基于视知觉金字塔模型的专题地图视觉层次设计

专题地图往往需要表达制图专题的空间分布特征、数量特征、时间变化特征等多层次的内容,故清晰的视觉层次对专题地图的信息表达至关重要.将视知觉金字塔模型和视觉选择性原理与专题地图的内容层次和图面表达视觉层次进行耦合,建立了"内容层次设计-视觉注意-视觉变量设计"的理论框架.在此基础上,以《深圳市历史风貌区和历史建筑》专题地图为实践案例,对内容、版式、符号、图表的视觉层次进行设计,总结构建专题地图视觉层次的设计理念和方法,以期为其他专题地图的视觉层次设计提供参考.     

无人机影像辅助下的路桥病害智能检测

路桥表面病害状况评估是路桥养护的一项重要内容。目前病害检测主要基于移动测量车和目视判断,具有工作量大、获取危险度高的缺点,而低空飞行的六旋翼无人机能够拍摄到人工无法获取到的多角度路桥照片,在路桥检测方面具有巨大的优势。本文基于无人机影像开展路桥病害检测相关研究,提出了一种新的路桥病害检测方法。首先通过多部件形变模型模拟病害目标,并在无人机影像中全局搜索,检测出潜在路桥病害区域。试验表明,本文算法在复杂背景下能够有效检测病害,目标检测精度达80%,具有很高的效率和鲁棒性。     

中国城镇化发育的淡水资源基础

城市化是一个人类社会活动及生产要素从农村地区向城市地区转移的过程。其结果,现代城市成为了人类 社会的生活、生产、消费和污染集聚之地。淡水是城镇化发育的生命之源。根据生态系统法则的演绎,城镇发育的淡 水资源消费或使用是通过直接、间接和诱发三种方式来实现的。更为重要的是,现代城镇发育的淡水资源消费或使 用是按照直接<间接<诱发的格局排列,从而构成了与自然生态系统和农村生态系统完全相佐的倒“金字塔”型结构 特征。在这种倒“金字塔”型消费或使用结构的作用下,现代城镇发育的淡水资源基础不仅在于城镇所在区域,而且 也在于整个国家、乃至全球。     

三维地形数据自适应金字塔技术的设计与实现

传统金字塔模型主要解决单一数据源数据的存储和数据的调度问题,无法满足三维地理信息系统对多源异构金字塔数据动态扩展和快速更新数据的需求,基于此,文章提出三维自适应金字塔模型,并进行了技术分析,通过构建多源异构数据适配器,将三维地形数据转换为地形数据逻辑单元,实现多源异构数据的统一,着力解决异构金字塔数据的统一调度和显示问题。     

基于最大似然属性和拉普拉斯金字塔的断面波增强方法建立

针对在绕射波和回转波的干扰下,断面波识别度较低的问题,本文结合最大似然属性方法和拉普拉斯金字塔算法,提出了一种有效提高断面波识别度的方法.首先通过最大似然属性对三维数据体进行扫描,并计算数据体采样点之间的相似性,以获得工区内精确断层的位置,进而利用拉普拉斯金字塔算法进行断面波能量增强,即在构造拉普拉斯金字塔的过程中加入映射函数,使断面波能量得到增强,提高了断面波识别度.由实际工区应用证明,本文提出的方法是合理且可行的,该方法为后续确定断层位置及断层展布特征、断层平面组合关系提供依据,更好地实现断层精细解释和断裂系统的有效识别.     

