基于近海雷达与AIS探测目标融合算法研究

利用岸基雷达站的雷达传感器以及船舶自动识别系统(Automatic Identification System,AIS)所获取的目标信息,针对近岸海域目标密集的特点,提出了一种提高雷达与AIS信息融合精度的算法。该算法在将雷达基于站心球坐标系的位置信息转换成AIS基于WGS 84坐标系的位置信息实现空间配准、以及将AIS航迹的时间通过外推法与雷达航迹时间统一起来的基础上,首先采用目标位置及航速的欧氏距离判别法,剔除一部分不符合条件的目标数据,减少参与融合的数据量,然后进一步采用模糊数学中的柯西型隶属度函数及统计加权法对航迹相似度判断。研究结果表明,本文所提出的融合算法适用于目标较密集的近海海域。     

一种基于启发式算法的等高线局部内插方法

在基于启发式内插等高线算法的基础上提出了一种局部内插方法。首先利用Douglas-Peucker算法提取等高线的特征点,根据特征点判断等高线之间的相似性程度,找出导致等高线出现异常的特征点;然后将相似性程度很低的两条等高线自动分解为若干简单等高线再进行内插。有效地解决了局部弯曲很大、马鞍型地貌等复杂等高线的内插问题。算法已经在以Microstation为平台的数字制图系统中实现并逐渐实用化。     

顾及先验信息的模型参数反演——澜沧—耿马地震位错模型参数的求定

采用澜沧－耿马地震前后两期大地测量资料，结合发震区的地质资料和震后地表形变破坏带的调查资料，运用顾及参数先验信息的贝叶斯反演方法，联合求定了澜沧－耿马地震的两个发震断层的位错模型参数，由反演后的位错模型推算的地震应力降同用地震波燃料的估算的应力降属同一量级。     

淮河息县站流量概率预报模型研究

应用美国天气局采用的由Roman Krzysztofowicz开发的贝叶斯统计理论建立概率水文预报理论框架，即以分布函数形式定量地描述水文预报不确定度，研究了淮河息县站流量概率预报模型。理论和经验表明，概率预报至少与确定性预报一样有价值，特别当预报不确定度较大时，概率预报比现行确定性预报具有更高的经济价值。     

震源机制对概率地震危险性分析的影响

提出了在概率地震危险性分析的扩展中引入有关震源参数的先验信息。特别是将破裂形式与理论修正系数一起考虑应用于衰减定律。通过与实测资料、修正或未修正的衰减定律以及包括破裂方式参数的衰减定律结果的比较，评定了这一修正的有效性。地震危险性分析的概率特性得到保存，将描述与每个震源区有关的最可能的震源机制二维概率密度函数引入经典的危险性分析公式。这一新的表述方法也可用于离散分析的框架中。因此，根据离散分析设计的地震就以震源机制为特征。本文给出了在意大利亚平宁半岛南部运用的实例。与这一地区正断层作用的地震活动相比较，分析结果强调了在地震危险性分析中走滑事件的重要意义。     

附不等式约束平差模型的一种快速搜索算法

大地测量中常存在一些先验不等式约束信息,充分利用它们可以保证参数解的唯一性和稳定性。然而,现有的不等式约束平差算法主要是基于优化理论,算法通常比较复杂,需要选取有效约束或建立罚函数。在最小二乘平差准则基础上,把不等式约束看成是一个可行域,借助Fisher函数在可行域中快速搜索使误差平方和达到最小的最优解,推导出了可行解为最优解的充分必要条件。建立了基于Wolfe-Powell算法的非精确快速搜索算法,从而减小了搜索算法的计算量,得到了一种新的不等式约束平差计算方法。该算法的平差准则与最小二乘平差准则一致,不需要矩阵求逆运算,可适用于维数较大的平差问题解算。     

基于卷积神经网络的建筑物精细化提取

现有图像分割方法往往受图像模糊和噪声的影响,提取的轮廓不准确。为了提取建筑物的精确轮廓,提出了一种基于卷积神经网络的集成方法,包括建筑物定位、形状判断、形状匹配等步骤。实验证明,无论是对DSM图像还是多光谱影像,该方法都能获得精确的建筑物轮廓。     

基于叠前地震道集的流体因子同步反演方法

基于岩石物理理论建立的Gassmann流体因子能更好地区分多孔介质的流体和岩石基质,在储层预测及流体识别中获得了广泛地应用.现有技术中对常规叠前地震反演的弹性参数进行转换得到Gassmann流体因子的方法存在误差累计且预测精度不高.为此,建立一种Gas-smann流体因子叠前地震道集反演方法,给出了叠前流体因子反演的目...     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

基于森林模型参数先验知识估算高分辨率叶面积指数

目前,估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型,再用统计模型估算LAI。然而,与农田地面测量实验相比,森林地面测量实验获取的观测数据更加有限,这使得基于统计模型的森林高分辨率LAI的估算精度低,难以满足应用需求。为此,本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先,获取全球20个森林实验区的LAI地面测量数据和NDVI数据,建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后,以一个新的森林站点Concepción作为研究区,将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型,优化模型用于估算森林高分辨率LAI,使用验证数据评价LAI的估算精度。同时,选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度,经验证4个森林站点的均方根误差分别为0.6680,0.4449,0.2863,0.5755。研究结果表明：在仅有少量观测数据时,采用本方法能有效地提高森林高分辨率LAI的估算精度。因此,本方法可为森林高分辨率LAI的遥感估算提供参考。