基于增强生成对抗网络的滑坡影像集超分辨率重建

针对高分遥感影像用于滑坡智能识别缺少高清训练集的问题,在组建高清滑坡训练集过程中,为充分利用低分辨率滑坡影像,本文采用基于增强型生成对抗网络模型(ESRGAN)实现了低分辨率滑坡影像集超分辨率重建。ESRGAN模型在SRGAN模型基础上,通过移除批归一化层、加入多级残差网络与残差缩放系数,提升了生成器的特征提取性能与稳定性,并采用迁移学习方法,基于毕节滑坡影像集与云南南景高速公路滑坡影像集进行试验验证。试验结果表明,基于迁移学习的ESRGAN模型在峰值信噪比(PSNR)与结构相似性(SSIM)方面获得更高得分,超分辨率重建取得更优结果。本文研究结果为获取滑坡高分辨率遥感影像集提供了一种新的技术方法。     

德国不动产登记制度带来的启示

正阅读提示2013年11月20日召开的国务院常务会议决定建立不动产统一登记制度,建立不动产登记信息管理基础平台,推动建立不动产登记信息依法公开查询系统。在前不久公布的《中共中央关于全面深化改革若干重大问题的决定》中也提到建立全社会房产、信用等基础数据统一平台,推进部门信息共享。其实,早在2013年4月,《关于实施国务院机构改革和职能转变方案任务分工的通知》就提出,2014年6月底前出台《不动产统一登记条例》。然而,由于在具     

基于U型生成对抗网络的编码孔径CT成像方法

针对编码孔径CT成像非连续稀疏采样只能通过代数类迭代重建算法的缺点,本文提出一种基于U型生成对抗网络的编码孔径CT成像方法。通过构建基于U型生成对抗网络的非连续稀疏投影的动态博弈模型,结合联合损失函数,预测正弦图的结构性缺失,实现编码孔径CT成像分析类（非迭代）快速重建。实验结果表明,在辐射剂量降低95％ 的条件下,基于U型生成对抗网络的编码孔径CT成像方法实现了峰值信噪比大于30 dB @ 256×256的高质量重建。相比于目前最先进的编码孔径CT成像方法,其重建时间降低了约两个数量级。      

基于生成对抗网络的建筑物损毁检测EI北大核心CSCD

建筑物作为自然灾害中最受影响的承灾体之一,其损毁信息的准确提取对灾后应急救援具有十分重要的意义。本文借鉴多模态的思想,提出了一种自动检测损毁建筑物的recursive-generative adversarial networks(RS-GAN)方法,将损毁建筑物检测分为灾前建筑物识别和灾后损毁建筑物检测两个任务,且分别在两个GAN分支中完成。RS-GAN加入联合损失函数将两个GAN分支进行连接,充分利用两个任务之间的潜在互利性提升检测效果。RS-GAN利用第1条GAN分支识别建筑物灾前形状与位置,并将识别结果作为第2条GAN分支的输入进行损毁建筑物检测任务,从而使检测结果具有更清晰的轮廓。该方法为端到端模型,在不需要过多的人工干预情形下,实现了损毁建筑物的自动检测。为了验证RS-GAN模型的效果,在圣罗莎和密苏里两个数据集上进行了测试。试验结果表明,RS-GAN方法拥有更好的检测性能,在圣罗莎数据集上的总体精度和平均精度分别达到了0.90和0.86。     

基于改进鹰鸽模型的南沙群岛岛礁争端及其影响因素分析

南海地区岛礁的争端博弈影响国家安全和地区发展,基于改进的鹰鸽模型,综合地理因素和国家的对抗偏好对南沙群岛岛礁争端的博弈情况进行分析。结果表明：①南沙群岛北部海域岛礁的平均地理价值和竞争激烈程度较高,中国、越南和菲律宾在此区域均有控制岛礁且国家之间地缘位势的非对称性接近,未来可能成为权益争端的热点区域;②中国和声索国选择合作的概率受岛礁地理价值、国家在岛礁的地缘位势、冲突成本以及对抗偏好共同影响,地理价值、对抗偏好与选择合作的概率呈负相关;冲突成本与选择合作的概率呈正相关;国家在岛礁的地缘位势接近时,选择合作的概率最小;随着地缘位势差距增大,非对称性增强,选择合作的概率上升;③在南沙岛礁争端中,中国与马来西亚合作概率较大,与越南合作不稳定,与菲律宾合作概率最小。     

