基于深度卷积神经网络的高光谱遥感图像分类

传统的高瀑布图像分类模型只考虑光谱特征信息,忽略了图像空间结构信息在分类中的重要作用。为提高高光谱遥感图像的分类精度,提出一种同时利用高瀑布图像的光谱信息和空间信息的深度卷积神经网络分类模型。通过对低层特征自动分层地学习来提取更加抽象的高层特征,提取的特征具有平移、缩放及其他形式扭曲等高度不变性;基于学习到的深度特征,用logistic回归分类器进行分类训练。高光谱数据实验结果表明,深度卷积神经网络模型能够提高高光谱遥感图像的分类精度,从而验证了深度卷积神经网络进行高瀑布图像分类的可行性和有效性。     

典型地震次生地质灾害多光谱遥感影像特征图谱研究

为从地质灾害多光谱遥感影像资源中挖掘有用的信息,形成标准化、定量化的地质灾害遥感判读知识,进行地震次生地质灾害遥感影像特征图谱研究。以"5·12"汶川地震重灾区地震次生地质灾害滑坡、碎屑流和崩塌为例,首先提取灾害体单元的遥感影像,选取其光谱、纹理和色彩方面的20种遥感影像特征参数并统计参数值;然后对特征参数进行归一化处理,并通过主成分分析得到利用第一、第二、第三主成分表达的各类地震次生地质灾害的影像特征图谱。经过测试样本验证,上述几类图谱可表征相应地震次生地质灾害类型的影像特征。揭示了不同类型地震次生地质灾害遥感影像特征之间的关系,并为遥感影像中灾害体的识别提供了定量化和可视化的知识。     

基于计算机视觉的原木高出材率的研究

计算机能模拟人眼视觉环境来甄别、测量视野中的事物,随着精度的不断提高,计算机视觉能代替人眼实现简单、重复的人工操作。计算机视觉结合原木剖料可以提高原木的出材率,减少木材损耗。凭借计算机的高效性、准确性,计算机视觉能实现原木的最大利用,最大程度减少生成方木浪费的原料, 提高原木出材率。将所提算法应用于自动化带锯原木切割系统的基本流程是通过图像预处理来消除图像噪声,通过颜色分割去除背景,通过边缘检测给出感兴趣区域的轮廓,应用形态学运算连接和填补被误处理的轮廓边缘,计算最大面积的拟合椭圆。实验结果表明,该算法可以满足实际生产的需要,实验精度达到95%以上。     

渤海海域第三系油气成藏特征

渤海海域是中国油气资源的重要接替区。研究已发现的油气田和含油构造。对分析其油气成藏特征有着现实的指导意义。渤海海域是渤海湾盆地沉积、沉降中心和晚期构造活动中心。它的地质特征和周边三个坳陷具有一定的相似性。但也有其独特的石油地质特征与油气富集规律。被富生烃凹陷包围的凸起、凹陷及边缘的断裂背斜和反转构造以及断阶带中的断块、滚动背斜、花状构造是勘探的最有利地区。新生代继承性的构造格局和晚期强烈的构造运动是造成油气向凸起区和浅层多期运移、多期充注、晚期成藏的主要原因。