基于深度学习和空间分析的港口识别

针对港口难以自动识别的问题,在高分辨率可见光遥感影像上将深度学习和地理空间分析相结合,提出了船舶-码头-港口递进式识别模型.首先,对构建的码头样本数据集进行数据增强,并用增强后的数据集来训练YOLO v3算法.然后,在大幅遥感影像上利用滑动窗口进行多尺度识别,获取影像底层特征以计算出码头类别和像素坐标.最后,将码头点位转化为地理坐标,使用Getis-Ord Gi*统计方法进行热点分析.并利用经典的密度聚类方法,实现了对港口位置及范围的识别与提取.在实验区中的识别对比结果表明,在1000 m聚合阈值下,所提模型对港池识别的比例达到82.79％.     

一种基于距离分区的BIM模型零水印算法

针对建筑信息模型（BIM）模型版权保护的问题,基于BIM的数据特征提出了一种BIM模型的零水印算法.首先,将不同数据中约束性不强的点图元排除,获得其他点图元的位置信息,计算单体模型的特征点到各个点图元的基准点之间的距离作为水印构造的载体;其次,将特征值进行排序,求出相邻点之间的变化率,将不符合要求的特征值排除;最后,根据特征值的特征对特征值分区,利用各分区中特征值的奇偶性构造一种用于BIM模型版权保护的零水印算法.实验结果证明,所提算法安全性高,可对常规攻击平移、旋转和模型详细程度的变化有较强的鲁棒性,能够满足实用性的需求,对BIM模型的版权保护有重要价值.