基于调制方案的抗投影变换数字水印算法

针对传统数字水印算法无法抵抗投影变换攻击的问题,该文提出了一种对投影变换具有较高鲁棒性的数字水印算法。结合投影变换具有拓扑关系不变性以及在小范围内近似等特点,该文选择定位点和经纬线网格之间的包含关系作为水印载体,通过修改包含关系嵌入水印。实验证明该方法不仅对多种投影变换具有鲁棒性,而且能够抵抗裁剪、压缩等常见攻击,算法能够有效提高对矢量地图数据版权保护的能力。     

矢量地图数据数字水印抗拼接算法

地图拼接是矢量地图数据中的一种常见处理方式。为了正确提取水印信息,需要从拼接后的地图中确定出水印嵌入区域。利用水印嵌入后坐标点尾部数据分布发生变化的特点,提出了一种基于分布拟合检验的抗拼接算法。该算法利用四叉树算法将地图分成多个区域,然后利用单样本K-S检验判断每个区域内的坐标点尾部数据是否服从均匀分布,最终确定出水印嵌入区域。实验表明,该算法能够达到提取水印嵌入区域的目的。     

基于双置乱的图像加密算法

对图像进行置乱操作是实现图像加密的一种有效手段,它的加密效果依赖于所选择的置乱矩阵。文中讨论了混沌序列的特性,利用混沌序列对初值条件的敏感性生成位置置乱矩阵和灰度置乱矩阵,二者结合完成图像信息的加密。实验证明,所提算法是高效的、安全的。     

铁路3维中心线的快速生成

在传统情况下,铁路设计是在2维环境下进行的。铁路的中心线往往也是由平面线设计和纵断面设计两个部分组成的,而较少将平面设计线和纵断面设计线相组合,生成带有高程的铁路中心线。带有高程信息的3维铁路中心线是快速构建铁路沿线3维场景,开展铁路3维勘察设计的重要基础。本文通过读取线路设计专业提供的数据库生成带有高程信息的3维中心线,根据数据库中的桥梁,隧道表中数据,对生成的线位进行分段,并用不同的颜色进行表示。然后,通根据生成的3维中线进行桥梁、路基、隧道的模型放样。最后,将模型加载到3维场景中显示。实验结果表明线位生成正确合理。     

面向GIS专业本科生的经济地理学教学研究

GIS专业是一门新兴的综合性交叉学科,《经济地理学》为G1S提供了重要的理论基础和应用基础。本文从GIS专业的学科专业性质、人才培养目标出发,对《经济地理学》课程的定位与目标、教学内容与方法进行了探讨,以期提高GIS专业学生应用《经济地理学》基本理论、基本方法和解决现实问题的能力。     

利用MODIS反演四川盆地地表温度与地面 同步气温、地温观测值的相关性试验

通过对MODIS反演的地表温度与四川盆地自动气象站观测的准同步地面空气温度Ta和0 cm地温Ts的相关分析,结果表明：对于非均匀下垫面,卫星反演地表温度TLS分别与Ta和Ts的相关系数稳定性都不好,不同卫星过境时间的相关系数差异很大。但（Ts-TLS）与（Ts-Ta）却有着既显著又稳定的线性相关,不同卫星过境时间的相关系数都达到0.8以上,具有良好的相关性。基于卫星反演地表温度和空气温度的地温统计模型,其标准误差为4.85 ℃。     

非对称缓和曲线坐标计算方法

本文重点阐述高等级公路非标准缓和曲线的施工放样测量.缓和曲线是设置在直线和圆曲线之间的一种线型,起缓和过渡作用,其目的在于保证车辆由直线进入圆曲线(或由圆曲线进入直线)时的横向稳定,缓和曲线的曲率半径随曲线长度的增加而均匀连续地变小,本文综合了各种情况下的曲线计算,给出了直接计算和间接计算两种计算方法,并用C编写了计算...     

东营凹陷下第三系层序地层研究与隐蔽油气藏预测

应用层序地层学理论,利用地震、测井、岩心和分析化验资料,建立了东营凹陷下第三系层序界面识别标志,把东营凹陷下第三系划分为 1个超层序组,4个超层序,10个层序,进行体系域划分,建立了东营凹陷下第三系层序地层格架。构造坡折带是指由同沉积构造长期活动引起的沉积斜坡明显突变的地带,对盆地充填的可容纳空间和沉积作用可产生重要影响。通过层序地层格架与构造坡折带的研究,建立东营凹陷层序发育模式。受构造坡折带控制的层序低位域砂体和湖侵体系域砂体,成藏条件良好,最有利于形成隐蔽油气藏。     

伊朗盐湖分布和研究现状

伊朗盐湖广泛分布,具有丰富的盐湖矿产资源和盐湖生物资源。综合文献资料,重点分析了伊朗盐湖的分布、研究热点、研究机构和研究人员等现状。伊朗盐湖主要为乌尔米耶湖、Meyghan湖、Fesendooz湖、马哈尔卢盐沼和Tashk湖;干盐滩为Houze Sultan干盐滩、巴赫泰甘干盐滩、Gaav Khooni干盐滩、纳马克干盐滩、Khur干盐滩和Haj Aligholj干盐滩;伊朗南部沿海盐类资源集中分布;盐沙漠为达什特坎维和达什特鲁。分析得出伊朗盐湖研究领域论文呈整体增长态势,伊朗盐湖主要的研究内容为盐湖生态环境、盐湖地质、水资源以及盐湖生物,涉及科研机构和科研人员最多的研究领域为盐湖微生物。     

结构增强型生成对抗网络SAR图像超分辨率重建

针对利用生成对抗网络模型(Generative Adversarial Network,GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和“伪影”(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN)光学模型,重新设计生成网络上采样重建模块和结构损失函数,提出一种结构增强型生成对抗网络SAR图像超分辨率重建算法,包括特征提取、特征增强和上采样重建3个模块:在特征提取模块采用小尺度卷积层对输入SAR图像进行低层次特征提取;在特征增强模块采用多个级联残差密集块(Residual-in-Residual Dense Block,RRDB)和卷积层提取输入特征;在上采样重建模块交替使用最近邻插值(Nearest Neighbor Interpolation,NNI)和亚像素卷积(Sub-Pixel Convolution,SPC)对特征进行放大重建,使特征信息交互融合。与传统插值算法和经典深度学习重建算法相比,该算法在视觉效果和定量评价方面均有显著提升,能够在保持原网络模型重建图像内容信息不丢失的基础上,增强重建图像边缘细节信息和减缓“伪影”现象,有利于后续目标识别和灾害监测等工作开展。