基于EfficientNet的星系形态分类研究

星系的结构和形态能够反映星系自身的物理性质,其形态的分类是后续分析研究的一个重要环节.EfficientNet模型使用复合系数对深度网络模型的深度、宽度、输入图像分辨率进行更加结构化的统一缩放,是一种新的深度网络优化扩展方法.将该模型应用于星系数据形态的分类研究中,结果表明基于EfficientNetB5模型的平均准确率、精确率、召回率以及F1分数(精确率与召回率的调和平均数)都在96.6%以上,与残差网络(Residual network, ResNet)中ResNet-26模型的分类结果相比有较大的提升.实验结果证明EfficientNet的深度网络优化扩展方法可行且有效,可应用于星系的形态分类.     

基于无人机影像的打击效果评估研究

在信息化战争环境下,无人机凭借其机动灵活、无人员伤亡等优势在作战中应用广泛。为更好地发挥无人机的侦察本领,提升目标变化检测能力,本文讨论了依靠无人机影像实现打击效果评估的实现方法。首先,依据控制点选取、图像差值法和比值法等算法,对图像完成预处理、变化检测等;然后,针对检测到的变化区域进行损伤等级划分,实现打击效果评估;最后,通过实验对比了不同检测算法在打击效果评估过程中的优缺点,为建立完备的无人机评估体系提供了参考。     

浅谈基于ERDAS IMAGINE软件的几何精纠正方法

随着遥感技术日新月异的发展,它在各个领域的应用已经越来越广泛。目前市场上遥感软件的种类很多,比较具有代表性的软件为美国ERDAS公司开发的遥感图像处理系统。遥感图像的几何精纠正是遥感图像分类、专题制图的基础,也是遥感应用研究的基础。本文正是基于ERDAS IMAGINE软件浅谈遥感影像的几何精纠正方法。     

风成沙波纹脊线提取与应用计算

风成沙波纹是沙质地表在风力作用下形成的最小地貌单元,对研究风沙的起动过程和运动过程极其重要,同时,沙波纹形态特征的研究为了解大尺度范围风沙地貌形态演变提供理论基础。然而由于风成沙波纹尺度较小,形成速度较快,导致对其形态特征的观测比较困难。近些年,随着计算机图形学的迅猛发展,数字图像处理方法得到了较大发展,使得测量和计算更加便捷。本文基于高清相机拍摄的风成沙波纹图像,借助于Matlab平台,采用数字图像处理技术,对沙波纹脊线进行提取,并应用于沙波纹形态参数计算。本文选取腾格里沙漠东南缘的沙波纹进行验证分析,得到风成沙波纹波长的正态分布规律,沙波纹的波长随时间逐渐增长,在40 min的时间范围内,波长由不足1 cm逐步发展到接近10 cm。最后,采用数字图像处理方法,计算了沙波纹脊线长度和波长。采用数字图像处理方法,波长等数据更易于获取和统计,数据采集效率大大提高,为风成沙波纹的研究提供了新的方法。     

基于常规扫描仪的植物叶面积计算系统

以计算机和扫描仪的组合技术为基础 ,用ViscalBasic 6 0语言 ,建立了Lea fArea1 0植物叶面积计算系统 ,经过对扫描图片的像素分析 ,实现了植物叶面积测定 ,其测定的误差小于 2‰ ,是一项易于业务化的应用系统。     

警用地理信息平台中三维全景系统建设研究

针对当前警用地理信息平台中空间信息表达直观性欠缺的缺憾,提出了三维全景系统的解决方案。结合警用地理信息平台建设的要求,简述了三维全景技术的原理,详细介绍了在PGIS平台中三维全景系统的系统构架、数据体系、系统功能等,并探讨了系统实现的关键技术。通过实际应用,验证了系统建设的合理性和可操作性,为各地公安三维全景系统的建设提供了较好的参考和借鉴。     

基于深度学习的水面无人艇目标检测算法综述

随着人工智能的发展,水面无人艇可代替人工进行危险任务作业,目标检测是其完成自主探测的核心技术。深度学习技术克服了人工特征提取精度低、通用性差等局限性,已成为图像处理的主流方法。首先,对当前基于深度学习的目标检测算法的发展现状进行了全面总结,对算法分类进行了详细的定义,并指出了不同类型算法的优缺点及适用场景;然后,分析了无人艇水面目标检测技术的研究现状,指出了各类深度学习工作的贡献、优势和局限性;最后,总结了面向水面无人艇的深度学习目标检测算法中亟需解决的关键科学问题,并对可行的方案以及该应用研究领域的未来发展做了进一步的展望。     

一种针对MWISP项目分子云团块的3DCNN证认方法（英文）

分子云团块是恒星的诞生地.分子团块的普查和其性质的全面研究将有助于了解恒星的形成乃至星系和宇宙的演化过程.随着银河画卷计划(MWISP)项目的深入进行,这类研究方案变得切实可行.但是项目产生的分子云观测数据是海量的,因此迫切需要一种能够自动识别和证认分子团块的方法.目前应用广泛的3维分子云数据处理方法有很多,典型的包括Gauss Clumps、Clump Find、Fell Walker、Reinhold等,但都需要输入多个参数来控制它们的性能,并且进行反复的参数优化和目测才能得到比较满意的结果.对于大规模的观测数据,利用现有方法进行分子团块的证认将是一项耗时耗力的任务.为了克服传统分子云团块检测算法的局限性,人工智能(AI)的方法将提供一个很好的解决方案.提出了一种3D CNN (Convolutional Neural Network)方法,它可以自动处理3D分子谱线数据,整个过程分为检出和验证两个步骤.首先,通过设置较低阈值使用Clump Find以检出候选对象,然后通过训练好的3D CNN模型进行验证.利用仿真数据所做的一系列的实验结果表明,该方法的综合表现优于4种传统方法.将...     

共线条件方程在建筑物比高求解中的应用

高度信息作为人工地物的重要属性信息,在军事和民用上都具有很高的利用价值。针对人工地物高度提取的发展现状及存在的主要问题,对单张航片利用共线条件方程确定人工地物比高方法的原理和技术进行了研究,并进行了实验,验证了方法的可行性。     

高光谱目标探测的进展与前沿问题

针对高光谱目标探测问题的主要挑战,将高光谱目标探测的进展与前沿问题分为两个方面进行综述。基于信号检测理论的方法如结构化背景的约束能量最小化方法、非结构化背景的自适应一致性余弦评估器等,是高光谱目标的探测经典算法;随着统计模式识别与机器学习领域中新技术的出现,一些数据驱动的目标探测方法逐渐成为了高光谱目标探测的前沿问题,如核方法、稀疏表达方法等。概述了两类方法的特点,比较了各自的优势和不足,并展望了高光谱目标探测未来的发展趋势。