基于图像退化模型的天气现象识别

在不同的天气条件下,由于气溶胶对光波的散射作用,通过成像系统获得的图像都会有一定程度的退化。利用图像的退化模型可以获取与天气现象相关的参量,从而达到识别天气的目的。对不同天气条件下得到的同一场景图进行研究,运用多垂线检测法,检测出不同天气条件下直线模糊边缘上的灰度值,采用signloid函数拟合出刃边函数,进而求出线扩散函数。通过分析线扩散函数的变化规律,总结出其与天气现象之间的紧密联系。测试结果表明,应用该方法对于晴天、薄雾、雨、霾、沙尘暴等天气现象具有一定的判别效果。     

生态区边界智能识别模型构建分析

大量生态分区研究资料表明,对生态区边界的智能识别、自动分区是生态格局与过程、生态系统服务功能等生态环境研究内容的关键。本文基于专家知识经验和生态分区原则,以地理信息系统为建模平台,运用栅格生成技术,对生态区边界智能识别模型进行机理探讨和框架构建。生态区边界的自动识别和生态区的自动分区,旨在克服目前生态区边界确定过程中的精度低、周期长、更新难等诸多问题。这对数字生态建设也有重要的现实意义。     

高光谱图像模糊识别分类及其精度评价

高光谱遥感是在特定光谱域以高光谱分辨率同时获取连续波长的地物光谱图像,并能提供更多的精细光谱信息,有利于选择各种单一地物光谱差异明显的波段,使得高光谱遥感应用于更广的地物识别中。文中采用模糊识别的绝对值指数法对高光谱图像进行识别分类,并对分类结果进行像元级的评价。     

基于双线偏振多普勒雷达识别地物回波

地物回波的存在严重影响雷达数据质量,从而影响定量降水估测精度。双线偏振多普勒天气雷达在识别地物回波方面具有明显优势。分析了北京市气象局C波段双线偏振多普勒天气雷达探测到的降水回波和地物回波的特征,在刘黎平的模糊逻辑算法基础上选择容易区分降水回波和地物回波的特征量,加入偏振参数构成偏振模糊逻辑算法。利用2012年的"7.21特大暴雨"个例对识别效果进行分析,并与常规模糊逻辑算法识别效果对比。结果表明,加入偏振参数的模糊逻辑算法能有效识别地物回波,对地物回波识别效果有明显改善,并有效解决了过度识别零速度降水区的问题。     

基于岩石图像深度学习的多尺度岩性识别

岩性识别作为人工智能和大数据在地质工程细分领域的实践应用方向,可以为相关人员野外地质工作提供有效助力。为了更好地促进岩性识别在专业领域的应用,通过对巢湖北部山区的岩石图像采集、数据预处理、迁移学习、网络搭建、网络训练及模型测试等步骤,实现了基于岩石图像的大数据深度学习识别;并在归纳总结前人工作的基础上,提出了多尺度岩性识别方法。根据岩石细观图像建立多尺度模型并赋予一定权重,与岩石识别模型共同识别得到综合结果,对岩石岩性整体识别的同时兼顾局部纹理、粒径等细观信息。研究结果表明,本模型对岩石识别的适用性强,多尺度方法对于提高识别结果的正确率具有一定的帮助,模型的测试正确率达到95%以上,能很好地识别岩石岩性。     

基于图像结构的无参考模糊图像及其复原图像质量评价方法

针对传统图像的质量评价测度,提出了一种基于边缘检测的无参考模糊图像评价模型。通过测量梯度图像的梯度边缘信息,来评价模糊退化图像和带有模糊效应的复原图像,实验表明:利用本测度所得到的模糊图像质量评价结果与主观评价结果有很好的相关性。本测度较准确地反映了人对模糊图像质量的主观感受,对于带有模糊效应的复原图像的评价结果也较为符合主观评价结果。     

中强震前重复流动重力异常的模糊识别

应用模糊识别方法对重复流动重力北京测网和张家口测线自１９８７年以来的观测结果进行异常模糊识别，分析了测网附近的中强地震前后从属函数异常的时空分布特征。结果表明，在几次中强地震前，从属函数均有较明显的异常，模糊识别方法不失为异常分析的一种有效方法     

雹云识别物元可拓模型及其在川西地区的应用

提出一个雹云识别的物元可拓模型 ,把单参数不相容的雹云识别问题化为相容的多参数的雹云识别问题 ,通过构造雹云和雷雨云的经典域和节域物元矩阵并计算相关关联度的大小进行雹云识别 .川南地区实例应用表明 ,该方法用于川西南地区雹云识别结果正确率达 80 %以上 .     

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。     

基于HTK的语音识别语言模型设计及性能分析

在大词汇连续语音识别系统中,统计语言模型是该系统非常重要的一部分,对整个识别系统的识别效果产生重要的影响.分析了统计语言模型原理和相关技术,基于HTK设计了适合大词汇连续语音识别系统的统汁语言模型,同时对该语言模型的复杂度、精确识别率进行分析,指出了影响统汁语言模型性能的相关因素.     

