图割能量驱动的高分辨率遥感影像震害损毁建筑物检测

为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。     

From marginal to conditional probability functions of parameters in a conceptual rainfall–runoff model: an event-based approach

ABSTRACT

A parameter estimation strategy for a conceptual rainfall–runoff (CRR) model applied to a storm sewer system in an urban catchment (Chassieu, Lyon, France) is proposed on the basis of event-by-event Bayesian local calibrations. The marginal distribution formed by locally-estimated parameters is divided into conditional functions, clustering the event-based parameters based on their transferability to similar rainfall events. The conditional functions showed to be consistent with an observed bimodality in the marginal representation, reflecting two different hydrological conditions mainly related to the magnitude of the rainfall intensities (high or low). The improvements achieved by expressing the parameter probability functions into a conditional form are shown in terms of accuracy (Nash-Sutcliffe efficiency criterion), precision (average relative interval length) and reliability (percentage of coverage) for simulating flow rate in 255 and 110 calibration/verification events.     

利用目标点最小生成树的路面裂缝检测

分析路面裂缝的成像特点,提出了一种基于目标点最小生成树的路面裂缝检测方法。最小生成树具有描述空间线性聚集特征的优点,有利于实现对裂缝的全局分析和提取。实验结果表明,对不连续裂缝的处理,本文方法优于传统方法。     

顾及地理-语义动态的城市热点预测框架

城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络(PredRNN)、图卷积预测递归神经网络(GCPredRNN)和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。     

矩阵论中的图论匹配法

G.Birkhoff用代数的方法证明了如果一个矩阵是双随机矩阵,则它能表示成置换矩阵的凸线性组合.设G是具有两分类(X,Y)的二部图,则G中含有饱和X中的所有顶点的匹配M的充分必要条件为:对∀S⊆X,有d_G(S)≥|S|.文章借助上述二部图的匹配思想,给出这一结论的图论证明.     

黑铜矿、蓝铜矿、孔雀石溶解度图的绘制

本文阐述了如何用热力学方法绘制 Cu(Ⅱ)的氧化物、氢氧化物、碳酸盐矿物的溶解度图。     

云南省卫星监测火点三级定位系统

云南省卫星监测火点三级定位系统，是根据云南护林防火需求，按照地理信息系统设计思想，研制出的一套将火情快速定位到地、县、乡的计算机定位系统，实践表明，该系统可以充分发挥卫星监测林火的快速优势，特别适合山区护林防火的需求。     

利用WIN—SURFER软件绘制物化探图件

本文主要介绍了如何在ＷＩＮ－ＳＵＲＦＥＲ环境下实现物化探图件中的经纬网绘制、标准图框绘制、曲线类型图绘制方法。     

一类龙虾树优美

本文使用交错的与非交错的标号法,证明了一类龙虾树优美。