一种无人机影像特征点筛选方法

随着无人机技术的发展,无人机影像特征点提取方法成为了研究的热点。本文针对提取到的特征点存在不同程度的冗余问题,在利用SIFT算法对无人机影像进行特征点提取的基础上,提出了一种基于欧氏距离和色彩差的特征点筛选原则。实验表明,通过计算特征点间欧氏距离可以检测距离较近的特征点,并以色彩差为取舍标准进行过滤筛选,得到的特征点分布均匀,在一定程度上降低了特征点的冗余度。     

基于核半监督判别分析的高光谱影像特征提取

针对高光谱影像特征提取中地物类别训练样本获取代价较高的情况,在线性判别分析的基础上,结合核方法和半监督学习理论,提出了一种基于核半监督判别分析(KSDA)的高光谱影像特征提取方法。该方法同时利用少量已知类别和大量未知类别样本数据进行模型的学习和训练。通过OMIS高光谱影像数据实验表明:在少量已知类别训练样本的条件下,经KSDA特征提取的样本数据在特征空间中能更好地聚集成团,且类别之间的距离较大,增加了类别之间的可分性,得到了较高的分类精度;同时,提取的特征影像能够较好地区分各种地物类别。     

贵州织金洞世界地质公园喀斯特景观特征及其形成演化分析

织金洞世界地质公园,位于贵州高原西部,园区内喀斯特景观总体可概括为洞穴、峡谷、天生桥、天坑、高峰丛、丘陵、单面山与象形山、水文遗迹等8大类,它们以下三叠统海相碳酸盐岩为物质基础,有序、集中分布于织金洞、绮结河、东风湖三片相对独立,却又以绮结河为纽带紧密相连的喀斯特区域内,共同构成一个以洞穴、峡谷、天生桥、天坑为核心,形态雄伟、典型、优美、珍稀的高原喀斯特景观群。同时在对公园岩溶景观特征及区域地质背景进行分析和研究的基础上,系统研究和探讨了织金喀斯特,及织金洞、绮结河、东风湖三大地貌单元的形成演化过程,并认为它们的发育模式由地下喀斯特逐渐过渡至地表喀斯特,系统完整地纪录了贵州高原喀斯特的演化历程。     

青海南部沱沱河冻土水合物潜在区火山岩地球化学特征及地质意义

沱沱河盆地是冻土天然气水合物潜在分布区之一,其内发育下—中二叠统开心岭群九十道班组、上二叠统乌丽群那益雄组、上三叠统结扎群巴贡组、中—渐新统雅西措组4套烃源岩以及不同类型的火山岩。研究表明,火山岩岩石类型主要为玄武岩、玄武安山岩、安山岩、玄武质粗面安山岩和粗面安山岩。火山岩主量元素低TiO_2,Al_2O_3含量较高,K_2O含量较低,K_2ONa_2O;火山岩的稀土元素配分模式为轻稀土富集型;微量元素配分模式呈锯齿状,Ta、Nb、P_2O_5、TiO_2、Y、Yb以及铁族元素Sc、Cr、Ni亏损,综合判断青海南部沱沱河地区火山岩形成于岛弧环境。结合火山岩的地球化学特征,推断火山活动可以加快烃源岩的热成熟,进而促使有机质裂解,产生热解气,为水合物的生成提供气源条件。同时,火山岩的气孔构造发育,连通性较好,有可能成为水合物的储层。火山热液具有的高压使周围的烃源岩产生裂隙,这些裂隙不仅是水合物气源的运移通道,还可以为水合物提供形成场所和储存空间。     

浅谈城市地下管网的三维建模及应用

本文简要介绍了地下管网三维可视化的必要性,并通过镇江新区(大港)地下管线的三维建模,简述了三维仿真管线系统在城市规划建设管理中的应用。     

基于用户点击数据的细粒度图像识别方法概述

近年来,细粒度图像识别逐渐成为计算机视觉领域的研究热点.由于不同类别图像间的视觉差异小、语义鸿沟问题严重,传统的基于视觉特征的细粒度图像识别性能往往不尽人意.针对这些挑战,目前许多学者都在研究基于用户点击数据的图像识别.本文围绕点击数据在图像识别中数据预处理、特征提取和模型构建3大模块中的应用,总结了已有的基于点击数据的识别算法及最新的研究进展.     