结合空洞卷积的条件对抗网络遥感影像生成

针对利用土地覆盖与数字高程模型生成遥感影像存在部分细节缺失的问题,该文提出结合空洞卷积的条件对抗网络以生成高分辨率遥感影像。首先,生成器网络采用空间自适应归一化结构将土地覆盖特征与数字高程模型特征融合;其次,将并行空洞卷积模块嵌入生成器网络中的编码器中,以改善融合后的特征;最后,解码器输出的影像输入判别器网络进行判别,输出生成结果。为验证该文网络的有效性,与现有的条件生成对抗网络在GeoNRW和DFC2020数据集上进行实验。结果表明：该文网络在GeoNRW数据集上的距离得分较对比网络平均降低0.11,整体平均交并比较对比网络平均提升0.77%,生成的影像地物细节更丰富;此外,该文网络在DFC2020数据集上具有一定的泛化能力,生成的影像优于对比网络生成的影像。     

基于非局部生成对抗网络的单张散焦图像去模糊

由于相机的景深有限,通常很难从单个相机获得全焦图像。针对因散焦现象而变得模糊的散焦图像,本文提出了一个端到端的非局部生成对抗神经网络DNGAN,通过在真实的数据集下训练模型,实现散焦图像的去模糊和散焦图的估计。DNGAN由散焦图估计和特征融合两大核心模块组成。其中散焦图估计模块采用编码器-解码器的结构实现对输入图像聚焦和散焦区域的判断;特征融合模块采用融合了注意力机制的由粗到细的非局部思想,让散焦图像充分融合周围相似的高频细节纹理信息,并结合散焦图估计模块的结果,指导散焦图像有偏重的进行去模糊图像增强;同时加入生成对抗模块让网络生成更加丰富的纹理特征。本论文实验从客观评价指标和图像视觉对比效果两方面论证了提出的网络在真实数据集下的散焦图像去模糊任务和散焦图估计任务上的优势。     

对抗与蒸馏耦合的高光谱遥感域自适应分类方法

高光谱遥感域自适应分类旨在利用有标注样本的源域知识对无标注的目标域场景进行分类,是高光谱跨场景分类的重要方法之一。目前流行的域自适应分类方法利用对抗训练模式实现目标域与源域的特征对齐,但未考虑源域知识是否充分转移至目标域这一关键问题。为了有效提取并迁移源域知识,本文提出一种基于对抗与蒸馏耦合模式的高光谱遥感自适应分类方法 UDAACD(Unsupervised Domain Adaptation by Adversary Coupled with Distillation)。该方法采用类内样本自蒸馏方式对源域信息进行提炼,提高自适应分类模型对源域监督知识的提取能力;同时,构建知识蒸馏与对抗耦合机制使目标域与源域特征在对抗与蒸馏中实现对齐,利用对抗与蒸馏耦合机制相互补充、相互促进,提升高光谱遥感知识从源域至目标域的迁移能力,进而完成目标域高光谱影像的无监督分类。本文选用Pavia University、Pavia Center、Houston 2013及Houston 2018高光谱遥感场景数据集进行了4组跨场景图像分类实验,结果表明所提出的模型优于其他高光谱域自适应方法,在相同样本条件...     

矿权设立和矿权转让模式的探讨

矿产资源属国家所有,这是我国宪法及法律确定的基本原则.在矿产资源的国家所有权下,矿权人依法取得并行使的权利实际上是矿产使用权.近年来,对将矿权分设为探矿权和采矿权的质疑,一直是学术界争论的焦点;而矿权作为特别物权在转让时究竟是遵循物权行为理论模式,还是适用登记对抗主义模式,也莫衷一是.     

德国不动产登记制度的启示

正2013年11月20日召开的国务院常务会议决定建立不动产统一登记制度,建立不动产登记信息管理基础平台,推动建立不动产登记信息依法公开查询系统。前不久公布的《中共中央关于全面深化改革若干重大问题的决定》中也提到建立全社会房产、信用等基础数据统一平台,推进部门信息共享。我国《物权法》及学理受德国影响较大,建立"德式"不动产登记簿也有较高的呼声,然而照搬德国不动产登记制度是否适合我国实际有待探讨。