基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...     

基于多层次感知网络的GF-2遥感影像建筑物提取

高分辨率遥感影像建筑物提取任务在城市规划、城镇化进程等领域发挥着重要作用.针对现有的深度学习提取方法存在浅层特征未得到有效利用、小目标信息容易丢失等问题,提出了一种多层次感知网络.该网络利用密集连接机制充分提取特征信息,并构建平行结构保留不同特征分辨率的空间信息,增强不同深度、尺度特征信息,减少细节特征的丢失;同时利用...     

车载LiDAR点云中的建筑物特征提取

针对车载LiDAR点云数据处理复杂、时间长的问题,本文以地物不同特征值作为建筑物自动提取算法的依据,通过点云数据预处理、聚类分析等一系列流程最终实现一般建筑物点云的自动提取.通过两个实验区点云数据的提取与相应的实际地物进行精度分析对比,结果表明本文算法对实例测区环境下的不同建筑物点云提取具有较好的有效性,满足数字城市三...     

奇异性理论在弱异常信息提取中的应用—以冀北隐伏中-酸性侵入岩体为例

冀北地区是河北省矿产资源重要聚集地之一,成矿条件优越,其中中-酸性侵入岩体与银铅锌多金属矿床成矿密切相关。然而,大量的第四系覆盖压制了一些深部及隐伏弱异常成矿信息,使得常规化探方法在该覆盖区提取效果微弱。本文运用奇异性分析及主成分分析对冀北1：20万水系沉积物常量元素化探数据进行分析处理,提取区内成矿元素弱异常,并将其与未进行奇异性处理的结果进行对比。结合区域地质背景、物化探资料圈定覆盖区内与中-酸性侵入岩体有关的异常区,对成矿作用、成矿规律进行分析、讨论,以期揭示区内元素富集规律。结果显示,上述组合方法可以有效提取元素弱异常并进行成矿有利区圈定,并且圈定位置与已知岩体位置、区域构造条件相吻合,共圈出隐伏异常点7个,推测其为成矿远景区。     

面向野外地质调查工作的道路提取方法研究

为弥补传统的依靠管理组织、法律、经济、教育等进行对野外地质工作安全管理工作的不足,通过百度SDK采集GPS步行轨迹数据,基于单向GPS轨迹数据的特点,进行轨迹的分割分段处理.最后利用BP神经网络算法拟合道路,通过反复实验确定BP网络的参数配置信息.并以中国地质大学西区为研究区域,提取路网信息,验证算法的有效性和实用性....     

一种COVID-19病例个体时空轨迹交互式提取与质量评估方法

针对当前新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)病例个体时空轨迹描述文本高度非结构化的特点,提出了一种基于自然语言处理(natural language processing, NLP)辅助的交互式轨迹提取方法,用于提高轨迹提取的效率和质量.设计了交互式轨迹提取和质量评估流...     

裙带菜褐藻糖胶的分离及部分理化性质研究

以裙带菜为原材料,采用水提法从裙带菜中分离褐藻糖胶,Sevag法去蛋白,乙醇分步沉淀法进行初步纯化。结果表明裙带菜褐藻糖胶的最适提取温度为80℃,时间为8 h,加水量为1∶30,在最适条件下的提取率为1.72%,蛋白质含量为5.44%。同时本研究对部分理化性质进行了研究。结果是特性粘度为5 m pa.s,pH为8.50,含有硫酸基。     

龙须菜琼胶的提取方法研究

采用多种方法提取了龙须菜(Gracilaria lemaneiformis)中的琼胶,并研究了碱处理、微波处理、超声波处理等方法对龙须菜的琼胶提取率、硫酸基质量分数和多糖质量分数的影响。结果表明:当碱质量分数由2.5%增加到10%时,琼胶产率由15%降低到9.8%,硫酸基质量分数由2.66%降低到2.06%,同时,多糖质量分数由98.3%增加到102.6%;微波和超声波处理在不同程度上增加了琼胶的提取率和多糖质量分数,同时降低了硫酸基质量分数。另外,还从宏观和微观两个角度考察了龙须菜碱处理前后藻体的变化。     

包尔图地区Aster遥感岩性提取

介绍光谱排序编码法的原理并对其进行精度验证:在14种矿物的56个样品中最高精度为100%,最低为57%,平均为79.4%;分别提取包尔图地区以方解石、Al-OH Mg-OH和石英为主的岩石分布状况,与该区地质图对比结果表明,其分布与实际情况大体相同,从而证实了光谱排序编码法的目标提取能力。     

基于深度学习的路面裂缝提取

裂缝是主要的路面损坏,路面裂缝自动化提取对于维护和监测路面状况至关重要。针对传统人工检测效率低、缺乏客观性等问题,提出了一种基于深度学习语义分割网络的路面裂缝自动提取方法,实现了由路面图像自动生成裂缝二值图。并且阐释了不同尺度特征对语义分割的好处,并结合裂缝本身细小的特性,在U-Net的基础上增加了大尺度特征提取分支。随后采用激励压缩模块进行两种特征的融合。在CFD(computational fluid dynamics)数据集上的实验表明,该改进算法的F1分数、kappa系数分别可达74.28%和73.83%,相较于其他主流分割网络,提高了约2%。