一种闭合条件约束的全局最优多视点云配准方法

针对已有多视点云配准存在的问题,提出了一种严密的闭合条件约束配准方法。该方法首先采用"点-切平面"迭代最近点算法分别求解各对应点云间的坐标转换参数;再以单站点云为配准单元,并将转换参数视为随机观测值构建条件方程,采用条件平差方法对转换参数作改正以达到全局最优。通过地面三维激光扫描仪实测两组点云数据进行试验,验证了该方法有效且可行。试验结果表明,对采样间隔为毫米级和厘米级的点云,增加扫描重叠度能够提高配准精度和可靠性。     

重力场模型及GNSS/水准的区域似大地水准面精化

针对现有地球重力场模型综合利用研究较少的情况,该文利用实测全球导航卫星系统/水准数据分析GOCO03S、ITG-GRACE2010S、GO_CONS_GCF_2_DIR_R4、GO_CONS_GCF_2_TIM_R4和EGM2008等地球重力场模型不同谱域位系数对应的高程异常精度,提出对多类重力场模型进行简单谱组合和加权谱组合,并进行精度分析;然后利用这两类组合重力场模型,结合全球导航卫星系统/水准数据对区域似大地水准面的精化展开研究。计算结果表明:在实验区域,与EGM2008模型相比,采用简单谱组合法和加权谱组合法均能提高模型高程异常的精度,标准差最优分别可达0.081m和0.084m,对应精度提高幅度分别为40.9%和38.5%;以多类重力场模型为基础,经简单谱组合法或加权谱组合法得到组合重力场模型,并利用全球导航卫星系统/水准数据进行精化,可获得较高精度的区域似大水准面,精度最优可达0.048m。     

径向基神经网络在沉降预测中的应用

针对大型建筑物的沉降监测存在较多的不等时间间隔沉降监测数据,现有模型需要对此类数据进行等间隔处理后建立沉降预测模型的现状,该文采用无需对监测数据进行等间隔预处理的径向基神经网络对沉降监测数据建立沉降预测。通过对西安某大厦基坑开挖对地表和周围建筑物影响的沉降监测数据进行实例分析,并与非等间隔灰色GM(1,1)预测模型进行对比,利用模型评价指标评价预测模型精度。结果表明:采用径向基神经网络建立预测模型处理过程简便,其预测精度优于非等间隔灰色GM(1,1)预测模型。     

Spatio-Temporal Characteristics of Heavy Precipitation Forecasts fromECMWF in Eastern China

This study examines the spatio-temporal characteristics of heavy precipitation forecasts in eastern China fromthe European Centre for Medium-Range Weather Forecasts (ECMWF) using the time-domain version of the Method forObject-based Diagnostic Evaluation (MODE-TD). A total of 23 heavy rainfall cases occurring between 2018 and 2021 areselected for analysis. Using Typhoon “Rumbia” as a case study, the paper illustrates how the MODE-TD method assessesthe overall simulation capability of models for the life history of precipitation systems. The results of multiple tests withdifferent parameter configurations reveal that the model underestimates the number of objects’ forecasted precipitationtracks, particularly at smaller radii. Additionally, the analysis based on centroid offset and area ratio tests for differentclassified precipitation objects indicates that the model performs better in predicting large-area, fast-moving, and long lifespan precipitation objects. Conversely, it tends to have less accurate predictions for small-area, slow-moving, and short lifespan precipitation objects. In terms of temporal characteristics, the model overestimates the forecasted movement speedfor precipitation objects with small-area, slow movement, or both long and short lifespans while underestimating it forprecipitation with fast movement. In terms of temporal characteristics, the model tends to overestimate the forecastedmovement speed for precipitation objects with small-area, slow movement, or both long and short lifespans while un derestimating it for precipitation with fast movement. Overall, the model provides more accurate predictions for theduration and dissipation of precipitation objects with large-area or long-lifespan (such as typhoon precipitation) whilehaving large prediction errors for precipitation objects with small-area or short-lifespan. Furthermore, the model’s simu lation results regarding the generation of precipitation objects show that it performs relatively well in simulating thegeneration of large-area and fast-moving precipitation objects. However, there are significant differences in the forecastedgeneration of small-area and slow-moving precipitation objects after 9 hours.