摘要：针对中低空间分辨率遥感影像中存在大量混合像元的问题,该文提出了一种基于超分辨率重建卷积神经网络的遥感影像亚像元制图方法。该方法将混合像元分解生成的低分辨率丰度图输入通过迁移学习策略训练的深度卷积神经网络超分辨重建模型中,将模型输出的高分辨丰度图提取纹理特征后进行波段合成,利用迭代自组织分类法得到最终亚像元制图结果。实验表明,该文提出的方法能有效减少和抑制亚像元制图结果中的离散噪声,在亚像元制图效果和精度上优于传统的亚像元-像元空间引力模型、径向基函数模型亚像元制图方法。

摘要：金属表面缺陷待测样本往往存在分辨率低、缺陷边界模糊、缺陷密集、缺陷目标小的情况,同时,构建的检测模型存在大量的超参数需要手动调参,缺乏模型自适应调参能力,本文提出一种基于贝叶斯优化的表面缺陷超分辨率检测算法.通过设计精细化分层结构,丰富主干网络特征图的感受野,增强对高低频信息的提取,重建出边缘纹理清晰的高分辨率图像;通过构建瓶颈残差密集结构,丰富主干特征提取网络的浅层特征和深层特征,提升模型对小目标和密集目标的分类和定位能力;通过贝叶斯优化算法以较小的时间代价自适应优化检测模型的关键超参数.实验表明,本文对NEU-DET数据集中6类金属表面缺陷的mAP_(0.5)可达0.782,同时检测速度可达102 f/s,优于其他检测算法.

摘要：各种灾难的不断发生,使人们逐渐重视物资的分配运输方案的设计。合理规划应急物资,需要考虑到应急物资安置点的选取,运输物资所用的无人机机型以及运输物资的最短路径。对于建立无人机物资运输的相关模型,首先根据地区的受灾情况,选择应急物资安置点的最佳选取地点。然后收集备选无人机的相关参数,建立层次分析模型。以确定最优无人机机型为总目标,无人机内舱体积、最大负载重量、最长续航时间、飞行速度和无人机体积5个因素作为准则层,各无人机机型为方案层元素,构建评价指标体系,选出最优无人机机型。再使用蚁群算法,求得不同物资安置点与各受灾区之间的最短运输距离。