一种基于光谱与纹理特征的多光谱遥感图像地物分类方法

基于光谱特征对高分辨率多光谱遥感图像进行地物分类易形成噪声,提出一种光谱特征与纹理特征相结合的地物分类方法。首先基于光谱特征与纹理特征利用四叉树技术,对图像进行分块处理,以图像块的方式提取地物的光谱特征和纹理特征,然后采用支持向量机(support vector machine,SVM)对图像块进行地物分类,并通过区域增长方法对边缘区域进行处理,使得分类区域边界清晰。对Quickbird多光谱遥感图像进行实验,实验结果表明,该方法地物分类结果精度较高、区域一致性强、噪声少。     

喀什地区地下水适用性评价

针对喀什地区水量分配不合理等问题,对克孜勒-恰克马克河流域与盖孜-库山河流域进行野外调查、现场取样,并结合图解法、模糊综合评价法等方法,对地下水进行适用性评价。结果表明:喀什北部克孜勒-恰克马克河流域水质为V类水质,不适合作为生活、灌溉用水,同时SO2-4含量过高,也不适合作为工业用水;南部盖孜-库山河流域上、中游多为Ⅰ、Ⅱ类水质,由于矿化度较低,故可用作生活用水,流域下游多为Ⅲ、V类水质,适合用作灌溉用水、工业用水。最终将上述结果绘制成水质适用性分区图。同时,对该地区地下水的适用性进行全面的分析,使该地区的地下水资源得到充分利用。     

桑属植物导管形态特征及其分类学意义

借助光学显微镜系统观察了桑属(Morus.)8个品种,2年生枝木质部离析材料,研究发现导管分子类型、大小和穿孔板等基本特征,这些特征在桑属种间存在广泛差异,具有重要的分类学意义。依据导管、穿孔板类型的特征,可以将桑属植物分为二类:长穗桑、白桑、广东桑、华桑组成较原始类,山桑、蒙桑、鸡桑、川桑组成较进化类。从导管分子的显微特征推测:桑属植物演化水平由低到高依次为:长穗桑、白桑→广东桑、华桑→山桑→蒙桑、鸡桑、川桑。     

黑龙江省小金山金矿矿床特征探讨

黑龙江省小金山金矿赋存在中元古代黑龙江岩群联营岩组背形构造核部,矿体呈北西向等距分布,且受后期剪滑剪切作用形成的破碎带控制.矿体矿化集中,赋存深度较浅,其矿石矿物和金矿物特征由地表向地下逐渐改变并具有明显的氧化富集趋势,拥有裂隙型浅成低温热液矿床的基本特征.     

安全禁止标志识别率与标志特征关系研究

为提高安全标志有效性,需要对安全标志五维特征与标志识别率关系进行研究。选取50名安徽工程大学在校学生为试验对象,40个禁止安全标志为试验材料,研究安全标志的五维特征与标志识别率的关系,建立安全标志识别率与标志五维特征的多元线性回归方程模型。结果表明:标志的熟悉性对标志识别率影响最大,其后依次为简明性、具体性、语义相关性、明确性。此外,回归模型中,常数项为正值,说明仍有其他因素影响标志识别率,有待进一步研究发现。     

基于特征匹配与假设检验的仿真信号确认方法

为降低仿真信号的应用风险,在使用之前需要再次确认仿真信号。根据装备试验特殊的约束与要求,讨论了仿真信号的特征匹配问题。采用参数假设检验的方法确认仿真信号的特征匹配水平,提出了一种基于特征匹配与假设检验的仿真信号确认方法,并就方法应用相关的细节问题进行了深入探讨。在目标回波仿真中的应用表明,该方法在真实信号实测样本不充分的情况下仍能适用,可为确认仿真信号提供决策支持。     

基于尺度空间粒子滤波器的多参考#br# 直方图目标跟踪算法

在基于直方图的序列图像目标跟踪算法中,目标的直方图通常都是在跟踪初始化时从目标所在的区域获得,然而单个直方图难以适应跟踪全过程中目标的各种变化。针对事先已知目标几种典型外观的跟踪问题,提出了一种基于粒子滤波器的多直方图尺度空间跟踪算法。利用多个典型直方图的线性加权来表示目标的直方图,根据目标的当前区域估计加权系数,生成下一帧的目标概率分布图,在目标概率分布图上运用尺度空间粒子滤波器,来估计多尺度规范化Laplacian滤波函数的极值,从而实现目标的定位。通过在真实序列上与现有算法的对比,表明了此算法不仅可以适应目标的色彩和明暗变化,而且能更准确地描述目标的大小,显著提高跟踪的精度。     

广东省前兆测项观测背景总结

广东省前兆台网包括形变,电磁、流体三大学科,前兆台网中心从2014年开始开展数据跟踪分析工作,该文介绍分析了各学科测项的正常观测背景和基本变化态势背景,分析了各测项的背景噪声水平,对于进一步开展异常的识别与跟踪具有重要意义。     

新疆布琼铁矿地质特征及矿床成因初步探讨

新疆是我国的矿藏最为丰富的地区之一。布琼铁矿是位于新疆和田地区皮山县西南方向90公里处,地处昆仑山北缘,矿区属皮山县管辖。矿区坐标:东经78°03′,北纬37°01′,海拔高度在3 000~3 700米。该文针对布琼铁矿区域地质特征进行研究,进而对铁矿矿床成因进行初步分析。     

基于热核特征的SAR图像地物识别方法

采用了一种空间敏感度特征包(spatially sensitive bags of feature, SS BOF)来实现合成孔径雷达（synthetic aperture radar,SAR）图像的地物识别。首先采用推广的核模糊C 均值方法分割SAR图像,提取SAR图像目标图形;采用Harris角点检测子提取角点,接着对目标图形进行Delaunay三角剖分;采用cotangent weight方法对三角剖分图赋值,进而求得离散化Laplace Beltrami算子的特征值、特征向量,并计算SS BOF,进而对地物目标进行识别,其识别方法采用比L1相似准则效果更好的相关系数法;最后与热核迹等热核不变量特征以及Hu不变矩特征进行对比。实验表明：空间敏感度热核特征的识别率高于热核不变量的识别率,并与经典的Hu不变矩特征比较,识别率有所提高。