基于岩性划分的渗透率预测模型研究

针对常规渗透率解释模型预测的渗透率误差较大,难以满足油田开发中后期油藏数值模拟需求的难题,在分析渗透率中储层岩性、孔隙度、泥质含量诸影响因素的基础上,提出先使用测井曲线采用交会图技术识别出储层岩性,然后根据不同的储层类型,分别建立不同的渗透率预测模型。该方法综合考虑了储层岩性、孔隙度以及泥质含量对渗透率的影响,经过在秘鲁B油田中应用,取得了良好的地质效果,其渗透率预测精度得到了较大提高,为后期油田开发调整方案的制订奠定了良好的地质基础。     

基于云模型和FCM聚类的遥感图像分割方法

模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域,但聚类中心的初始化问题一直影响着该算法的运行效率。好的初始聚类中心,可以使算法很快收敛于最优解,而不合适的初始聚类中心,不仅需要更多的迭代次数,而且还可能使算法最终收敛于局部最优解。文章结合云模型和FCM(模糊C均值)聚类算法,提出了一种遥感图像分割的新方法。利用云变换解决模糊C均值聚类算法的初始化中心选择问题,可以根据样本特性自动确定聚类中心值及个数,并以较少的迭代次数收敛到全局最优解,提高了模糊C均值遥感图像分割方法的效率,具有较好的稳定性和鲁棒性。文章选取三幅TM遥感图像作为样本,分别利用云模型的FCM方法和传统的FCM方法对样本进行分割实验,实验表明采用云模型的FCM方法不仅能够取得较好的分割效果,而且大大减少了使算法收敛的迭代次数,提高了分割的效率。     

基于网络地理信息系统的公众气象信息系统设计

简要介绍了WebGIS的构建理论,主要分析了基于WebGIS在气象预报中的应用技术,初步设计了该信息系统的基本框架及其主页面的功能模块,并介绍了各个模块的主要功能。此系统的设计为更好地掌握气象信息提供了有效手段。     

基于大数据的遥感图像植被识别方法

〗植被泛指地球表面的植物群落,包括草地、森林、沼泽等。遥感影像具有宏观性、客观性、精确性、实时性等特点,能够真实地反映地表覆盖物的状态,清晰地展现各种地表覆盖类型的特征及分布情况。传统的基于遥感影像的植被识别采用人工作业的方式,极大地依赖于人的先验知识,且效率极低。随着遥感应用技术的快速发展,很多自动化的植被检测技术被提出。这些方法在特定范围内得到了应用,但同时也存在着一些缺陷。在采用分块原则预处理较大影像数据的基础上提出了一种基于特征融合的SVM分类算法来探讨遥感影像中的植被识别。实验表明,提出的算法具有较好的识别效果和较高的执行速度。      

Landsat-8影像的LDA模型变化检测

变化检测一直是遥感研究领域的热点,随着遥感技术的不断发展,新型数据源不断涌现,使传统遥感变化检测方法面临新的挑战。本文以Landsat-8影像为主要数据源,使用影像分割算法,设计2期遥感影像的文档-单词映射,将影像中所有的像元作为视觉单词,利用LDA模型将影像文档从单词空间转换到主题空间进行表达。在此基础上,结合实地调查对变化区域进行检测和验证,形成一套面向对象的LDA模型变化检测方法。研究表明：基于图斑的分析可有效消除以像元尺度进行变化检测产生的椒盐现象;利用LDA模型构建的变化检测方法能较好地实现影像文档特征的统一表达,有效去除2期影像相同地物因光谱差异导致的变化误检验;与差值法和波谱角等常规遥感变化检测方法相比,该方法能有效地减少错漏判,提高遥感影像变化检测的正确率,为中高分辨率遥感影像的变化检测提供新思路。     

MODIS影像的局地云量信息元数据提取算法与应用

云对于光学遥感影像质量及其反演地表参数精度有着重要影响,且其作为时空多变要素之一,在一定程度上制约了光学遥感影像的应用。对于具有2 330km的大扫描幅宽MODIS影像而言,现有的元数据标准仅能反映影像的总体云量,而无法反映云的空间分布状况,限制了MODIS数据的局地研究和应用。本文在现有遥感影像元数据标准的基础上,提出了新的元数据项--局地云量,用于反映云在条带影像中的空间分布状况,并实现在MODIS二级云掩膜条带产品(MOD35)中针对特定区域的局地云量信息提取算法。经验证,本算法能较快速和准确地提取省级行政区的局地云量信息,并可根据用户的需求进一步推广到任意指定的多边形区域,为MODIS数据在局地研究和应用提供了便利。     

基于小波变换改善天气回波信噪比的模拟分析

为了提升天气雷达对弱气象目标的发现能力,扩展系统观测的动态范围,可以从改善雷达回波的输出信噪比方面来考虑.从信号处理算法层面寻求改善天气雷达回波的输出信噪比的方法,提出运用小波变换的方法来达到这个目的.首先介绍了小波消噪的基本原理,再结合具体雷达系统参数,进行了相关的算法模拟,其结果表明,在符合高斯谱特征分布的模拟回波在不同信噪比（-20～10dB）设定条件下,运用小波变换的去噪方法可以使其信号的输出信噪比提高大约5～11dB,为天气雷达探测更多的弱气象目标提供了有利条件.     

基于多线程的自动站数据处理系统

信息化的不断发展,使气象预报的精确度越来越依赖更多更详细的自动站数据;目前全区有92个大监自动站和1200多个区域站的多种报类每半小时定时上传,如果遇到天气过程则是每10分钟加密上传,能否在国家局考核时效内迅速处理并上传单站合并数据,对于传输质量以及录入数据信息再利用起着至关重要的作用。为此,介绍的系统以delphi为编程平台,采用多线程技术使之能够多路同时并发快速处理单站数据,并取得良好的运行效果。