多源数据多语义岩体结构面提取方法

实现岩体场景下复杂岩体结构面提取是边坡、隧道等岩体工程稳定分析的关键。本文针对岩体结构面纹理与形态等特征复杂且不规则造成提取困难的问题,首先通过构建TLS点云与数码影像的映射关系,融合二维像素特征、三维方位及形态特征建立多重语义区,提取具有相似地质属性的同质区单元,然后利用产状与粗糙度特征对其进行合并聚类,有效实现复杂多属性岩体结构面的准确提取。试验结果表明,本文方法提取的岩体结构面具有较好的完整性和较高的准确性。     

基于决策级数据融合的CHRIS 高光谱图像分类方法研究

本文选取8种常用的遥感图像监督分类方法,综合利用多数投票方法与先验分类概率信息,设计了3组决策级融合分类策略,在应用地物丰富的黄河口湿地CHRIS高光谱图像数据进行分类实验的基础上,开展了不同融合策略决策分类结果的比较研究,分析了融合策略对高光谱图像总体分类精度以及不同地物分类精度的影响。结果表明:(1)3组决策级融合策略总体分类精度均大于85%,Kappa系数都优于0.77,较8种单分类器均有提高,表明决策级融合是利用已有分类器资源、提升高光谱图像分类精度的一种途径;(2)策略3的分类表现最好,即维持最小虚警率的前提下降低错分可以提高分类精度,其中芦苇、滩涂地物同时保持了很高的生产者精度和用户精度,均接近90%,水体在保持较高用户精度的情形下生产者精度有大幅提升,增幅达11%;(3)每组策略综合考虑生产者精度和用户精度的情形下分类精度最高,较仅考虑生产者精度或用户精度的情形提升了1~2个百分点,表明设计算法时应同时考虑减少错分和漏分的情况。     

航测DCM影像常用融合方法对比分析

借助ENVI图像处理系统,分别应用色彩空间变换、比值变换、主成分变换法,对利用航测DCM相机获取的多光谱影像和全色光波段影像进行融合,并利用主观分析和定量比较的方法,分别从视觉角度和统计指标角度对比分析了3种方法融合图像的优缺点,认为色彩空间变换方法效果较好,为DCM高分影像的增强处理提供了依据。     

南屯煤矿17煤底板奥灰突水危险性综合评价

针对南屯煤矿17煤开采中可能出现的底板奥灰突水问题,应用模糊突水系数法和无量纲信息融合法进行综合预测评价。评价结果确定了17煤奥灰含水层突水危险性分区和各影响因素的影响程度。突水危险区主要在矿区的东北部,安全区在矿区的西部边界位置,其余地区为突水较危险区;采深和含水层水压为17煤开采底板突水危险性的主要影响因素。     

宁波舟山港气象预警和决策系统设计

以多元化大数据分析展示技术创新港口气象预警和决策服务平台,以数据驱动场景变化,呈现出气象变化中“运行中”的港区,融合基于“多早预警”为先导的海事、气象、港调三方合作联动机制和为港区量身定制的港区气象风险指数、动态船舶气象风险等级预报等融合服务产品,打造气象、海事、港口三方数据共享与决策联动的平台。     

基于小波变换的遥感数据融合与边缘检测

介绍了小波图像的分解和重构方法以及小波融合过程。采用Symlet小波变换融合方法对西安地区鲸鱼沟水库的TM4、TM5子图进行单尺度二维离散小波变换融合,并进行水库的边缘检测。对图像通过TM4分解的低频图与TM5分解的高频图像融合再与TM4影像原图比较,融合图像提取细节效果明显优于TM4原图像。     

一种基于视觉特征的多分辨率快速图像融合方法

以红外与可见光图像融合为例,提出了一种基于图像视觉特征相关量值的多分辨率快速图像融合方法.该方法先利用CDF9/7小波将输入图像进行提升分解,然后在对分解后的小波系数矩阵采用视觉特征进行融合处理,最后通过提升逆变换得到重构图像.实验表明该方法即使在图像信噪比较低的情况下,仍能得到较好的熵、边缘及较高分辨率的效果,且执行效率高.     

A fusion-based neural network methodology for monthly reservoir inflow prediction using MODIS products

ABSTRACT

A model fusion approach was developed based on five artificial neural networks (ANNs) and MODIS products. Static and dynamic ANNs – the multi-layer perceptron (MLP) with one and two hidden layers, general regression neural network (GRNN), radial basis function (RBF) and nonlinear autoregressive network with exogenous inputs (NARX) – were used to predict the monthly reservoir inflow in Mollasadra Dam, Fars Province, Iran. Leaf area index and snow cover from MODIS, and rainfall and runoff data were used to identify eight different combinations to train the models. Statistical error indices and the Borda count method were used to verify and rank the identified combinations. The best results for individual ANNs were combined with MODIS products in a fusion model. The results show that using MODIS products increased the accuracy of predictions, with the MLP with two hidden layers giving the best performance. Also, the fusion model was found to be superior to the best individual ANNs.     

多源信息融合技术在矿井奥灰突水预测中的应用

在井巷开拓和煤层的回采过程中,不可避免地要接近、揭露或波及破坏某些含水层(体),矿井水害是威胁矿井安全生产最大的事故隐患之一。同时,华北地区上组煤已经开发殆尽,开采下组煤已经成为不可避免的事实,下组煤开采必然面临着底板灰岩突水的威胁。本文通过采用基于G IS和证据理论(D-S理论)下的数据融合技术,对煤矿的底板灰岩突水进行了分析和预测,实现了比较好的效果。