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。     

基于形态滤波的水声通信信号同步检测方法

针对水声通信过程中拷贝相关同步检测在不同信道环境下相关峰值差距较大,通过单一固定门限同步检测导致信号误检率、漏检率高的问题,设计了一种信号同步检测帧结构,在传统拷贝相关同步检测信号前加入三单音信号,结合形态学滤波技术,提出了一种新的水声通信信号同步检测方法,实现了不同信道环境和通信距离下单一固定门限检测值的水声通信信号同步检测,降低了信号同步检测的误检和漏检概率。实际海试结果表明：在5 km,7 km,10 km不同通信距离和信道环境下该方法均可实现信号同步检测,信号的误检概率和漏检概率均为0。     

用层次分析法探讨地震次生火灾区划

以地震次生火灾为研究对象,构建了地震次生火灾的指标体系,在此基础上应用层次分析法建立数学模型,初步研究了地震次生火灾区划的方法.     

基于快速流式算法的局部余弦相似属性

相似性是一种常用的衡量不同图像之间差异程度的属性,广泛应用于地震数据处理环节.由于地震数据本质上是非平稳的,局部相似性比全局相似性更适用于刻画地震数据的时-空变化特征.现有的局部相似属性可以通过正则化最小二乘问题进行计算,但是其计算过程需要大量的计算时间和数据存储空间,难以适应当前的海量数据处理任务.本文提出了一种基于快速流式算法的局部余弦相似性计算方法,其采取局部数据递推的模式,避免迭代算法带来的计算负担,在保证计算精度的前提下能够快速地表征不同数据之间的差异.流式局部余弦相似性可以用于解决不同的地震数据处理问题,包括叠前地震数据加权叠加、多波多分量数据纵横波速度比估计以及基于构造预测的断层检测,更加适用于现阶段的宽方位角和高密度采集数据的处理流程.理论模型和实际数据测试结果可以验证流式局部余弦相似性算法的效率优势和解决不同地震数据处理问题的有效性.

     

利用多尺度弦角尖锐度累积的自适应角点检测算子

为提高角点检测算法的定位精度和对噪声的鲁棒性,提出了基于多尺度弦角尖锐度累积的自适应角点检测算子。首先,利用Canny算法快速提取图像边缘轮廓;然后,划分轮廓支撑域并将其作为尺度,分别计算3个尺度下的弦角尖锐度均值,并将其累积作为角点响应函数;最后,根据每条轮廓各自的自适应阈值标记角点。实验结果表明,与现有的角点检测算法相比,该算法提高了噪声图像和模糊图像上角点的定位精度和抗噪声能力,并具有自适应性。     

联合盲分解与稀疏表达的高光谱图像异常目标检测

应用高光谱图像进行异常目标检测是高光谱遥感最重要的应用之一,而异常目标检测算法最为关键的是对背景的描述。rx 等经典算法受制于对背景分布的高斯假设,因而在复杂背景条件下不能有效地提取出感兴趣的异常目标。本文提出了一种新的异常目标检测算法,不仅能够有效地检测出亚像元的异常目 标,同时以新的方式描述背景。算法首先针对异常检测先验信息不足的问题,采用盲分解方法建立描述背景的冗余字典,该字典是根据像元的纯净性定义估计的背景类端元束构成;然后采用稀疏回归计算每个像元的重建误差,以误差特征作为异常指数,误差越大越可能是异常;为了增强对可能异常目标的描述能力,应用了局 部近邻分析来增强目标在图像邻域的离群表达,从而获得最终的异常检测特征。算法将字典构造的全局性与地物的局部连续性结合,提高了异常目标检测的可靠性。采用不同混合比例模拟的亚像元数据和两幅真实数据进行实验,结果表明,算法不仅仅获得了比 rx 等经典算法更高的精度,同时在不同信噪比条件下表现稳健且抗噪能力强。     

2020年古冶MS5.1地震序列微震检测及活动性研究

2020年7月12日河北省古冶(39.78°N, 118.44°E)发生M_S5.1地震, 震源深度10 km.本文通过对其周边500 km范围内的84个固定台站连续观测地震数据, 采用基于图形处理器的模板匹配定位识别技术(GPU-M&L)对地震前后(2020年6月1日至2020年8月31日)共三个月的连续数据进行了微震检测和地震活动性分析.我们首先从台网目录的362个古冶地震序列事件中挑选了信噪比较高的118个地震作为模板, 通过模板扫描和检测, 获得共1017个地震, 约为台网目录的2.8倍, 然后运用双差定位方法(hypoDD)对669个地震事件进行了重定位.最后我们对古冶地震的事件序列进行时空分布、震源机制解以及b值空间分布等分析.结果显示古冶M_S5.1地震前, 震中区周边地震活动性显著, 地震前后地震序列分布优势方向为NE向, 震源深度方向近直立分布; 发震断裂为唐山—古冶断裂或其延伸部分, 与1976年唐山M_S7.8地震同为唐山断裂带, 发震断层走向基本一致.据此, 我们推测古冶M_S5.1地震是1976年唐山M_S7.8地震后余震区应力调整所触发.

     

智慧城市中的大数据

智慧城市的功能之一是构建可智能感知的、泛在化的空间信息服务,并将这些服务按需求进行组合提供灵活的服务,这就要求空间信息服务能更好地适应不断变化的地理上下文环境。设计了上下文感知的空间信息服务的语义模型,该模型扩展了OWL-S本体,增加了地理上下文类、上下文前提条件类、上下文效果类和上下文绑定类以支持地理上下文和地理上下文适应性,并使用智能规划技术和语义增强技术,将上下文感知的空间信息服务组合转化为智能规划的求解过程,提高了服务组合精度。最后通过智慧旅游验证了上下文感知的空间信息服务组合方法的可行性和有效性。     

实现遥感相机自主辨云的小波SCM算法

云噪声是光学卫星影像的常见问题,为了衡量云噪声对影像融合带来的影响,本文以高通滤波融合算法为例进行分析,指出云与地物的均值相差越大,云对影像融合的影响越大,并提出了一种针对含云影像的融合方法,即联合云检测与高通滤波的含云影像融合方法。该方法首先利用NIR/R-OTSU云检测算法实时进行云检测,判别出影像中的云覆盖区域;其次采用局部优化策略利用高通滤波融合方法分块对非云区域进行处理,得到融合影像。利用资源三号多光谱和正视全色影像进行融合实验,结果表明,本文算法比高通滤波融合方法、亮度色度饱和度（intensity hue saturation,IHS）变换融合方法、Pansharp融合方法更适用于含云影像的融合处理。