基于多源数据(资料)的地理空间信息半自动提取及更新

在列举了各种多源数据（资料）的基础之上,介绍了多源数据（资料）所需进行的预处理及其在地理空间信息提取及更新中的具体应用。针对不同来源的数据（资料）探讨了可采用的半自动提取及更新技术,以此提高地理空间信息提取的效率及质量。     

船只衰落尾迹的小波多尺度广义分形特征分析

船只衰落尾迹遥感图像是弱反差纹理图像,检测强尾迹的方法不具有适用性.基于区域特征统计比较的思想,构建了一种会聚衰落尾迹异常的小波多尺度广义分形特征提取方法.该方法由小波多尺度分解、细节图像融合、多尺度基本特征计算、多尺度分形特征计算和广义分形特征计算等5步骤组成.仿真实验表明,该特征能完整表达尾迹并体现强弱差别,是一种有效的船只衰落尾迹检测技术,具有广泛的应用前景.     

正交设计法提取江蓠高活性膳食纤维

采用正交设计法,研究了江蓠高活性膳食纤维的提取工艺条件,筛选出江蓠碱处理和漂白的最佳工艺条件,提取出江蓠高活性膳食纤维。结果表明,江蓠高活性膳食纤维的产率达２８．３％,颜色较白,膳食纤维干基质量分数达９２．８３％,钙质量分数１．０８％,磷质量分数０．０６８％膨胀力为９．０ｍＬ／ｇ,持水力为８２５％,质量和功能性指标远远超过西方国家麸皮善食纤维的标准（膳食纤维干基质量分数４７％、膨胀力４ｍＬ／ｇ、持     

番红砗磲外套膜色素提取条件优化及成分分析

以番红砗磲(Tridacna crocea)为实验对象,通过单因素对比实验对其外套膜色素的提取条件进行了优化,并利用薄层层析色谱法对色素组成进行了初步分析。结果表明:丙酮和乙醇为适宜的番红砗磲外套膜色素提取剂;使用丙酮为提取剂时,浸提时间为4 h,提取温度为25℃,料液比为1︰40。使用乙醇为提取剂时,浸提时间为4 h,提取温度为30℃,料液比为1︰200;利用薄层色谱法分离外套膜颜色为蓝色和红棕色的番红砗磲外套膜色素后发现,蓝色番红砗磲外套膜色素由9种色素组分构成,红棕色个体番红砗磲外套膜色素由10种色素组分构成。     

一种共生藻PCR模板DNA的快速制备法

采用Chelex-100树脂法制备了26个物种(分别属于腔肠动物门、海绵动物门和软体动物门)的共生藻以及一株纯培养共生藻的DNA样品。通过PCR扩增叶绿体23S rRNA基因片段获得了26个有效序列,测序比对结果显示获得的序列与扩增目的基因相符。该方法不仅样品消耗量小、操作时间短、设备需求低廉,而且可以避免使用有害化学试剂。这是一种高效、环保的DNA提取方法,可为共生藻分子研究提供技术参考。     

正交试验优选复方莪术散的提取工艺及其颗粒制备工艺研究

目的：优选复方莪术散颗粒的最佳提取与颗粒制备工艺,为该复方的开发利用提供试验依据。方法：采用正交试验法对复方莪术散进行提取,以淫羊藿苷的含量和收率综合评价为指标,通过L_{9（3^{4）正交试验设计对醇的用量、提取的时间和提取次数进行考察,优选复方莪术散的醇提取工艺,再以浸膏为原料,通过L9（34）正交试验设计考察稀释剂（可溶性淀粉）的比例及粘合剂（乙醇）的浓度和干燥温度,制备复方莪术散颗粒。结果：复方莪术散提取最佳工艺为A2B22C11D1,即处方药材加60%浓度的10倍剂量的乙醇,提取2次,每次1.5h为最优。最佳制备工艺为A3B2C2,即干浸膏∶淀粉的比例为1∶2.5,并以90%乙醇为湿润剂,采用湿法制粒的方法,干燥温度为60℃,所制得颗粒剂经检查符合相关要求。结论：本试验所得复方莪术散颗粒剂的提取与制备工艺合理、可行,为该复方的开发利用提供了试验依据。}}     

基于深度学习的河道提取与变化监测应用——以永定河为例

本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。     

基于LSD算法的无人机影像电力线提取方法

根据无人机影像电力线的特征,利用LSD算法实现了电力线的自动提取。首先使用各向同性的Sobel算子对特征区域进行图像增强,再使用LSD算法进行线段提取,然后通过线段合并和线段拟合过滤线段集合,最后使用K均值算法进行聚类,筛选得到最终电力线结果。采用多种地物背景下的电力线影像进行实验,结果表明,该方法能提取完整的电力线,稳健性强,对电力巡线具有较大的实际意义。     

基于DEM数据的月表撞击坑自动提取研究

提出一种基于地形与形态学的撞击坑自动提取算法,该算法主要利用撞击坑的形态特征进行提取,利用形态学方法提高提取结果的连续性并去除提取结果中的噪声,使提取的撞击坑边界线更为简单,定位更加准确,易于存储与计算。该算法使用月球勘测轨道器照相机(LROC)提供的100 m分辨率DEM数据进行测试,测试结果显示该算法对于形态较为完整的简单撞击坑提取效果较好,提取的边界线较为准确且能够反映撞击坑的真实形态。