Detection and 2d modelling of cavities using pole–dipole array

The resistivity method is often used in cave prospecting. In this paper the pole–dipole array ability to detect cavities at different depths and with different water contents is investigated. The research was performed using analogical and numerical modelling. According to the results, empty caves at a depth less than four times its diameter can be easily detected. The ability of the pole–dipole array to detect water-filled caves reaches a minimum at filling percentages of 30–50%. Overburden effects research shows that low resistivity overburden reduces the resolution capability of the array. This study shows that equivalent results can be obtained by modelling the empty caves as infinite resistivity bodies or, alternatively, as very high resistivity ones. The analysis of field data acquired in the Maciço Calcário Estremenho (Portugal) shows the practical importance of the pole–dipole array in cavities prospecting.     

复杂条件下的地下管线探测技术

以深圳市某大道顶管施工地下管线的探测成果为例,研究了在复杂场地条件下,探测地下管线的地球物理方法和技术,着重研究了电磁感应探测法.认为在复杂条件下,对钢质煤气管,应采用电磁感应探测法;对钢质或铁质给水管,应采用直接法;对电力管和电信管,应尽量采用夹钳法;对排水(管)渠等非金属材质管线,应采用地质雷达探测的方法.     

结合图像增强和恢复的增强现实跟踪注册

增强现实中的跟踪注册技术一直是研究的重点和难点,而地下矿道和巷道内亮度低,产生的图像较昏暗,车载相机快速运动和抖动,对传统的基于特征匹配的跟踪注册提出了挑战。本文从提高增强现实中跟踪注册稳健性和精度出发,采用基于Retinex改进的方法增强昏暗图像的亮度,同时利用基于对抗神经网络的方法恢复运动模糊图像。首先提取图像ORB特征,实现初始化;然后根据跟踪特征点的数量,开启图像增强和图像恢复线程,提高特征点提取质量和数量。在数据集和真实模拟场景下的试验结果显示,跟踪精度提高了12%左右,在低亮度和含有轻微模糊的情况下,跟踪注册稳健性也有显著提高。     

基于移动三维扫描技术的隧道管片错台分析及应用

错台是地铁隧道的主要病害之一,通常是由于盾构机施工控制不好或是隧道荷载发生变化导致,错台的发生也会引起隧道收敛变形及渗水等其他病害。传统手段主要采用人工巡检等方式进行错台情况的检测,由于受夜间窗口期短的影响,该方法效率低,成果难以精确量化。研究采用基于轨道的隧道移动三维激光扫描系统对隧道错台进行检测,通过快速获取隧道三维点云生成正射影像,并基于正射影像进行管片的划分及里程的匹配,进而根据每一环的三维点云信息计算管片错台情况。以青岛地铁2号线为例,本文介绍了移动扫描技术在地铁隧道管片错台检测的应用情况,为该技术在其他隧道的推广应用提供了一定的借鉴意义。     

深度学习支持下的地图图片典型地理目标检测

针对地图图片中典型地理目标识别问题,本文首先介绍了两种基于深度学习的目标检测方法(YOLO网络和采用focal loss替换交叉熵损失函数的RetinaNet网络),然后将地图图片分别输入两种神经网络模型中进行训练和测试,最后对目标检测结果进行对比分析。结果表明,RetinaNet网络模型对地图图片进行目标检测的准确率有明显提高,且运行速度依然可达秒级。该地理目标检测方法的高准确度与高效性可在地图审查时节约大量人力、时间成本,为地图内容智能理解及互联网地图监管提供了新的技术参考。     

结合空间上下文与慢特征分析的多光谱影像变化检测

为了提高多光谱影像变化检测的精度,本文提出了一种结合空间上下文与慢特征分析的方法。首先采用自适应空间上下文提取算法围绕像素构建自适应区域,探索像素周围的上下文信息;然后通过迭代慢特征分析,由相应像素周围的成对自适应区域定量计算成对像素之间的变化强度,增强变化区域与未变区域的可分性;最后生成变化强度图像,采用大津阈值法作二值分类,将变化强度图划分为二值变化检测图。利用Landsat 7卫星ETM+传感器的图像,与4种基于代数的方法及基于变换的方法进行对比试验,结果表明,本文方法在降低漏检方面有所改善,提高了召回率。     

融合多尺度视网膜图像增强的动态云检测

云检测是气象卫星各类定量遥感产品的基础,无论是以云图为基础的天气分析还是以去云为前提的各类大气和地表参数反演、沙尘火情等灾害检测,都需要对遥感影像中的云进行准确识别,尤其是薄云和云边缘等细节识别。针对静止气象卫星(以Himawari-8为例)精细化云检测,本文提出了一种基于多尺度视网膜图像增强的动态云检测算法。该算法基于云层与背景信息辐射特征不同的原理,构建可见光和红外波段的晴空辐射背景场,通过多尺度图像增强和最大类间差方法对辐射差值进行云细节信息的增强和提取。利用2021-2022年的75景MODIS云检测产品作为验证数据进行算法精度验证,整体上算法精度达到91.13%,召回率为94.02%,精确率为86.71%,有较强的适用性和稳健性,且已经较好地支撑了近两年的定量遥感产品业务化应用。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片(海雾、雨)的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

利用结构面对象的高分遥感影像建筑物变化检测

根据建筑物具有丰富的角点和规则的外观形状的特点,本文提出了依据线段信息生成建筑物变化检测基本单元——结构面对象的建筑物变化检测方法.从高分遥感影像中提取出建筑物的边缘线及屋顶外形线条,生成结构面对象并提取其在两时相影像中相应的特征信息,通过监督分类获取变化建筑区域.试验结果表明,利用结构面对象进行建筑物变化检测能较完整...     

元素分析仪-同位素比值质谱测量碳氮同位素比值最佳反应温度和进样量的确定

沉积有机质的碳氮稳定同位素值是进行古气候、古环境及生态系统研究不可或缺的主要研究手段,目前碳氮同位素主要利用元素分析仪-同位素比值质谱(EA-IRMS)系统来测定。EA-IRMS测定过程中的反应温度及样品进样量直接影响反应物在测试中的燃烧程度,从而影响测试数据的精度。本文利用EA-IRMS技术,以标准样品为参考,在不同转化温度下测试碳氮同位素值,研究保证测试精度的最佳反应温度条件;同时,通过分析不同含氮量样品的检测限,明确了样品含氮量与最低检测限之间的关系,确定了精确测定氮同位素值的最低进样量。结果表明:反应温度对测试精度有显著影响,在碳同位素测定时,将反应温度设定为900℃或以上时测试精度均能达到±0.2‰;氮同位素测定时,反应温度须设定为950℃时测试精度才能达到±0.3‰。实验得出样品含氮量与检测限之间的线性相关性为R2=0.873,开展氮同位素测定时可根据此关系来判断和控制进样量。