镇江圌山绍隆禅寺“活地”成因

"活地"是宗教的传奇,而由于以往知识与技术的限制以及宗教圣地的"不可侵犯性","活地"也成了大自然的千年未解之谜。通过现场考察和资料调研,明晰了"活地"所在地区的地质构造特征。采用高频率表面波监测、分析技术,通过现场试验,研究了"活地"附近地表浅层岩土体分布情况。采用图像分析技术,经室内试验研究得出了"活地"及周围地区出露岩石的矿物组成。最终,对于"活地"的成因提出以下看法:1.否定了地下深层生长性岩脉诱发"活地"现象的观点;2.膨胀岩及膨胀土吸水膨胀对"活地"的隆升有一定作用,但这不是"活地"的主要诱因;3.提出"活地"是岩石风化作用及特殊地理环境综合作用结果的观点:风化作用使岩体疏松、体积增大,地面隆起;两侧山体运动对其交界处岩石产生挤压作用,为"活地"的持续隆升提供动力源。     

一种基于标记分水岭的高分辨率遥感影像分割方法

为避免分水岭分割高分影像的过分割现象并充分利用高分影像的特点,该文提出一种基于标记的分水岭分割方法,即基于影像先验知识指导分割的原则,对遥感影像进行各向异性扩散平滑滤波后,计算生成融合了光谱和纹理特征的梯度图像;从梯度图像中提取标记重建对象的边缘特征,并执行基于标记的分水岭变换,得到最终的分割结果.实验表明,该方法能够充分利用高分影像的特征信息,并能有效地抑制分水岭过分割现象.     

基于ETM+影像的西藏南迦巴瓦峰地区海洋性冰川信息提取

西藏墨脱高等级公路方案线穿越冰川作用强烈的南迦巴瓦峰地区, 为查明该区冰川活动对公路工程的影响, 以ETM⁺为信息源, 以图像统计量为基础, 运用遥感数字图像处理技术, 对该区冰川进行了图像光谱信息提取与分析.冰川在 TM5、7 波段光谱值范围窄, 且冰碛与冰雪有明显的光谱差异, 是冰川信息提取的有利波段. 包含TM5、7的多波段图像K—L变换的最后主组分是TM5、7的差值图像, 主要反映的是图像中的冰川信息.这种基于图像变换、信息分离提取冰川信息的方法, 在西藏墨脱高等级公路工程勘察中取得了较好的应用效果.     

计算机辅助岩石图像分析技术的应用

在储层孔隙系统演化过程,方解石胶结作用常常是一个重要的因素。计算机辅助岩石图像分析技术（ＰＩＡ）的开发使用可以定量研究方解石胶结作用减少的孔隙度和渗透率值。利用这一技术,可以计算出孔隙面积和目前孔隙系统的比表面,从而求得孔隙度,同时建立孔隙系统的渗透率模型,估算渗透率。通过估计方解石胶结前孔隙系统的孔隙度和渗透率,恢复早期的孔隙系统。对目前的和方解石胶结之前孔隙网络的孔隙度和渗透率进行对比,可以看     

基于相干特征的岩石薄片序列图像边缘提取及颗粒分割

针对岩石颗粒边缘模糊、结构复杂的特点,为了更有效地识别颗粒边缘,在基于特征值的C3相干算法的基础上,融合多尺度和多角度的特征表达,提出了一种改进的C3相干算法。该算法综合考虑岩石薄片图像角度域光学特征、空间尺度信息和各向异性信息,能更有效地表征颗粒边缘特征,表现出对复杂矿物结构的适应能力。在采集的岩石薄片正交偏光图像上验证提出的算法,实验结果表明,与原生C3相干算法相比,改进后的C3相干算法在全局图像上的方差和灰度差分乘积分别提升了68.41%和22.91%,信息熵下降了21.61%。     

一种加密控制点的新方法--空间投影加密法

遥感图像必须经过校正才能进一步应用,当前几种常用的几何校正模型(多项式法和共线方程法)对于一些控制点缺少或整体变形不一致等情况的遥感图像的校正精度往往不能满足要求.针对图像缺少控制点的情况进行研究,提出空间投影加密这一校正模型,论述其原理、模型及校正过程,并给出实验结果.     

基于小波的水下图像后向散射噪声去除

介绍水下图像成像的特点,分析影响水下成像的主要因素:吸收和散射。在此基础上,采用小波的方法对水下图像进行去噪。首先对低频系数采用了LUM滤波器进行滤波,然后对高频系数采用了NeighShrink方法和对其改进后的ENS方法进行去噪。通过实验证实,该方法去除水下图像噪声具有较好的效果。     

深度学习PaddlePaddle框架支持下的遥感智能视觉平台研究与实现

百度深度学习PaddlePaddle框架支持下的遥感智能视觉平台,能够运用深度学习技术实现遥感影像的智能建模、训练和解译。本文通过深入分析PaddlePaddle图像分割模型库PaddleSeg的图像处理深度学习算法模型DeepLabV3+、U²-Net及RetinaNet,开发设计了遥感智能视觉平台,实现了遥感影像的地块分割、变化检测和斜框检测等专业功能。研究表明：遥感智能视觉平台提取的图斑总面积是目视解译的80%、有效图斑比例为76%、错误图斑比例为18%,实现了快速有效的遥感图像智能处理。     

基于地形特征融合的卷积神经网络滑坡识别

滑坡严重威胁着人民群众的生命财产安全。完整、准确的滑坡编录图是研究滑坡的重要资料。深度卷积神经网络方法由于众多优势而备受关注,然而卷积神经网络结构复杂,需要大量的训练样本,制约了其在滑坡制图上的发展。提出了融合地形特征的卷积神经网络建模方法。首先在遥感影像上叠加地形因子构建新的滑坡样本,然后设计提取并融合空间与光谱特征的轻量级卷积神经网络(FF-CNN),最后训练最优模型进行滑坡识别。在四川汶川地区进行的消融实验证明：在空间特征基础上融合光谱特征的FF-CNN模型滑坡识别评价指标F1分数和平均交并比(MIoU)分别提高0.020 2和0.014 4;在遥感影像上叠加地形因子后,FF-CNN模型滑坡识别评价指标F1分数和MIoU值分别提高0.066 4和0.048 2。在湖北省三峡库区和四川省都江堰市虹口乡的实验说明FF-CNN模型表现出较强的适用性和迁移能力,在滑坡识别上具有较大潜力。