多尺度深度特征融合网络的遥感图像目标检测

本文针对现有方法对遥感图像目标检测准确率低的问题,在更快速区域卷积神经网络Faster R-CNN(Faster Region Convolutional Neural Networks)算法的基础上对其进行改进,提出一种新的遥感图像目标检测算法。该算法把Faster R-CNN算法中的VGG (Visual Geometry Group)特征提取网络替换为残差网络ResNet(Residual Networks),在此基础上加入特征金字塔网络以充分表达语义信息和位置信息,并使用焦点损失函数替代Faster R-CNN算法中的交叉熵损失函数以解决难易样本对总损失贡献的权重问题,最后对NWPU VHR-10数据集和RSOD数据集采用数据增广方法以解决数据集中图像样本数量少的问题。为验证本文算法的效果,进行了两组对比实验。第一组实验为本文提出的改进模块在NWPU VHR-10数据集和RSOD数据集上的消融实验;第二组实验为本文算法与其他算法在NWPU VHR-10数据集上的对比实验。实验结果表明,本文算法在NWPU VHR-10数据集和RSOD数据集上的多类平均准确率分别达到93.4%和9...     

关于金字塔沙丘成因的探讨

在考察中首次发现金字塔型沙丘,初步探讨了形成这种沙丘的环境因素。     

基于特征注意力金字塔的遥感图像目标检测方法

遥感图像场景复杂、目标大小不一、分布不均衡等特点增加了目标检测的难度，而适于检测不同尺度目标的特征金字塔融合不同深度的特征图时，没有考虑特征图各自的重要性，没有强调目标区域的特征，为此本文提出基于特征注意力金字塔的遥感图像目标检测方法 FAPNet(Feature Attention Pyramid Network)。首先，使用通道拼接方式融合不同深度的特征图，给用于检测的特征图提供不同大小感受野的特征，并基于通道注意力对融合的特征图在通道维度重标定，根据特征图所负责检测目标的尺度自适应地调整不同大小感受野特征的权重，强化感受野大小与待检测目标尺度匹配度较高的特征，弱化匹配度较低的特征。其次，使用叠加的扩张空间金字塔池化结构，结合弱监督分割网络建模位置注意力，强化目标区域特征，弱化背景区域特征，进一步提升目标检测方法的性能。实验结果表明，相较于RetinaNet，针对汽车目标，所提方法在UCAS-AOD数据集和RSOD数据集上检测精度AP分别提升了3.41%和2.26%，针对多类目标所提方法在各目标上取得了较优的AP结果，且mAP结果优于其他比较方法。     

改进U-Net的遥感图像语义分割方法

利用深度神经网络进行遥感影像语义分割是遥感智能解译的一个重要内容，在城市规划、灾害评估及农业生产等领域具有十分重要的作用。高分辨率遥感影像具有背景复杂、尺度多样及形状不规则等特点，使用自然场景语义分割方法处理遥感图像往往存在分割精度低的问题。针对上述情况，本文在U-Net模型基础上，提出了一种多尺度跳跃连接方法来融合不同层次的语义特征，获取准确的分割边界与位置信息；引入注意力机制和金字塔池化解决复杂背景下的精细分割问题。为了验证本文方法的有效性，在WHDLD和LandCover.ai数据集上进行试验，并与主流语义分割方法进行对比。试验结果表明，本文方法的mIoU分别达到74.28%和82.04%,F₁均值达到84.47%和89.76%,均优于其他对比方法；相比于U-Net的分割结果，IoU在建筑物、道路等占比较少的类别上提升明显，且优于其他对比方法。     

一种综合纹理和边缘信息的多尺度图像融合方法

提出了一种综合纹理和边缘信息的多尺度图像融合方法。该方法通过高斯滤波获得原始图像的金字塔分解,考虑高斯滤波器和Laws纹理提取滤波器以及边缘梯度滤波器之间的线性关系,采用奇异值分解法求出纹理和边缘图像的对应系数;利用各尺度图像的这些特征,对分解后图像的各层进行表示,并采用基于相似性测度和显著性测度的融合策略进行融合。为了衡量融合结果,采用了一个客观图像融合性能评价测度对融合结果进行评价。最后用若干组图像数据对该算法进行了仿真。试验表明,该方法比传统的梯度金字塔分解和基于纹理的金字塔分解方法具有更好的融合效果。