基于U型卷积神经网络的航空影像建筑物检测

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30 km²、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。     

基于卷积神经网的CCTV视频中排水管道缺陷的智能检测

作为地下空间信息测绘工作的一个重要部分,基于排水管道内部测绘信息的管道缺陷检测越来越受到人们的重视。CCTV技术是一种广泛使用的排水管道内部测绘与缺陷检测技术。近些年基于卷积神经网的人工智能技术在图像识别中取得了巨大成功,受此启发,提出了一种基于卷积神经网络的排水管道缺陷的检测方法,以提高CCTV视频中的管道缺陷检测的自动化和智能化。试验证明了该方法的有效性,其在缺陷识别的准确率和召回率及识别速度上均满足了排水管道缺陷智能检测的需要;同时该方法也已经在深圳市的排水管道检测中得到广泛的应用。     

基于Faster R-CNN的食品图像检索和分类

面向食品领域的图像检索和分类等方面的研究成为多媒体分析和应用领域越来越受关注的研究课题之一.当前的主要研究方法基于全图提取视觉特征,但由于食品图像背景噪音的存在使得提取的视觉特征不够鲁棒,进而影响食品图像检索和分类的性能.为此,本文提出了一种基于Faster R-CNN网络的食品图像检索和分类方法.首先通过Faster R-CNN检测图像中的候选食品区域,然后通过卷积神经网络（CNN）方法提取候选区域的视觉特征,避免了噪音的干扰使得提取的视觉特征更具有判别力.此外,选取来自视觉基因库中标注好的食品图像集微调Faster R-CNN网络,以保证Faster R-CNN食品区域检测的准确度.在包括233类菜品和49 168张食品图像的Dish-233数据集上进行实验.全面的实验评估表明：基于Faster R-CNN食品区域检测的视觉特征提取方法可以有效地提高食品图像检索和分类的性能.     

不同压实度荆门弱膨胀土的一维膨胀-压缩特性

为探讨压实膨胀土的体变行为,以荆门弱膨胀土为研究对象,借助高压固结仪对6种制样压实度下的膨胀土试样进行了一维无荷载膨胀和含一次卸载-再加载循环的压缩试验。基于膨胀试验结果,构建了膨胀时程方程,通过参数分析,明确了方程参数的物理意义,并建议了膨胀时程曲线3阶段的划分方法。基于压缩试验结果,探讨了固结屈服应力、压缩指数Cc、回弹指数Cs、膨胀力与制样压实度、土体结构性、膨胀势、孔隙比的相关关系。试验结果及其分析表明,膨胀土体积变化是膨胀势与外部荷载、湿度变化的耦合作用结果,且具有强烈的水-力路径依赖性。     

Cu(Ⅱ)污染作用下膨胀土的胀缩时程效应研究

为探讨Cu(Ⅱ)对膨胀土胀缩特性的影响,针对初始状态相同的膨胀土试样,采用浓度为2.5 g·L-1、5.0 g·L-1、10.0 g·L-1的CuSO4溶液以及去离子水进行处理,开展一系列重金属Cu(Ⅱ)污染作用下的胀缩性试验,并运用Does Response模型对胀缩时程曲线进行描述;利用马尔文激光粒度测试,分析了污...     

基于深度学习的新增建设用地信息提取试验研究: 全国土地利用遥感监测工程创新探索

目前基于遥感图像的城市功能区分类方法通常采用光谱特征解译、兴趣点数据辅助、评价策略优化等方式,依赖大量人工操作,并借助遥感图像外的其他信息源。为了解决以上问题,提出利用卷积神经网络进行滑窗识别,提取图像语义标签,结合语义推理机制实现城市功能区分类的滑窗-推理方法。首先,建立两级城市功能区分类,以二级城市功能区为标识标注训练样本,并以此训练卷积神经网络作为识别器;然后,设计有重叠的滑窗识别模式,使用识别器辨识滑窗区域内图像块的二级城市功能区类型;最后,提出一个带权重的打分机制,作为语义推理方式,语义推理对象为全部识别结果,确定各图像块的一级城市功能区类型,实现遥感图像城市功能区分类。实验使用模拟图像和高分辨率遥感图像,两种图像的总分类精度分别可达94.50%、92.04%。滑窗-推理方法旨在通过语义推理处理滑窗识别产生的多语义标签,根据多语义标签确定对象的真实城市功能区。实验结果表明,所提方法无需辅助信息,直接利用遥感图像进行城市功能区分类是可行和有效的。     

