多传感器影像配准中基于虚拟匹配窗口的SIFT算法

提出了一种基于虚拟匹配窗口的SIFT算法,通过构建虚拟匹配窗口,增大SIFT特征点之间的尺度相似性,提高了匹配的几率;并通过与最小二乘法和双线性内插法的结合完成自动配准。文中选取角度和尺度偏差较大的SPOT-5(P)与TM影像进行实验,结果表明,配准精度小于一个像素。     

红外生命探测仪的研制及试验

论述了地震现场救灾被动红外生命探测的原理,详述了ＨＳＹ－ １ 型红外生命探测仪的设计和实验结果。该仪器探测距离大于１５ ｍ ,探测视场超过３５°,功耗小于１２ Ｖ５０ ｍＡＤＣ。     

DEM起伏纹理的视觉认知内涵与多变量消隐方法

地形是在内外营力的共同作用之下综合形成的,不同类型的地形具有不同的起伏形态特征,从全局或宏观的观测视角,可以视觉感知到这种地形起伏及其特征规律。纹理是众多物体表面呈现的有规律的线条组合,DEM作为地形的数据表达,不同地形类型区域的起伏形态具有纹理的显著表征。目前,对于DEM纹理研究主要是从DEM影像认知的角度出发,利用图像纹理的计算方法进行地形纹理对象描述和指标的提取,并基于获取的纹理对象进行区域地形特征分析和地貌类型的分类,在视觉上的反映存在不足。DEM起伏纹理作为一种基于某种观测视角和尺度的地形要素组合对象,首先需要对其进行系统的视觉认知,明确基于视觉认知的DEM起伏纹理构成要素和不同视觉变量控制的纹理要素组合结构,通过实现DEM起伏纹理的多维可视化建模,达到DEM数字地形建模的抽象与简化。基于此,本文以DEM地形起伏纹理为研究对象,对DEM起伏纹理进行视觉认知,明确DEM起伏纹理的涵义并建立提取方法,使用建立的方法实现了DEM起伏纹理的提取,取得了较好的提取效果。从视觉感知的机制出发,确定了决定视觉感知结果的视觉变量组合。确定了包含景深、长度和邻域等用于视觉综合的参数,设计建立了多变量的DEM起伏纹理消隐方法。最后设置视觉变量并使用该方法实现了DEM起伏纹理的消隐,消隐后DEM起伏纹理的数量分别降低了45.2%和53.2%,视觉上也取得了较理想的结果,具有一定的应用价值。     

高分辨率SAR图像中建筑物特征融合检测算法

针对高分辨率SAR图像中的建筑物检测问题,提出了一种基于视觉注意和特征融合的检测算法。首先,根据SAR图像中建筑物目标与背景存在较大差异的特点,采用视觉注意机制进行建筑物的感兴趣区分割;然后,提取位于感兴趣区域内的高亮线条和阴影区域;最后,采用D-S证据理论对注意焦点、高亮线条和阴影区域进行特征融合,实现建筑物目标的检测。实验结果表明,本文算法对矩形建筑物具有较高的检测精度。     

2013年芦山地震滑坡空间分布分析——以太平镇东北方向的一个典型矩形区为例

选择2013年芦山地震中受到强烈地震动的太平镇东北方向一个20kmxl0km的矩形区作为研究区,开展芦山地震滑坡空间分析工作.基于震后野外调查与高分辨率航片人工目视解译法,建立了研究区内地震滑坡空间分布图.结果表明,在研究区内芦山地震至少触发了688处滑坡,区域内滑坡点密度为3.44个/km2.统计了地震滑坡密度与地形因子、地层岩性、地震因子的关系.滑坡最易发高程为1 600～1 800m;滑坡密度大体随着坡度的增加而增加;E与SE方向是地震滑坡的易发坡向与高发坡向;凸坡的地震滑坡易发性最高.二叠系阳新组(Py)的灰岩与白云岩、元古界花岗岩(Pt)是地震滑坡的易发岩性.地震因子与滑坡密度的统计结果表明,大体上PGA值越大,地震烈度越高,地震滑坡越易发生;地震滑坡与距离双石-大川断裂的统计结果表明在双石-大川断裂的出露处地震滑坡密度未发生突变.因子的交互统计结果表明了坡度与PGA这2个因子作用于地震滑坡的独立性.     

室内环境下立体视觉惯导融合定位

针对室内服务机器人在居家环境下导航定位问题,本文研究了紧耦合非线性优化的立体视觉惯性融合导航方法。本文采用预积分、边缘化、滑动窗口优化等关键技术,提出了一种稳健的视觉惯性导航系统初始化方法。运用于室内家庭服务机器人中,设计并实现了对应的视觉惯性融合导航系统。在搭建的模拟居家环境下,验证了本文系统的初始化方法能够提供稳健、准确的系统初值;最后通过试验验证了本文定位系统的准确性与稳定性,定位误差可控制在0.1 m以内。     

Matlab三维可视化编程在砂岩型铀矿勘查中的应用

根据Matlab编程简单、数据处理功能强大和图形可视化方便的特点,提出了将Matlab三维可视化编程、系列物探曲线解译和砂岩型铀矿理论相结合的找矿方法。通过实例验证表明,该方法能有效地识别矿体、追索矿体走向、圈定矿体范围、分析沉积环境,可在铀矿勘查中发挥重要作用。     

深度细粒度图像识别研究综述

细粒度图像分类是计算机视觉中一项基础且重要的工作,其目的在于区分难以辨别的对象类别（例如不同子类的鸟类、花或动物）.不同于传统的图像分类任务可以雇佣大量普通人标注,细粒度数据集通常需要专家级知识进行标注.除了视觉分类中常见的姿态、光照和视角变化因素之外,细粒度数据集具有更大的类间相似性和类内差异性,因此要求模型能够捕捉到细微的类间差异信息和类内公有信息.除此之外,不同类别的样本存在不同程度的获取难度,因此细粒度数据集通常在数据分布中表现出长尾的特性.综上所述,细粒度数据分布具有小型、非均匀和不易察觉的类间差异等特点,对强大的深度学习算法也提出了巨大的挑战.本文首先介绍了细粒度图像分类任务的特点与挑战,随后以局部特征与全局特征两个主要视角整理了目前的主流工作,并讨论了它们的优缺点.最后在常用数据集上比较了相关工作的性能表现,并进行了总结与展望.     

基于BIM的高速铁路监测数据可视化研究

高速铁路变形监测项目有着数据量大、数据类型丰富、工程庞大复杂等特点,BIM技术可以用数字化的方式表达铁路工程沿线监测点、线路构筑物、基本设施设备等实体信息。本文在对高速铁路轨道检测数据和沉降监测数据可视化研究中,验证了BIM技术可用于高速铁路监测数据可视化分析、管理,并在Microstation平台下初步建立了高速铁路沉降监测BIM建模流程,可用于高铁沉降监测点成果录入、表达和管理,并在工程实例中进行了验证。     

VC.net/GS选项分析

网络上最危险的攻击手段莫过于缓冲区溢出攻击。从时间上看，缓冲区溢出这种攻击手法已经出现了20年，但是，从Windows到Linux，从操作系统、数据库服务器到工具软件，仍有新的缓冲溢出漏洞被发现和被蠕虫或者病毒利用，人们不得不考虑更多的解决方案。尽可能深入的分析VC ．net中用来抵御缓冲区溢出的／GS选项。