山地垂直带谱数字识别的技术实现和图谱构建

山地垂直带谱是地学信息图谱的一个重要组成部分。"带谱数字识别"就是利用现代数字方法和数据,对客观存在的山地垂直自然带谱进行提取,获取比较完备的山地垂直带连续图谱模式。这是从传统山地垂直带研究走向地学信息图谱研究的重要步骤,有助于使我们对山地垂直谱的认识上升到地学信息图谱的高度。本文探索MATLAB语言快速、准确地实现各种识别算法,结合VB.NET构建的用户操作界面,实现带谱的信息提取、分类集成和多样化表达。山地垂直自然带谱的数字识别分为3种不同的模式:山系单侧、山体单峰和山体多峰;依据各自不同的识别算法,可以得到山地连续的带谱模式。本文全面介绍了数字带谱、带谱数字识别的含义,以及数字识别模型的原理、算法和原型系统等实现过程。     

基于内符合精度改进的接收机自主完好性监测算法

传统的接收机自主完好性监测(receiver autonomous integrity monitoring, RAIM)算法基于最小二乘残差法进行故障检测和识别,由于最小二乘残差法存在系数矩阵病态的问题,可能出现漏排、错排现象。据此,提出一种基于内符合精度改进的RAIM方法。该方法在原有故障检测基础上引入卫星定位内符合精度检验门限,并对传统的故障探测法进行改进,以降低故障漏检率,提高故障识别率。实验结果表明,改进的方法可以在不影响系统完好性算法可用性的情况下有效降低漏检率,高效地识别出故障卫星。相较于两组实验数据中传统算法4.66%和1.95%的漏检率,改进算法可以将漏检率分别降低至2.21%和0.81%。     

数字钻孔全景影像中结构面特征智能识别方法

数字钻孔全景影像是识别深部岩体结构面的主要方法,传统解译方法主要依靠手动操作完成,其结果存在较强的人为性、主观性和较大误差。针对数字钻孔全景影像技术,提出了一种考虑结构面图像灰度分布特点的智能识别新方法。通过钻孔图像的灰度化、降噪预处理后利用结构面定位信号特征值D定位结构面,获取其所在区域图像;再进行边缘检测、阈值分割及形态学等处理,通过拟合边缘曲线并结合数学表征方法实现了结构面特征(产状、隙宽等几何参数)的智能化识别。通过对地下水封洞库工程深部岩体数字钻孔影像的实例分析,运用本智能识别方法获得结构面特征信息相对于传统人工识别方法,其结果的准确性和客观性更强、批量识别效率更高。这对这数字钻孔影像的智能、快速识别具有一定的参考价值。      

日制成可识别二十六个字符的光神经计算机

日本三菱公司今年7月底宣布试制成功世界上第一台光神经计算机,它采取光学元件和光信息处理用的数字学习算法,能识别26个字母符号。 数字学习算法可以使连接神经原的数字值及其耦合强度通过学习发生变化。由于连接值和耦合强度取值是离散的,这种算法可以减少储存数据量,但工作效率并不低于模拟学习算法。     

基于改进主动轮廓模型的无人机影像矿区地裂缝提取

矿区地裂缝精准识别对防灾、减灾和生态环境修复具有重要意义。针对高分辨率无人机影像较难自动精确提取地裂缝的问题,本文提出了一种基于改进主动轮廓模型的无人机影像矿区地裂缝提取方法。首先,采用Otsu算法计算背景和地裂缝初值作为先验知识;其次,构建背景和地裂缝初值的提取能量函数,并引入到传统CV主动轮廓模型,增强地裂缝提取的针对性;最后,通过轮廓的不断演化实现地裂缝的提取。以内蒙古扎赉诺尔矿区为研究区、无人机影像为数据源,采用改进主动轮廓模型方法进行地裂缝提取,并与传统的Canny边缘检测算法、支持向量机（SVM）、最大似然（MLM）和传统CV主动轮廓模型方法进行对比分析。结果表明：在地物类型较为单一的小范围区域,传统的Canny边缘检测算法和传统CV主动轮廓模型提取效果较差,改进主动轮廓模型、SVM和MLM共3种方法均可以取得较好的效果,其中,改进主动轮廓模型方法精度最高;在地物类型相对复杂的大范围区域,传统的Canny边缘检测算法、SVM、MLM和传统CV主动轮廓模型方法存在较多的漏提和误提,Kappa系数均低于0.7,而本文改进主动轮廓方法依然可以取得较好的效果,Kappa系数达到0.9左右。因此,本文提出的方法通过引入先验知识可有效提高地裂缝提取的精度和稳定性。     

