含能材料损伤裂纹的工业CT图像分析

高聚物粘结炸药(PBX)可看作由炸药晶体及各种添加剂构成的多组份复合材料,为研究温度冲击时裂纹在炸药内部结构中扩展的过程,采用微焦点X射线CT扫描技术获得不同温度冲击条件下,炸药破裂过程中的一系列CT图像.本文根据CT差值图像,由是否出现线状影像判断裂纹的存在,通过变换CT差值图像中像素值的阈值范围分析裂纹的分布特点.基于CT物理原理对裂纹区域进行选取和定量化描述,研究了含能材料CT图像中裂纹形态判定和扩展方式的问题,从理论上探讨了含能材料损伤破坏的细观机理,为今后进一步利用CT进行材料疲劳寿命等相关分析提供一种新的方法.     

A rule-based parameter aided with object-based classification approach for extraction of building and roads from WorldView-2 images

Roads and buildings constitute a significant proportion of urban areas. Considerable amount of research has been done on the road and building extraction from remotely sensed imagery. However, a few of them have been concentrating on using only spectral information. This study presents a comparison between three object-based models for urban features’ classification, specifically roads and buildings, from WorldView-2 satellite imagery. The three applied algorithms are support vector machines (SVMs), nearest neighbour (NN) and proposed rule-based system. The results indicated that the proposed rules in this study, despite the spectral complexity of land cover types, performed a satisfactory output with an overall accuracy of 92.92%. The advantages offered by the proposed rules were not provided by other two applied algorithms and it revealed the highest accuracy compared to SVM and NN. The overall accuracy for SVM was 76.76%, which is almost similar to the result achieved by NN (77.3%).     

地理信息系统支持下的山区遥感影像决策树分类

山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法（C 4.5算法）自动提取知识，基于知识建立决策树用于山区影像分类，并结合研究区土地利用类型与DEM空间统计关系的先验知识，在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比，该方法极大地改善了山区地表覆被分类的精度，得到试验区较为可靠的遥感分类图像。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

新疆兴地断裂带东段左行走滑位移——来自卫星遥感影像的证据

兴地断裂带近EW向贯穿库鲁克塔格地区,其活动历史地质界有不同认识,但对位移量无系统论述。利用卫星遥感影像解译,在进一步确定断裂带具体位置及几何特征基础上,通过对被错断的泥盆纪阿尔皮什麦布拉克组、石炭纪花岗岩及侵入该花岗岩中的暗色岩墙断距的测量,确定其东段左行走滑位移量为8.26～9.19 km。根据被错断地质体时代,推测这一左行走滑位移代表了该断裂带二叠纪以来总位移量。从泥盆纪开始,该断裂带已不具构造分区作用。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

异源多分辨率卫星影像匹配算法研究

以异源多分辨率遥感卫星影像为研究对象,对影像特征提取、特征描述、特征匹配及匹配提纯算法进行了较为深入的研究;并将不同的特征提取与匹配算法进行组合,通过试验对比得出了各种算法的适用性。在此基础上,设计了一套面向异源多分辨率卫星影像的匹配流程。     

空基下视时序影像瞬时成像模型研究

物方空间的物体随着时间的推移进行着绝对运动,运动导致了相对位置的变化,时间序列影像记录了物方三维空间的动态变化。本文基于下视时间序列影像的动态特性,在共线方程中引入时间元素,提出了空基下视时间序列影像瞬时成像模型,描述了动态“物像”间的瞬时投影关系;针对地表不同类型动态物体,构建了“由像到物”的应用模型,实现了从像方动态特征计算地表物体特征的目的。通过仿真和真实航空下视序列影像的试验与分析,验证了序列影像瞬时成像模型能够定量计算像地动态特征。     

Automatic urban building boundary extraction from high resolution aerial images using an innovative model of active contours

To present a new method for building boundary detection and extraction based on the active contour model, is the main objective of this research. Classical models of this type are associated with several shortcomings; they require extensive initialization, they are sensitive to noise, and adjustment issues often become problematic with complex images. In this research a new model of active contours has been proposed that is optimized for the automatic building extraction. This new active contour model, in comparison to the classical ones, can detect and extract the building boundaries more accurately, and is capable of avoiding detection of the boundaries of features in the neighborhood of buildings such as streets and trees. Finally, the detected building boundaries are generalized to obtain a regular shape for building boundaries. Tests with our proposed model demonstrate excellent accuracy in terms of building boundary extraction. However, due to the radiometric similarity between building roofs and the image background, our system fails to recognize a few buildings.     

以SRTM-DEM为控制的光学卫星遥感立体影像正射纠正

针对全球测图缺少统一的控制基准的问题,提出了利用SRTM-DEM作为控制基准,对光学卫星遥感影像进行正射纠正的方法。首先,对光学卫星影像构建的立体影像对进行自由网平差并制作DEM;然后,以SRTM-DEM作为控制,将DEM作为单元模型,进行独立模型法DEM区域网平差,获得单元模型的定向参数;最后,改正立体影像的成像几何模型参数,进行正射纠正。选取湖北咸宁和江西某地两个测区的资源三号数据进行试验,试验结果表明,资源三号正视全色影像的平面定向精度由12.93像素提高到6.85像素。