前墙结构对OWC气室捕能效果影响的数值研究

基于不可压缩黏性流体理论和VOF(Volume of Fluid)方法建立了二维数值波浪水槽模型,将模拟波形与波浪理论值进行对比,分析了模型可靠性,并利用该模型研究了5种不同前墙结构OWC气室在不同波高、周期时的出气口速度和气室内空气压强。基于模拟结果,从波能-动能转换效率和气室内空气压强角度分析了前墙结构对OWC气室的捕能效果的影响。结果表明:对于传统的直立型OWC气室,采用合适的前墙结构可有效提高OWC气室的捕能效果;相比三角截面(20D型,30D型)和矩形(Y型)截面前墙,采用椭圆截面(20TY型,30TY型)的前墙结构的捕能效果更优,且在周期较大(1.6和1.8 s)时其作用更显著,其波能-动能转换率相对Y型前墙结构气室平均提升37%;5种前墙结构不同的气室中,20TY型和30TY型前墙结构气室的捕能效果最优。     

贵州罗甸纳饶剖面石炭系维宪阶-谢尔普霍夫阶界线附近的有孔虫

贵州罗甸纳庆剖面是竞争谢尔普霍夫阶底界全球界线层型剖面和点位的最有力候选剖面之一.纳饶剖面紧邻纳庆剖面,是其辅助剖面.纳饶剖面维宪阶-谢尔普霍夫阶(Viséan-Serpukhovian)界线层段的牙形刺生物地层已经初步建立,可与纳庆剖面直接对比.纳饶剖面V/S界线位于41.8 m处,是以牙形刺演化谱系L.nodosa...     

应用Supernatural GIS进行3维城市数据分区管理的方法研究

探讨了3维城市数据管理的有关问题,基于3维GIS软件Supernatural GIS研究了3维城市模型大场景海量数据的分区管理、动态调度和快速显示问题,提出了应用Supernatural GIS实现城市3维可视化及大范围城市景观动态漫游的解决方案。     

多桩段工程边坡3维建模方法研究

使用多桩段边坡的角点数据插值生成边坡场景的地形数据,运用OpenGL的自动化技术实现了多桩段边坡的3维建模。使用分块纹理映射的方法,克服了OpenGL渲染机对影像纹理大小的限制。应用低分辨率纹理映射和选择边坡增强纹理分辨率的映射的方法实现了场景的快速建立和漫游,解决了对多桩段边坡的大场景渲染效率与分析时需要的视觉效果的冲突问题。研究成果能够被用于实际工程中,为边坡的辅助设计提供了支持。     

数字地面模型LOD算法的实现

利用点的三角形化构建一个3维地面模型,设计了一个基于三角形折叠的LOD算法,该算法不需任何计算即可达到快速实现模型的渐进式还原,大大提高了3维显示速度,最后调用OpenGL函数有效地显示3维地形模型。     

不动产空间数据二三维一体化存储设计与应用探讨

通过对不动产空间数据和ArcGIS的GeoDatabase数据模型的分析,设计了不动产登记空间数据成果二三维数据统一存储的规则和方法,从而为不动产登记成果的二三维系统应用提供了数据支撑。     

改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题,本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值,提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子,结合进化因子并利用高斯图函数调整分数阶次a系数以实现精确计算和快速收敛;根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力;同时将二维Renyi熵单阈值扩展到多阈值分割上,并结合改进的分数阶达尔文粒子群算法,将二维Renyi熵多阈值应用于遥感图像分割中仿真结果表明,与其他2种智能优化分割算法相比,本文分割算法在细节处理和分割精度上均有明显优势,在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%.     

差分层析SAR技术研究现状分析

差分层析SAR是在层析SAR基础上发展起来的一种四维信息反演技术。它不仅实现了对雷达目标的三维分辨能力,同时可以获取目标的形变速率信息,可实现对目标方位-距离-高度-时间四维成像,这对实现城市基础设施动态形变监测、古建筑风险评估、重要工程安全监测等应用具有重要实际意义和价值。本文基于差分层析SAR成像原理,分析了成像处理过程中存在的问题,总结了差分层析SAR成像算法研究现状和特点;最后列举了差分层析SAR技术的主要应用领域,并对其技术发展趋势进行了展望。     

加权空-谱联合保持嵌入的高光谱遥感影像降维方法

高光谱遥感影像数据量大、波段数多,容易导致“维数灾难”。传统流形学习方法一般仅考虑其光谱特征,忽略了空间信息。为此提出一种非监督的基于加权空-谱联合保持嵌入(WSCPE)的维数约简算法。首先采用加权均值滤波(WMF)方法对高光谱影像进行滤波,以消除噪点和背景点的干扰。然后根据遥感影像地物分布的空间一致性,通过采用加权空-谱联合距离(WSCD)来融合像素点的光谱信息和空间信息,有效选取各像素点的空-谱近邻,并根据像素点与其空-谱近邻点之间的坐标距离来有区别的利用其近邻点进行流形重构,提取低维鉴别特征进行地物分类。在PaviaU和Indian Pines数据集上的分类结果表明,总体分类精度分别达到了98.89%和95.47%。该方法在反映影像内部流形结构的同时,有效融合了影像的空间-光谱信息,故能提高影像特征的鉴别性,并提升分类性能。     

利用线性判别分析的LDA-SIFT影像匹配算法

针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。