基于残差神经网络改进的密集人群计数方法

为避免密集人群踩踏事件发生,从监控图像中准确获取密集人群人数信息非常重要。针对密集人群计数难度大、人群目标小、场景尺度变化大等特点,本文提出一种新型神经网络结构VGG-ResNeXt。本网络使用VGG-16的前10层作粗粒度特征提取器,使用改进的残差神经网络作为细粒度特征提取器。利用改进的残差神经网络“多通道,共激活”的特点,使得单列式人群计数神经网络获得了多列式人群计数网络的优点（即从小目标、多尺度的密集人群图像中提取更多人群特征）,同时避免了多列式人群计数网络训练难度大、结构冗余等缺点。实验结果表明本模型在UCF-CC-50数据集、ShangHaiTech B数据集和UCF-QNRF数据集中取得了最高精度,MAE指标分别优于其他同期模型7.5%、18.8%和2.4%,证明了本模型的在计数精度方面的有效性。本研究成果可以有效帮助城市管理,有效缓解公安疏导压力,保障人民生命财产安全。     

区域性GPS地壳运动监测网的数据处理

以ＧＡＭＩＴ软件的输出为例，提出了一种对计算机内存没有特殊要求并等价于采用全部ＧＰＳ相位观测的数据处理方法，引入测量漂移和各期坐标转换参数，对ＧＰＳ形变监测网可以求针对某一时间历元的坐标和站位置漂移速度，以上海ＧＰＳ形变监测网为例，计算了该地区的形变量。     

一种实用的数字图像压缩方法

提出以C Builder 6.0为开发平台,以其所提供的TJPEGImage为核心,实现真彩色图像的压缩,为工程实际的应用提供了一种非常实用的压缩手段。该方法减少了大量程序代码的编写工作。实验表明,当综合压缩比设为65时,压缩图像与原图像相比并无明显变化,由此可见,压缩效果令人满意。     

一种基于特征信息的车牌识别方法

根据中国车辆牌照本身的现有特征信息,提出一种车牌识别方法.采用全局动态阈值法进行二值化处理图像,牌照定位算法简单迅速,字符分割参考垂直投影间隔和字符的纵横比.实验结果表明,这种方法具有良好的环境适应性和鲁棒性.     

中国大陆1998～1999年地壳运动观测结果

介绍了中国地壳运动观测网络1998～1999年基准站GPS观测概况,简要介绍了用伯尔尼（Bernese）软件对GPS观测数据的处理结果,详细介绍了所获取的1998年９月初～1999年７月初基准网地壳运动,包括各基准站位移与网内各部分的应变．在所述观测期间,我国东部地区较为稳定．相对东部地区,西南部地区以向北运动为主,位移量约17ｍｍ,受北北东向挤压为主;西北部地区以北西向运动为主,位移量约11ｍｍ;而云南地区以向南运动为主,位移量约14ｍｍ．我国中部南北地震带则是一强烈的剪切变形带．网内最大主应变量为2.910-8．观测结果表明,印度板块向北挤压依然是影响我国地壳运动的主要因素．      

改进的自适应遗传算法在遥感图像分割中的应用

为了自动确定遥感图像分割的最佳阈值,本文提出了一种改进的自适应遗传算法,并利用该算法对二维Otsu图像阈值分割函数进行了全局优化,提高了分割闻值的求解速度。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服基本遗传算法的收敛性差、易早熟问题。实验结果表明,该算法具有良好的收敛速度和稳定性,达到较好的图像分割效果,大大缩短了计算时间。     

基于IKONOS数据的矿山开发占地信息提取

以IKONOS数据为信息源,对甘肃省白银铜矿区进行矿山开发占地信息提取实验研究.在经过预处理的图像上对研究区内的地物进行光谱采样,分析地物的光谱特征;并进一步建立合适的波段计算经验公式,用密度分割函数将矿山背景与占地信息区分开,消除了背景干扰;再根据光谱特征建立新的波段处理模型,对只有矿山占地的图像进行第二次密度分割,将矿山占地信息细分,通过目视解译为占地信息赋予属性.实地查证结果表明,利用计算机提取矿山占地信息能弥补目视解译的不足,不仅节省人力、物力、财力和时间,而且信息提取结果准确,具有实际应用的意义,对同类地区的矿山占地信息提取具有一定的参考价值.     

人教版八年级下册新旧版本地理教材比较分析

正随着教育部《义务教育地理课程标准》(2011年版)的颁布,初中地理教材在原版基础上进行了一些改变,以适应新版课程标准以及社会发展的需要。新版教材与旧版教材相比很多方面均发生了改变。笔者对人教版八年级下册新旧版本地理教材从选择区域、活动栏目和图像系统等方面进行比较分析,以期为地理教师更好地使用新版教材提供参考。     

“新世纪以来遥感应用进展交流研讨会”在昆明成功召开

2011年11月19～20日,＂新世纪以来遥感应用进展交流研讨会＂在云南昆明成功召开。本次会议由中国遥感应用协会专家委员会、核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室主办,中国科学院遥感应用研究所、有色金属矿产地质调查中心协办,     

面向高光谱图像分类的半监督空谱判别分析

为充分利用高光谱图像蕴藏的空间信息提升分类精度,提出了面向高光谱图像分类的半监督空谱判别分析(S3 DA)算法。考虑高光谱图像数据集的空间一致性,首先利用少量标记样本定义类内散度矩阵,保存数据集同类像元的光谱近邻结构;再利用无标记样本定义空间近邻像元散度矩阵,揭示像元间的空间近邻结构和地物的空间分布结构信息。S3 DA既保持数据集在光谱域的可分性,又保存了无标记样本蕴藏的空间域近邻结构,增强了同类像元和空间近邻像元在投影子空间的聚集性,从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明,总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较,该算法能有效提升高光谱图像数据集的地物分类精度。