摘要：目前,在遥感影像几何条件和辐射质量良好的情况下,通过多视遥感影像的逐像素立体密集匹配对场景进行高程估计的技术相对比较成熟,无论是精度还是效率均达到了较高水平。然而,当具有良好几何条件和辐射质量的多视遥感影像难以获取时,经典摄影测量和计算机视觉的几何处理方法可能会面临较大的挑战。本文对该问题进行了研究,针对大幅遥感图像中各部分高程分布差异大,模型训练难度大的问题,提出了一种基于Swin Transformer和卷积神经网络(convolutional neural network, CNN)的单目遥感影像高程估计方法。一方面Swin Transformer利用滑动窗口和层级设计,兼具了卷积神经网络处理大尺寸图像和提取多尺度特征的能力及Transformer的全局信息交互能力。另一方面针对大幅遥感图像中各部分高程分布差异大带来的训练不稳定问题,本文方法能针对每张输入图像自适应地划分高程值,将高程估计问题转化为分类-回归问题,最终图像各像素点的高程值由划分的高程值及其分布概率得到。试验结果表明:本文所提出的基于Swin Transformer-CNN的遥感影像高程估计方法无论是定性还是定量的结果都取得了很好的效果,且能应用于公路建设施工场景中,具有良好的泛化性。

摘要：在面对电子传媒的冲击下,纸质传媒的市场越来越萎缩。但是,纸质图书终究不会被电子图书所替代。作为纸质图书的主体——平装图书,一直是出版人做书的首选,那么,如何更好地全面把控平装图书封面,就是出版人工作的重中之重。准确的预估出平装图书封面的成本,就必须搞清楚与之相关的影响因素有哪些,这些因素的相互关系是怎么样的。文章从用纸、装帧工艺、印数等方面,通过具体的数据计算,将成本与这些影响因素之间的关系直观清晰地显示出来,希望用自己的经验可以帮助更多的出版者。