融合光谱指数与高分影像的塑料大棚语义分割模型

针对现有场景分类方法特征表征能力差以及单视角遥感影像分类精度难以提升的问题,提出一种融合多尺度注意力的多视角遥感影像场景分类方法。首先,将航空图像和地面图像构造成正负图像对,并划分为训练集、验证集和测试集;其次,构建融合多尺度注意力的卷积神经网络并训练,通过特征融合模块得到融合注意力且表征能力更强的特征,实现多尺度特征学习;然后,利用训练的多尺度注意力网络分别提取航空图像和地面图像特征并进行融合;最后,基于融合后的特征使用支持向量机进行场景分类。实验结果表明,相比现有方法,所提方法在两个公开数据集上均取得了更高的分类精度,改善了单视角场景分类效果,同时也证明了多视角所提供的补充信息能进一步提升遥感场景分类的准确性。

     

利用风云3D微波成像仪数据估算北极海冰密集度的精度评价

卷积神经网络（convolutional neural network, CNN）已用于星载全球导航卫星系统反射测量（global navigation satellite system-reflectometry,GNSS-R）海冰检测,其具有数据预处理简单、最大限度保留反射面信息等优势,但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小,代表性有限,且未考虑训练集内海水、海冰时延多普勒图（delay-Doppler map, DDM）的比例对方法泛化能力的影响。针对该问题,首先提出一种筛除畸形DDM方法,有效筛除错误数据;然后,设计合适的CNN结构及参数,通过小样本对比实验发现CNN模型在训练集内海水、海冰DDM的比例为1∶1时具有高准确率和最佳泛化能力,并优化数据集选取策略;最后使用2018年全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明,改进的方法通过加强数据质量控制、优化数据集选取策略,提升了CNN海冰检测方法的泛化能力及可靠性,使其更适用于实际应用场景,为海冰消融等研究提供参考。

     

考虑卷积完全匹配层数值色散的井间电磁三维正演

本文将以卷积完全匹配层为吸收边界条件的时域有限差分法应用到井间电磁的三维正演模拟中. 证明了卷积完全匹配层中的数值色散会因为有效延伸因子而产生,列举常规有效延伸因子和网格间距对电磁波相速度各向异性的影响,并通过波场快照验证卷积完全匹配层中数值色散的存在;进而推广三维卷积完全匹配层中最大有效延伸因子、最大网格间距与激励源主频之间的约束,以此完善卷积完全匹配层的最优参数设置方案. 在此基础上,通过正演结果中二次场的垂直磁场分量和走时来展示灵敏度分布,以此划定井间电磁勘探的优势区域,提出井间电磁正反演所需要的约束测井系列和最佳取井方案.     

基于热力耦合数值模拟的膨胀土深基坑变形特性研究

膨胀土的胀缩特性、裂隙性、超固结性常对膨胀土地层中的工程建设造成不良影响,以热-力耦合数值模拟为基础对膨胀土深基坑开挖过程中的受力变形特性进行研究。首先由室内试验测定原状膨胀土的膨胀力,然后以FLAC3D热-力耦合模块模拟一环刀土样推导目标膨胀力下的膨胀系数,最后以扬州某膨胀土深基坑为例,计算上述膨胀系数下深基坑在开挖过程中的受力变形特性,并与基坑实测数据进行了对比。结果表明：（1）围护结构侧向变形轮廓线为鱼腹型,最大侧向变形位置发生在开挖面以上一定范围内,最大侧向变形值大致为（0.15%～0.30%）H;（2）立柱隆沉曲线平缓,数值大致处于（-0.04%～0.14%）H;（3）墙后地表沉降槽呈型,影响范围达到了2.5He以外,最大地表沉降值为vm=（0.05%～0.15%）H,最大地表沉降与最大围护结构侧向变形的关系约为vm=（0.33～0.56）hm;（4）土压力值均处于视土压力包络线范围以内,大致为1.07He。