基于数据手套和跟踪器的虚拟手臂建模

文中利用数据手套和跟踪器获取手臂各关节运动数据,根据关节运动限制对所获取数据进行处理,建立了符合人体运动规律的虚拟手臂数学模型,实现了虚拟环境中与试验者的手臂同步运动、效果逼真的虚拟手臂模型.     

CVE中多种视点视图导航效果研究

协同虚拟环境是网络技术与虚拟现实技术相结合的产物,将单用户虚拟环境扩展为多用户的网络化虚拟环境,实现群组协同工作.目前,协同虚拟环境系统已经在科学可视化、协同设计、战争模拟等很多领域得到了广泛应用.在单用户虚拟环境中导航与多用户的协同虚拟环境中导航是完全不同的,文中论述了协同虚拟环境导航的特点以及导航与视点的关系,探讨了常用的协同虚拟环境三种视点视图界面的导航及其效果,并进行了相关实验测试.     

多时相组合分类法在土地利用动态监测中的应用

介绍了土地利用遥感动态监测的基本概念，简述了遥感土地利用变化信息提取等遥感监测方法．重点探讨了多时相组合分类方法的相关技术。对广西2002年和2003年两个时相的MODIS数据．采用多时相直接分类法对土地利用变化状况进行了遥感动态监测。对不同方式波段组合的试验表明。经过差值、比值处理的波段组合具有较差的试验效果(总体精度只有30％～40％)，而经过PCA变换的波段组合则具有相对较好的试验效果(总体精度超过70％)。     

济阳坳陷古潜山地震采集技术研究

济阳坳陷碳酸盐岩古潜山以前地震资料存在信噪比低、速度陷阱、分辨率低、施工过程中缺炮、空道、内幕反射品质差或无反射等问题。造成上述问题除了野外施工工艺、室内处理流程和参数的影响外,在采集参数方面主要影响因素有覆盖次数低、炮检距与方位角不均匀、面元太大等。针对济阳坳陷古潜山三维地震资料采集应以目标设计为指导思想,以基于模型分析的三维采集参数论证为主线,最终优化各种采集参数。建立了拱张褶皱型、断裂块断型和风化残丘型三个具有代表性的古潜山地质理论模型。使用先进的“绿山”地震采集观测系统设计软件,采用“块”来描述任意复杂地质模型结构,分别设计出各自的地震采集观测系统。以林樊家潜山为例,采用12线18炮束状新观测系统模拟单炮发射接收,对各主要目的层能追踪的地层信息比原始6线9炮束状观测系统采集的地震信息丰富,能准确反映地下构造形态与地质体的物理属性。     

探地雷达在吉林西部地区探测土壤碱化层

吉林西部盐碱地区的探地雷达调查表明,盐碱地与耕地土的雷达回波具有明显差别,根据振幅的衰减特征可以精确区分耕地与盐碱地,根据频谱中高频峰值与土壤有机质含量的相关性可定性评价土壤的盐碱化程度.在雷达瞬时振幅图上,可将盐碱地纵向剖面分为盐分积累带和过渡带.采用探地雷达方法可快速了解盐碱化程度在深度方向上的变化,适宜开展大面积地面调查.     

虚拟现实技术在矿物数字博物馆中的应用

详细介绍基于照片的虚拟现实技术在矿物数字博物馆中的实现方法和应用,并对VRML与基于照片的虚拟现实技术进行分析研究,进而对两种实现方法的发展方向和应用前景提出见解。     

三工河流域222团竖井排灌区潜水动态分析

222团地处三工河流域冲洪积细土平原下游,40多年来的农业生产灌溉,使灌区大部分地区处于潜水临界埋深以上,土壤次生盐渍化加剧.分析了灌区潜水埋深动态特征及其影响因素,就竖井排灌区地下水开采量与潜水埋深关系进行回归分析计算,建立了开采量预测模型.     

MRI分割的几何活动轮廓模型的半隐式AOS迭代方法

几何活动轮廓模型以其计算稳定等优点，被广泛用于图像分割。给出一种基于AOS(additive operator splitting)算法的快速活动轮廓模型，将AOS方法与几何活动轮廓模型相结合构造一种半隐式迭代模型，它对迭代步长没有限制，从而可以选择较大的迭代步长，提高了模型的时间效率，并使用区域信息构造系数矩阵，使模型具有全局性。对MR(magnetic resonance)图像分割的实验表明，该模型可以得到较好的分割结果，同时时间效率也有大幅提高，方便了实时应用。     

基于小波统计特性的遥感图像像素与特征联合最优融合方法

遥感影像的IHS融合方法由于匹配误差导致光谱畸变和退化,而小波变换在变换域具有良好的分频特性,小波系数的统计特性反映了遥感影像的边缘、线和区域等显著特征。提出了基于小波统计特性的遥感影像的像素和特征联合最优融合方法,在IHS空间,对强度分量I的高频部分利用多分辨率小波融合方法进行影像的高频细节特征融合,低频部分选取光谱信息和空间分辨率评价指标作为融合权系数求优指标,进行像素级最优融合,实验结果证明了该方法的有效性。     

Operational feasibility of neural-network-based radar rainfall estimation

An operational radar rainfall estimation system based on the adaptive radial basis function (RBF) neural network is developed. During the process of training and cross validation, the rainfall estimation was computed only at the gauge locations. Once the training is done, the radar rainfall estimation based on neural networks is applied to the full coverage area of the radar. Such large-scale application of the rainfall estimate poses several questions in the context of operational applications. This letter addresses two of those questions, namely: 1) the feasibility of adaptively updating RBF neural network models on a daily basis and 2) the ability of neural network radar rainfall estimation at high spatial resolution within reasonable and practical time frame for operational applications. Using the datasets collected by WSR-88D radar located in Melbourne, FL, it is demonstrated that radar-based rainfall estimation using an adaptive RBF neural network is feasible. The results show that 73% of overnight updating for the RBF neural network can be completed within 2 h, and the estimation over an area of 100 km/spl times/100 km can be generated within the time frame (a few tens of seconds-150 s), which is much smaller than the average radar volume scan time.