基于形状先验和图割的高分辨率遥感影像道路提取

给出一种从高分辨率遥感影像中提取道路的方法。先对遥感影像进行滤波预处理获取纹理特征;再以图割解算经典能量函数获取道路图斑,其中利用高斯混合模型构建T链;接着利用直线匹配法获得初始道路段;最后用图割解算融合了两种形状先验的能量函数,结合动态外推的思路连接道路段。对不同遥感影像的实验证明了算法的有效性。     

采用形状相似性约束的居民地匹配质量检核机制研究

形状是居民地要素最基本的几何特征之一,也是居民地匹配质量检核的重要依据。针对现有居民地形状度量方法对居民地形状特点利用不充分等问题,提出了一种关键点分段内插的形状相似性度量方法,作为形状约束的度量方法。利用形状相似性度量结果对匹配质量进行检核,发现其中的匹配错误。通过实验验证了该方法的可行性和实用性。     

结合形状与同质特征的遥感影像城市道路提取方法

遥感影像中的城市道路提取易受建筑物、阴影、车辆等噪声干扰,仅利用光谱特征或几何特征难以实现道路的完整提取。针对这一问题,首先从影像的梯度图出发,同质化遥感影像。接着通过形状特征,移除噪声,凸显道路信息。最后利用知觉组织约束算子筛选道路种子点,连通形成道路网。实验以QuickBird影像数据为样本,结果表明提出的算法能够有效实现城区道路提取。     

AlexNet支持下的地图建筑物形状分类方法

地图目标的形状在地图制图综合、空间查询等研究中发挥着重要作用。地图建筑物形状的识别与分类作为建筑物轮廓化简与典型化的基础,一直是制图综合研究的热点问题。目前,主要的建筑物形状识别方法主要依赖对建筑物轮廓的描述,对建筑物等地图面状要素的形态特征有较强的依赖性,通常只在应对特定类型的规则轮廓或直角化轮廓时能发挥较好的效果,对于形状不规则或复杂的情况识别不佳。本文提出一种AlexNet支持下的地图建筑物形状分类方法,将矢量地图中建筑物数据的形状分类问题,转化为建筑物栅格图像的分类问题,通过完成卷积神经网络的图形分类实现建筑物的形状识别。该方法首先结合空间认知规律提出一系列典型建筑物形状类型,然后利用矢量-栅格转换的方法从OSM数据采样单体建筑物栅格图像,通过人工标识获得建筑物形状分类训练样本,训练AlexNet卷积神经网络分类模型,最后利用训练好的模型对大比例尺建筑物数据进行智能形状分类与识别。本文利用北京、香港2个城市的OSM建筑物数据作为样本训练建筑物形状分类模型,并在广州部分城区的OSM建筑物数据上进行验证。相较传统形状相似性度量方法,本文提出的方法对实验区建筑物的识别分类总体查全率提...     

雨滴尺度谱谱参数和形状因子的分析

作者计算了３次降不过程的雨滴尺度谱参数，并进行Ｍ－Ｐ分布拟合和Г分布拟合。同时还计算了雨滴谱形状因子Ｓ（Ｚ，Ｒ），分析了形状因子与雨强之间的关系。     

顺应式海洋平台慢漂运动物理模型试验研究

为研究顺应式海洋平台慢漂运动的影响因素,以截断圆柱和漂浮方箱为例进行了不规则波作用下的慢漂运动模型试验。测量了不同系泊刚度条件下的漂浮方箱以及相同系泊刚度条件下的截断圆柱和漂浮方箱在静水中自由衰减运动和在不规则波中的运动响应,并将运动响应分解成一阶波频运动响应和二阶低频运动响应,分析了系泊刚度和浮体形状对浮体运动的影响。通过物理模型试验发现了系泊刚度及浮体形状对顺应式系泊浮体一阶运动标准差和二阶低频运动平均漂移值和标准差的关系。结果表明由于顺应式浮体的固有周期远离波浪谱峰周期时,系泊刚度以及浮体形状对慢漂运动的一阶运动响应影响不大;二阶低频运动相对偏离平衡位置的平均值和标准差均随系泊刚度增大而减小,浮体形状同样对慢漂运动的二阶低频纵荡运动响应影响较大。试验结果为实际海洋工程的外形选择和系泊刚度选择提供数据支持。     

基于最大球算法定量表征土体空间孔隙网络

孔隙网络控制着土体渗流、排水固结与基质吸力等重要工程性质。本文介绍了多孔介质孔隙网络最大球建模基本原理与算法。以显微CT扫描振捣干法生成的南京粉砂试样为例,采用最大球算法建立了试样三维重构模型表征单元体(REV)的空间孔隙网络球棍模型,计算得到了样品REV尺度的孔隙网络参数,统计发现,孔隙半径、喉道半径、孔隙配位数、孔隙截面形状因子、喉道截面形状因子与喉道长度等孔隙参数均近似服从正态分布,孔隙体积近似服从衰减型指数分布。孔隙与喉道半径分别分布在100μm与65μm以内,两者数学期望分别为40. 0μm与18. 0μm;配位数分布在25以内,数学期望为5. 1;孔隙与喉道截面形状因子分别分布在0. 01~0. 04与0. 01~0. 05的区间内,两者数学期望分别为0. 019与0. 033;喉道长度分布在100~800μm以内,数学期望为292. 22μm。同时发现,样品中体积小于1. 5×10^7μm^3的小孔隙数量超过90%。本方法可应用于土体细观孔隙结构的定量表征。     

拖网模型试验与实船测试结果的比较

本文讨论雷诺数，佛洛德数、牛顿数在拖网模型试验中的意义。合成纤维网衣在水中重量与水动力相此可忽略不计，拖网及其模型均处于广义佛洛德数的自动模型区域内。实物网处于雷诺数的自动模型区域内，但其模型位于小雷诺数范围。换算阻力时需进行雷诺致修正，现有田内，巴拉诺夫，迪克逊网渔具模型试验定律，可用于拖网模型试验，但也可用牛顿数安排试验。模型试验结果经雷诺数修正，并换算到实物网，与海上实测结果符合良好。上述结论仅依据有限试验得出，尚需进一步验证。     

Shape Similarity measures of Linear Entities

The essential of feature matching technology lies in how to measure the similarity of spatial entities.Among all the possible similarity measures,the shape similarity measure is one of the most important measures because it is easy to collect the necessary parameters and it is also well matched with the human intuition.In this paper a new shape similarity measure of linear entities based on the differences of direction change along each line is presented and its effectiveness is illustrated.