基于HRCT诊断模型鉴别纯磨玻璃结节样肺腺癌浸润程度研究进展

鉴别肺纯磨玻璃结节样肺腺癌的浸润程度对于临床管理及改善患者预后有重要的指导意义,目前已开发出多种诊断模型用于此。本文结合国内外相关文献,介绍基于HRCT表现的诊断模型在鉴别肺纯磨玻璃结节样肺腺癌的浸润程度研究现状及价值评估等,对其研究进展及临床应用前景进行综述。     

利用C-F模型识别僵尸网络迁移

基于C-F模型识别僵尸网络的迁移,以僵尸网络迁移过程中表现出的多个特征为基础,提出了一种识别僵尸网络迁移的方法,能够协同多个特征判断给定的两批僵尸主机是否具有迁移关系。通过几个典型僵尸样本的评测,有效地识别了僵尸网络的迁移行为。与单纯采用IP地址重合度的方法进行了对比,在僵尸网络成员数量动态变化的情况下,仍然保持了理想的识别结果。     

三度体（物性随深度变化模型）位场波谱的正演计算

本文将均质的任意二维、三维物体位场的波谱解析表达式的研究成果推广到变密度、变磁化强度的更一般的情形。对密度差随深度呈指数函数衰减或线性变化的模型,获得了任意倾斜多边形质量面、斜平行六面体以及一般的多面体等形体的重力谱的解析表达式。它们的结构与均质体相应表达式一样简单,易于计算。以上结果表明,在很一般的条件下,位场波谱具有指数函数和的形式。     

速度随深度线性增长时反射剖面图的繪制方法

在很多地区地震波传播的真速度与深度的关系符合于线性规律V=V0（1+kz）,式中V0为地面速度,z为深度,k为常数.这时根据t0值可求得等时线的圆心深度z0及半径r:z01/k（ch（1/2）V0kt0—1）,（1）R=1/ksh1/2V0kt0.根据t0值和其附近时距曲线斜率△t/l可计算出反射面倾角φ.     

用激发极化测深估算激发体深度的一个实用方法

与电阻率测深相似,激发极化测深(以下简称ВП_(вэз))也能用来确定矿体的埋藏深度。由于岩石矿物激发极化特性比较稳定,在金属矿床上用激发极化测深来确定矿体埋藏深度,比电阻率测深要优越得多。但由于目前还没有一套系统量板,而且除了几种比较简单的情况以外,理论公式的推导问题也还未全部解决。     

在山区试用高精度重力测量普查金属矿

本区为黄铁矿型铜和多金属矿的山区.在四个已知矿体中,有两个大型致密矿体已经爆破,进行了露天开采.故试验工作仅限于其他两个矿体.其一为致密铜铅锌矿（以下简称甲矿）矿体作急倾的平板状.中部浅,两端倾状.其二为浸染矿床（以下简称乙矿）,由数个平行矿条组成,其中夹有富集的网脉状矿层.根据计算,体积如甲矿的致密矿体埋藏深度不超过200米,能产生0.4—2.5毫伽的重力异常.但同等尺度的浸染矿体刖仅当埋藏深度小于20米时,才能引起0.4毫伽的异常.因此要发现上述矿床,必须保证重力测量误差（包括重力仪观测误差,各项改正误差）不大于±0.1毫伽.     

基于颜色迁移的单极化SAR图像伪彩色增强

本文从颜色信息角度出发,提出了一种基于颜色迁移的单极化SAR图像彩色增强方法。该方法通过伪彩色编码将SAR图像变为过渡彩色图像,运用保持细节的颜色迁移方法在颜色迁移的过程中保留SAR图像的细节信息,用改变各通道系数的方式进行色调调整使得SAR图像与光学图像有着相同的颜色信息,并通过实验证明该方法的有效性。     

迁移学习支持下的高分影像山地滑坡灾害解译模型

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。     

面向WebGL的矢量数据三维绘制技术

矢量数据的叠加显示能够提高三维虚拟地球的表达效果与分析能力。受限于GPU的计算精度,在三维虚拟地球中矢量数据绘制普遍存在抖动现象和深度冲突现象。对基于WebGL的矢量数据三维绘制中计算精度问题进行了分析,提出了使用CPU RTC技术和GPU RTE技术提高顶点变换的精度,使用多视锥渲染算法和深度平面技术解决深度缓存精度问题。实验证明,这几种技术和算法可以有效缓解抖动现象和深度冲突现象导致的视觉干扰,改善了各种尺度和范围的矢量数据在三维地形上的叠加显示效果。     

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。