多核学习算法及其在高光谱图像分类中的应用研究进展

多核学习算法在高光谱图像分类领域占据着十分重要的地位。与灰度图像、全色图像和多光谱图像等相比,高光谱图像因具有很强的分类识别能力等多方面优势而被广泛应用。为进一步提高高光谱图像的分类精度,促进多核学习算法在高光谱图像分类中的应用,本文对多核学习算法及其在高光谱图像分类中的应用进行了总结。首先在回顾核方法的基础上阐述了多核学习框架,其次对多核学习核函数组合方法进行综述,随后根据求解多核学习组合系数方法的不同将多核学习分为两类：固定规则的多核学习算法和基于优化的多核学习算法,并对两类多核学习算法在高光谱图像分类中的应用进行综述,总结各类算法在高光谱图像分类的应用进展。同时,为了便于研究者对多核学习算法及其在高光谱图像分类问题中的应用研究,本文对常用核函数和高光谱图像数据集进行了整理归纳。最后,讨论了多核学习算法在高光谱图像分类研究方面的不足,并对未来研究方向进行了展望,以期为该领域的研究和应用提供参考。     

图像目标形状匹配与视频过滤技术研究

通过研究图像目标形状特征的提取、匹配，运用随机过程，投影理论，提出用于识别目标形状统计特性的波动度特征，建立目标形状匹配函数，给出实际图像目标的匹配实现算法，实际系统测试表明该算法能准确、快速完成实际图像目标形状的匹配、过滤，为图像跟踪、识别及视频过滤等应用领域提供了新的可借鉴方法。     

机载LIDAR数据的树高识别算法与应用分析

利用机载激光雷达数据提取天然次生林的树高,旨在探索影响树高提取精度的主要因素。首先,采用高精度曲面建模平差算法(Adjustment Computation of High-accuracy Surface Modeling,HASM-AD)生成研究区不同空间分辨率的数字高程模型(Digital Elevation Model,DEM)、数字地表模型(Digital Surface Model,DSM)和冠层高度模型(Canopy Height Model,CHM);其次,用树顶点识别算法提取林木树高,设置不同树高识别范围,对比分析不同CHM分辨率和不同树高识别范围对树高提取精度的影响;最后,以天涝池流域30个实测样地数据为样本,对提取精度进行检验。结果显示：提取的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.694;树高识别范围是影响树高提取精度的重要因素,CHM分辨率对其影响较小。研究表明,采用高采样密度的雷达点云数据、正确选择CHM生成方法和改进树顶点识别算法是提高天然次生林树高提取精度的有效途径。     

基于数字摄影测量的城市建筑三维快速建模方法

数字城市的基础地理数据库正在由传统的二维形式向三维形式转变,建设城市三维模型已成为数字城市工程的重要基础工作。作为城市三维模型的核心构成部分,建筑模型的数量巨大,生产成本高。数字摄影测量技术为建筑矢量数据的采集提供了有效途径,但要进一步缩减三维建模的工作量,需要对基于矢量线条的建筑结构识别、建筑体面构造以及各种复杂建筑构型等方法和算法进行研究,并开发辅助人工的建筑三维建模软件系统。该文以数字城市测量提取的建筑结构线为基础,对计算机三维建模中涉及的关键算法进行研究,提出了一种城市建筑三维快速建模的方法。     

基于RCNN的无人机巡检图像电力小部件识别研究

随着无人机（UAV)在电力巡线作业中的应用推广,对无人机巡检图像的信息挖掘或目标识别需求也越来越强烈。传统的电力部件识别流程常使用经典的机器学习算法,如支持向量机（SVM）、随机森林或adaboost,结合梯度、颜色或纹理等浅层特征来对电力部件进行识别,难以充分利用无人机巡检图像的信息,并且难以达到较高的准确率。卷积神经网络（CNN）在目标识别中表现优异,在很多目标识别场景之中成为首选算法。基于区域的卷积神经网络（RCNN）通过使用CNN从图像中提取可能含有目标的区域来检测并识别目标,但是计算复杂,难以满足识别海量电力巡检图片的需求。Fast R-CNN和Faster R-CNN利用CNN网络提取图像特征,后接一个区域提议层,优化了提取可能含有目标区域的方式并改进识别目标的分类器,使目标的检测和识别几乎实时。本文详细描述了Faster R-CNN算法流程,并在无人机电力线巡检图像部件检测中使用,然后分别对DPM、SPPnet和Faster R-CNN识别方法进行了对比分析,利用实际采集的电力小部件巡检数据构建的数据集对3种方法进行测试验证,并讨论了不同参数对识别结果的影响。实验结果表明,基于深度学习的识别方法实现电力小部件的识别是可行的,而且利用Faster R-CNN进行多种类别的电力小部件识别定位可以达到每张近80 ms的识别速度和92.7%的准确率。     

