基于图像测量的岩土破损信息的判读

以CT图像资料为例,利用物理特征值分析和裸眼观察法分别对岩土材料损伤出现的时间进行了估计,证明单纯观察判断的局限性,随后利用等值线法确定了损伤出现的位置和扩展的方向,接着通过对试样区CT数的最大、最小值随加载变化曲线进行考察,确定了无损区、损伤区和破裂区的分区界限值,在该阈值下对各区进行了图像的二值化,最后对二值图进行了形态、几何和物理特征值的定量化描述。     

采用小波和分形维的高光谱遥感影像特征提取

由于omis影像128个波段间具有较强的相关性,可对高光谱响应曲线采用小波分解,用噪声较小波段的部分高频信息代替噪声较大波段的相应高频信息对其进行小波降噪。再对降噪后的影像采用db4函数进行7级小波分解,对各级小波系数取一范数后,用最小二乘法对各级分解对应的范数在半对数坐标系下线性拟合,根据直线斜率求取各像元分维值,最后实现分类。通过实验,证明了此方法的有效性。     

结合空间辅助面特征的区域自动配准

提出了一种新的基于空间辅助面特征的主被动遥感影像区域自动配准方法,该方法借鉴了全局区域配准高精度与局部区域配准低复杂度的算法特征,采用正、反函数变换法提取具有相同角度和尺度的空间特征,并采用归一化互相关系数法定义灰度相似性,通过构建空间辅助面,将空间特征和灰度相似性有效地结合起来,共同用于影像的自动配准。文中选取了SPOT与ASTER影像、ASAR和ASTER影像两组数据进行实验,并提取基准影像和配准后待配准影像的不同部位相间拼接形成结果图,从中可以看出各种地物在拼接处表现自然平滑。实验结果证明,该方法简单易行,且配准精度较高。     

基于少量控制点的Radarsat-2影像快速几何纠正技术研究

Radarsat-2卫星依据其搭载的GPS接收机可实现3倍中误差小于60m的精确实时定轨。由此本文提出依据其影像元数据信息实现快速几何纠正的方法,该方法利用少量的几个控制点来消除Radarsat-2影像与待纠正参考系间的系统误差。从而实现Radarsat-2影像的快速几何纠正。本文并依据SAR斜距成像原理的纠正公式和实地采集的GPS数据,验证了元数据中所提供RPF模型的内部精度和外部符合精度。通过实验验证了本快速纠正技术可以获得中误差小于2个像素的平面几何纠正精度。     

SAR图像ROEWA边缘检测器的改进

针对指数加权均值比(ROEWA)边缘检测算子无法准确确定边缘位置和边缘方向的问题,对其表达式进行了改进。重新定义了反转的、带符号的、归一化最小指数加权均值比(IROEWA),作为边缘强度指标,来量化描述边缘的跃变程度,并在此基础上准确计算出边缘的方位。同时将改进的非极大值抑制算法应用到边缘检测流程中,对IROEWA得到的边缘强度图进行后处理。针对自然SAR图像和仿真SAR图像的实验都表明,改进算法能够得到比ROEWA加分水岭分割的原始算法更好的边缘检测结果。利用接收者操作特征(ROC)曲线,对改进算法进行量化评价,其曲线下面积(AUC)可达0.97570,非常接近理想的检测器;在其ROC曲线的最优点处,检测率可达0.95232,而虚警率仅为0.00214左右。     

四射珊瑚AuloPhyllum fungites骨骼微细构造的电镜研究

本文对Aulophyllum fungires （Fleming）,1828的骨骼微细构造进行了扫描电镜研究.结果表明,其骨骼纵列构造和横列构造全由纤状骨骼方解石晶针构成.晶针大小可分两级:大者在隔壁和横板中,大小近相等,其平均长度为32μm,平均直径为4μm;小者在鳞板,内斜板和柱隔壁中,其平均长度为10μm,平均直径2μm.晶针只在隔壁中沿轴部组成一排晶（?）,其平均直径为30—60μm,晶（?）两侧晶针组成晶束几近垂直,并间歇生长.在纵切面上,横板与隔壁相接处,间歇生长线是连续的,说明两者同步增长和形成过程相同.     

四种滤食性贝类滤食器官鳃的扫描电镜观察

利用扫描电子显微镜技术对海湾扇贝、栉孔扇贝、太平洋牡蛎、菲律宾蛤仔４种滤食性养殖贝类的滤食器官鳃的形态结构进行了观察和比较。结果表明：１、４种贝类的鳃纤毛是极其发达的,鳃丝内侧分布大量的粘液细胞;２、海湾扇贝、栉孔扇贝鳃丝的侧纤毛不如太平洋牡蛎和菲律宾蛤仔的发达,太平洋牡蛎鳃丝内侧纤毛很发达;３、４种贝类鳃丝之间的距离都大于２０μｍ,鳃丝间距排序为菲律宾蛤仔＜海湾扇贝＜栉孔扇贝＜太平洋牡蛎。从电镜观察的结果看,贝类的取食与鳃的结构及鳃丝上纤毛的运动密切相关。     

基于双极化SAR图像的U-Net海冰多分类模型

北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习U-Net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的U-Net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%～19.04%, 0.063～0.321和0.111～0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization, HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization, HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray leve...     

LiCl化学剥离辉钼矿的实验研究

为了制得超细化的二硫化钼,采用LiCl剥离辉钼矿。在室温下,将一定量的二硫化钼加入到氯化锂水溶液中,经搅拌、超声振荡,得到有沉淀的溶液。经过滤、水洗、干燥,用XRD,SEM表征,结果表明二硫化钼的径厚比明显减小,层厚达到约19nm。其原因可能是锂离子进入到MoS2的层间,撑开了二硫化钼层化学剥离所致。     

增强型DeepLab算法和自适应损失函数的高分辨率遥感影像分类

高分辨率遥感影像地物复杂,分类难度大,而深度学习方法可以提取地物更多更深层次的特征信息,适用于高分辨率遥感影像的地物分类。本文研究对高分辨率影像中不透水地面、建筑、低矮植被、树、车辆等地物的高精度分类。结合遥感多地物分类的特点,以DeepLab v3+网络模型为基础,提出E-DeepLab网络模型。主要改进为：（1）改进编码器和解码器的结合方式,使用简洁有效的加成连接方式。（2）缩小单次上采样倍数,增加上采样层,提高编码器与解码器连接的紧密性。（3）使用改进的自适应权重损失函数,自动调节地物损失权重。同时根据数据特点,提出结合DSM、NDVI数据等多通道训练方式。使用两个地区数据进行实验,结果表明,两地区精度均明显优于原始DeepLab v3+模型和其他相关模型,Potsdam地区总体提取精度达到93.2%,建筑物提取精度达到97.8%,Vaihingen地区总体提取精度达到90.7%,建筑物提取精度达到96.3%。目视对比分类图和标准标记图,两者具有高度的一致性。本文所提出的E-DeepLab网络在高分辨率遥感影像地物高精度提取和分类中有较好的应用价值。