均，干湿季分明，降水集中在5-9月，夏秋季降水占全年降水比重大，季、月和日尺度降水量存在梯度递减变化；年降水量的年际变化过程存在多重时间尺度的自相似结构；近26年的冬春季降水增加显著，但降水波动幅度小于前30年。