样本数量不平衡下的建筑群模式识别方法研究

通过综合空间关系、几何、语义等多种特征对建筑群模式进行智能识别,在地图多尺度表达和数字化制图等领域有着重要的意义。将图卷积神经网络用于建筑群模式智能识别能够克服传统方法依赖人工经验设置参数、制定的规则过于严格等缺点。但是该方法往往存在样本比例失衡的问题,容易导致样本数量较少的类别无法正确识别。本文首先以建筑物质心作为样本进行聚类获得建筑群组。其次,将同一群组内的建筑物质心作为样本进行Delaunay三角剖分来构建建筑群的图结构,其中图节点特征选取能够描述建筑群几何特征的面积、大小、方向等相关指标。再次,通过图结构过采样的方式对样本数量较少的建筑群图结构进行增强,然后将样本数量较少的建筑群图结构增强前后的数据分别输入图卷积神经网络模型进行训练,并结合ROC曲线等多个评价指标对模型的性能进行了评测。实验结果表明,对样本数量较少的建筑群图结构增强之后,模型对于样本数量较少的建筑群识别准确率有了明显的提高。     

����OPENMP�ĸ�����GNSS�����̽��㷽���о�

?????GNSS??????????????У????????????????????????????????????????????????????????????????????????????????????????????????????GNSS??????????????д??????????????????????????????????????????100????????????????????????????С???????????????????????????з????????????Ч???????????OPENMP??????????????????????淽??????????????????????????Ч???     

基于特征增强和ELU的神经网络建筑物提取研究

近年来,城市发展快速,大量人口奔向城市工作生活,城市建筑物的数量有如雨后春笋般扩张,需要合理地规划城市土地资源,遏制违规乱建现象,因此基于高分辨率遥感影像,对建筑物进行准确提取,对城市规划和管理有着重要辅助作用。本文基于U-Net网络模型,使用美国马萨诸塞州建筑物数据集,对网络模型结构进行探究,提出了一种激活函数为ELU、“编码器-特征增强-解码器”结构的网络模型FE-Net。实验首先通过比较不同网络层数的U-Net5、U-Net6、U-Net7的建筑物提取效果,找到最佳的基础网络模型U-Net6;其次,基于该模型,加入特征增强结构得到“U-Net6+ReLU+特征增强”的网络模型;最后,考虑到ReLU容易产生神经元死亡,为优化激活函数,将激活函数替换为ELU,从而得到网络模型FE-Net（U-Net6+ELU+特征增强）。比较3个网络模型（U-Net6+ReLU、U-Net6+ReLU+特征增强、FE-Net（U-Net6+ELU+特征增强））的建筑物提取结果,表明FE-Net网络模型的建筑物提取效果最好,精度放松F1值达到97.23%,比“U-Net6+ReLU”和“U-Net6+ReLU+特征增强”2个网络模型分别高出0.36%和0.12%,且与其他具有相同数据集的研究成果比较,具有最高的提取精度,它能较好地提取出多尺度的建筑物,不仅对小尺度建筑物有较好的提取效果,而且能大致、较完整地提取出形状不规则的建筑物,有相对更少的漏检和错检,较准确地实现了端到端的建筑物提取。     

固体潮整体综合分析方法研究

阐述了固体潮综合分析的理论基础，给出了反演勒甫数的计算方法，讨论了由固体潮综合分析所提供的新信息及其地球物理意义。指出：由多方向应变观测组合，可获得应变张量；地倾斜具有剪应变的性质     

歧口凹陷深层地震岩石物理特征分析及应用

为明确歧口凹陷深层的岩石物理及AVO响应特征,分析歧口地区全波测井资料,优选该区敏感岩石物理参数;根据分岩性拟合求取纵横波转换经验公式,并采用流体置换原理进行叠前地震道集正演后提取AVO属性.结果表明:泊松比、纵横波速度比为该区有利储层预测的敏感参数,含气砂岩与含水砂岩的数值范围差异明显;歧口深层AVO响应特征可划分为3类:第一类是与气层相对应的反射振幅随着偏移距的增大而负向急剧增大;第二类是与油气同层相对应的反射振幅随着偏移距的增大而负向缓慢增大;第三类是与油水层及干层相对应的反射振幅随着偏移距的增大而负向减小.该结果可为歧口凹陷深层开展流体预测可行性提供依据.     

