阿克苏地区一次大降低水天气的卫星云图分析

通过分析１９９５年９月２－７日阿克苏地区一次大降水天气的静止卫星云图资料，结合形势学变，认识到副热带大槽所形成的大积雨云团北抬，以越过青藏高原，并与北部云系结合，共同影响阿克苏地区的大降水天气。     

高中地理图像系统课程资源“师生共建、双核共生”模式实践探索

本研究从2002年起分实践探索、理论深化、建模升华三个阶段。重点解决的是课程资源研发模式和方法问题,创建了地理图像系统课程资源研发"师生共建、双核共生"模式,完善了中学地理图像资源体系建设,探索了学生参与资源研发的途径和方法,建立了新型师生合作模式,在资源整合、图表加工、图文转换、图表创新、学法指导、高初中学科资源建设等方面进行了大胆探索和创新。成果形成过程中促进了高中地理课堂教学改革,学生的学科思维、学习能力、创新精神等得到了全方位发展,教师的教学能力和课程建设能力有了明显提高,打造了一支善于研究、积极进取、勇于创新的优秀教研团队,推动了学校的课程资源开发。     

临汾地震台垂直摆倾斜观测资料阶变异常分析

对临汾地震台垂直摆倾斜观测资料中记录到的阶变型异常图像进行分析,对异常成因进行探讨,希望对观测数据异常判断、数据预处理及地震预测预报的应用研究,提供一定参考。     

圆形标志中心子像素定位方法的研究与实现

采用回光反射材料制作圆形回光反射标志,经摄影后得到标志的“准二值影像”;对标志的椭圆影像进行亚像素边缘提取,经最小二乘椭圆拟合后得到标志中心的子像素级位置。试验表明,可以达到0.02像素的定位精度     

英国高中地理教材编写特色简析--以《Geography B Evolving Planet》为例

英国是重视地理课程传统的发达国家,拥有丰富的地理教材编写经验。本文以《Evolving Planet》为范本,在阅读与分析的基础上,归纳得出该教材的四大编写特色:设置"以学为中心"的教材栏目,精选多类型优质的地理图像,重视对学生学习方法的引导和注重对学生地理技能的培养。简析该教材的编写特色,以期为未来我国中学地理教材的编写提供启示与借鉴。     

遥感图像融合方法研究

利用遥感图像专业处理软件ENVI与ERDAS IMAGINE,对珠海市2002年的Landsat 7 ETM+遥感数据进行了图像融合方法试验,包括IHS变换、Brovey变换、K-L变换和Gram Schmidt波谱锐化等。然后利用定性和定量方法对各种方法的融合结果进行了光谱特征和统计参数等方面的评价。研究结果表明:Gram Schmidt波谱锐化在纹理信息、亮度信息和光谱信息等方面都优于其他几种融合方法。     

基于GPU和UNITY的嵌入式图像实时传输方法

智能化无人矿山对作业现场环境的可视化要求较高,现有的可视化方法仍存在诸多问题:数据采集方式单一,存在监控盲区;数据传输线缆布设困难且易被损坏,传输延时较高;表现形式不够全面立体,并且不能用于VR/AR、SLAM、机器人定位避障等应用场景。为了满足智能矿山建设的可视化需求,本文结合当前传感技术、矿用机器人以及5G技术的发展,探讨了从数据采集、服务器部署到接收显示的详细步骤。针对全景及深度影像这类新型三维数据,提出一种基于GPU和UNITY的嵌入式视频实时传输方法,包括实时编码、异步传输、轻量级的嵌入式流媒体系统、利用UNITY实时处理以及元数据的同步传输。借助UNITY平台,将三维可视化任务从CPU转移至GPU,仿真实验表明,最高渲染帧率为60 fps时,GPU占用率在35%以下。最后,以全景和深度传感器为例进行了测试,对数据编码、位移贴图、纹理纠正进行有效性验证,并从延迟、帧率、CPU占用率3个方面评估性能。结果表明,所提关键技术均可有效提高运行效率、减少资源占用,相比FFplay延时更低。全景影像的可视化代替了视角固定的传统监控,深度数据为智能矿山巡检机器人定位及避障提供实时数据源,传输方法整体向下兼容。不仅解决传统方法视角单一、布线困难的问题,而且考虑到了智能矿山建设过程中的新需求。     

基于深度学习的像素级全色图像锐化研究综述EI北大核心CSCD

全色图像锐化是遥感数据处理领域的一个基础性问题,在地物分类、目标识别等方面具有重要的研究意义和应用价值。近年来,深度学习在自然语言处理、计算机视觉等领域取得了巨大进展,也推动了像素级全色图像锐化技术的发展。本文提出从经典方式和协同方式两个方面对深度学习在全色图像锐化中的研究进行系统的综述,并在此基础上进行前景展望。首先,给出全色图像锐化常用的数据集和全色图像锐化的质量评价指标;接着,从经典方式与协同方式两个方面对基于深度学习的全色图像锐化最新研究成果进行分门别类的介绍,并进行算法性能的对比、分析和归纳;然后,对全色图像锐化的3个主要应用领域如地物分类、目标识别和地表变化检测进行分析;最后,本文探讨了基于深度学习的全色图像锐化的5个未来研究方向。     

基于数据融合的侧扫声纳图像预处理

论述了基于数据融合的侧扫声纳图像处理的特殊过程。根据现代侧扫声纳系统的特点，提出了利用声线跟踪法进行斜距改正，同时对目标阴影区进行了处理；对文献[1]的灰度不均衡的改正算法进行了改进。利用小波变换检测出灰度突变区，根据剔除突变区后计算的灰度改正系数进行航向上的灰度改正，并用模拟数据和实际数据进行了验证；鉴于波束展宽效应对远场目标造成的拖尾效应，论述了对拖尾效应使用的去卷积的改正算法。     

基于多方向自适应感知网络的高光谱遥感图像分类

高光谱遥感能够同步获取目标场景的光谱数据和空间图像,满足对目标物体成分组成和形貌特征的探测需求,已被广泛应用于精准农业、地质勘察、环境监测和生物医学等领域。近几年,得益于优秀的空谱信息表征能力,基于卷积神经网络的高光谱图像分类方法取得了优于传统方法的分类精度。然而,基于一定规则和固定方形窗口的卷积运算无法满足不同对象、不同分布的空谱特征提取需求,当像素位于类别边缘时该模式无法避免其他类别的无关信息,导致类别间的信息扩散以及跨类别像素的误分和错分。针对上述问题,本文提出了一种基于多方向自适应感知的高光谱图像空谱联合分类方法,并通过联合不同邻域范围的空谱上下文信息来改善模型的局部空谱建模能力。具体研究过程如下：首先,将常规卷积网络的全窗口滤波器拆分为不同方向的半窗滤波器,从而设计出侧窗卷积以捕捉具有方向性的空谱特征;然后,在此基础上进一步将不同方向的侧窗滤波核整合到统一的卷积架构中构造空谱分离多方向卷积,并设计方向自适应感知模块,以密集连接构建基于高光谱图像的多方向自适应感知分类网络,赋予模型自适应学习多种空谱结构特征的能力,弥补常规卷积和侧窗卷积只能建模单一方向空谱关系的不足,提升模型对...