城市用地功能精细化识别方法：时序动态图嵌入深度学习模型

多源大数据融合背景下的城市功能区识别是复杂非线性系统的模式识别问题,如何有效地从大规模的轨迹数据中提取出多粒度连续性时变和多尺度空间相互作用的信息是进行城市区域功能识别的关键。本研究设计实现了一种基于时序动态图嵌入的深度学习模型,在融合滴滴出行及兴趣点数据（Point of Interest, POI）基础上,提取城市区域存在的时间和空间上的隐式特征,结合聚类分析实现城市用地功能的语义识别。结果表明,成都市中心的用地功能趋向复合多样化的发展,且用地属性随时间发生作用范围和用地类型的变化,呈现出功能随着城市群体活动而变化的时空规律。与相关文献的对比实验表明,本文提出方法在更细粒度的时间段下进行功能区识别,得到的同一类功能区域内集聚度更高,能够更好的捕获复合型区域在不同时间模式下呈现出的用地功能变化。本研究为城市用地功能识别研究提供了新的技术方法,为城市规划研究人员全面理解城区结构属性提供了有效手段,对推动城市空间得到更合理高效的利用具有一定的价值。     

Skyline-based registration of 3D laser scans

Acquisition and registration of terrestrial 3D laser scans is a fundamental task in mapping and modeling of cities in three dimensions. To automate this task marker-free registration methods are required. Based on the existence of skyline features, this paper proposes a novel method. The skyline features are extracted from panoramic 3D scans and encoded as strings enabling the use of string matching for merging the scans. Initial results of the proposed method in the old city center of Bremen are pre-sented.     

成像测井技术在碳酸盐岩水平井中的应用

塔里木盆地北部地区碳酸盐岩油藏储层，非均质性较强，只依靠常规测井判断碳酸盐岩裂缝、溶孔、溶洞很困难．利用地层微电阻率扫描成像(FMI)，对碳酸盐岩水平井储层进行定性分析、定量解释，并能准确识别出碳酸盐岩目的层裂缝的性质、大小、开度、溶蚀孔洞原生孔隙、次生孔隙的发育情况等．同时并利用测试、酸压资料验证了使用成像测井判断裂缝的有效性．     

长株潭城市群污染空间识别与污染分布研究

利用Arc-GIS空间分析软件对各类型污染进行空间识别和分布模拟,探究长株潭城市群污染空间分布特征。结果显示：① 该区大气环境污染以扬尘和煤烟型为主,主要污染物为可吸入颗粒物和二氧化硫,重点污染区域在长沙、株洲、湘潭三市主城区,呈点状分布;② 该区水域整体水质基本达标,水体环境污染以氨氮和各类重金属为主,且有明显的季节变化规律;③ 土壤污染覆盖范围较广,以株洲市的石峰区为代表,以镉污染最为严重,主要原因为重化工业排污累积。总之,株洲污染最严重,湘潭和长沙次之。污染空间的形成与长株潭城市群的地形地势及三类污染元素之间的转化有较大关联。     

基于机器学习的重庆长江航道雾图像特征识别研究

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。     

基于镜像图的LRC和CRC偏差结合的人脸识别

为了提高人脸识别率及更好地显示人脸特征,本文提出了一种基于镜像图的LRC和CRC偏差结合的人脸识别方法.该方法首先生成一种镜像人脸,再通过融合原始人脸和镜像人脸形成新的混合训练样本,最后利用LRC和CRC偏差结合进行人脸识别.新方法增加了训练样本的数目,克服了由于光照和姿态等外部因素带来的影响.实验结果表明,镜像图与LRC和CRC偏差结合的人脸识别方法提高了人脸识别的准确性.     

主元分析变换空间上的鉴别共同矢量人脸识别方法

给出了在主元分析(PCA)变换空间上求取DCV投影矩阵的方法(PCA+DCV),在保留所有鉴别信息的条件下,显著降低了算法复杂度,提高了运算效率。进一步提出了依据主元成分对应特征值进行适度权重的DCV识别方法(WPCA+DCV),一定程度上减小因光照、饰物遮挡等造成的面部变化带来的识别影响,增强表征信息,提高识别率。在ORL、YALE和AR人脸库上的实验结果证实了本方法的性能。     

基于CUDA的地震相干体并行算法

相干体技术在地震勘探资料解释方面得到了广泛的应用,由于相干体技术处理的对象是三维地震数据体,所以算法运算时间较长。为了缩短解释周期,本文充分发挥GPU并行计算优势,对C3相干体算法进行并行化分析。从硬盘读取数据到GPU上计算相干值并写入硬盘的整个过程进行分析,剔除了冗余数据的读取,完成了C3相干体算法的并行化设计与实现。最后分别对串行算法与并行算法进行性能测试,结果表明本文设计的并行算法在保证精度的前提下达到了16倍左右的加速比,对加快地震资料解释具有重要意义。     

基于距离变换的提取和识别点状符号的方法

提出了一种基于距离变换提取和识别点状符号的新方法。首先对分版图的提取结果进行优化处理,然后根据弯曲密度和线划密度等特征,进一步过滤掉不满足点状符号特征的线划。为了更准确地度量图像间的相似性,提出了加权距离函数,并用该函数值为度量标准进行模板匹配以识别符号。该算法较好地解决了字线粘连、背景复杂等情况下的点状符号提取和识别问题,识别准确率较高。     

一种基于改进CoHOG的视觉SLAM算法

移动机器人在SLAM的闭环检测环节计算量大、运行时间长、匹配误差大,从而导致闭环检测精度较低。针对该问题,本文在CoHOG闭环检测算法的基础上进行改进,将算法中的HOG描述符改进为GDF-HOG描述符,以增强图像特征表现,提高图像特征提取效率;在匹配环节前添加GDF-HOG全局粗匹配,以减少视觉模板的数量,提高算法的计算效率;在匹配环节后添加感兴趣区域（ROI）位置匹配进行检验,以减少闭环检测的假阳性,提高准确率。将本文闭环检测算法与RatSLAM相结合,在公开数据集与真实环境中进行测试,测试结果表明,本文算法在闭环检测环节的准确率较高,且对环境的适应能力较强。