我国地震信息系统卫星通信网建设

本文详细地讨论了正在建设中的我国地震信息系统卫星通信网的总体规划、组网方案、网络功能和系统配置,并且详细地讨论了各种数据的通信方式,认为由V-NET系统构成的地震信息卫星通信网具有传输地震数据、声码话音、图文传真、计算机数据的综合数据通信能力,能够为地震信息系统提供高速、可靠且价廉的数据传输服务。     

顾及出租车OD点分布密度的空间Voronoi剖分算法及OD流可视化分析

为对城市各区域出租车OD轨迹流进行可视化分析,需对城市作空间剖分处理,以产生研究所需的子区域。传统的欧氏距离空间剖分方法,在空间上进行硬性切割不能有效地顾及城市人、物的时空流动模式,因此,本文提出了一种空间约束条件下,顾及出租车OD点分布密度的网络Voronoi剖分方法。首先,将道路网的边细分成线性单元,然后,设定空间约束以产生合适的发生元,让各发生元在路网上以线性单元为单位扩散步长,以不同的速度向周围联通道路进行扩散,最终将城市空间划分成一系列与出租车OD点分布密度相适应的空间子区域。利用OD流可视化理论与技术,基于划分的城市子区域分析出租车在这些区域的时空流动,并结合图论知识探究城市空间OD流拓扑图结构的变化,分析不同划分区域出租车流动模式。最后,通过北京地区一天的出租车轨迹数据,对本文提出的算法及分析方法进行了实验。     

顾及字符特征的中文地名词典查询方法

地名词典查询是地名校正、地名匹配等地名服务应用的重要基础,但是地名数量的快速增长使得词典查询性能面临严峻挑战。针对大规模数据环境中传统词典查询方法准确率不高且效率较低等问题,提出了一种顾及字符特征的中文地名词典查询方法（CGQM）。首先,查询具有相同字符特征的地名形成候选地名集合,同时构建单字索引提升查询效率;其次,依据字符数量特征比较查询地名与候选地名的差异,进一步过滤候选地名集合;最后,基于字符位置特征优化查询结果排序策略,使得结果排序更为合理。实验以全国地名词典为例,构建5组测试集进行CGQM方法与Lucene检索方法的对比分析。研究结果表明,CGQM方法对于增强地名词典查询功能、提升查询效率具有实际意义。     

Fuzzy-support vector machine geotechnical risk analysis method based on Bayesian network

Machine learning method has been widely used in various geotechnical engineering risk analysis in recent years. However, the overfitting problem often occurs due to the small number of samples obtained in history. This paper proposes the FuzzySVM(support vector machine) geotechnical engineering risk analysis method based on the Bayesian network. The proposed method utilizes the fuzzy set theory to build a Bayesian network to reflect prior knowledge, and utilizes the SVM to build a Bayesian network to reflect historical samples. Then a Bayesian network for evaluation is built in Bayesian estimation method by combining prior knowledge with historical samples. Taking seismic damage evaluation of slopes as an example, the steps of the method are stated in detail. The proposed method is used to evaluate the seismic damage of 96 slopes along roads in the area affected by the Wenchuan earthquake. The evaluation results show that the method can solve the overfitting problem, which often occurs if the machine learning methods are used to evaluate risk of geotechnical engineering, and the performance of the method is much better than that of the previous machine learning methods. Moreover,the proposed method can also effectively evaluate various geotechnical engineering risks in the absence of some influencing factors.     

小世界网络特征识别的城市交通状态网络自相关分析

大量研究表明,考虑了空间多维性的小世界网络模型对于研究交通网络特性对交通流的影响很有必要。但现有相关研究普遍未能有效找出小世界网络特征产生的临界阈值进而判断网络结构特征对城市交通运行的影响。以伦敦市主干道路网络为案例,通过网络环境下的Moran's I和Getis-Ord's G两个统计量,找出道路网络结构的小世界特征及其网络动力产生的临界阈值,并利用基于交通网络距离的半变异(方差)函数分析该临界阈值是否合理,然后运用网络自相关分析小世界网络结构特征及其网络动力对道路交通流的影响。结果表明:(1)伦敦市主干道路网络的全局Moran's I和全局Getis-Ord's G的收敛值是0.34,小世界网络现象或动力出现的临界阈值是17 000 m;(2)半方差图显示估算的小世界网络特征出现的阈值距离远小于理论半变异函数模型估算的空间相关性作用范围,且在该阈值附近半变异值呈明显上升趋势,表明该阈值是合理的;(3)在此阈值影响范围下,伦敦市主干道路段间交通流网络自相关性总体上呈显著正自相关特征,其局域空间关联格局呈中心区低-低和外围高-高的分布模式。