摘要：提出了一种运用相应直线段特征作为控制基础的序列图像自动配准方法。根据相应直线段"共线"原理建立了图像配准模型,该模型的优点是不必精确定位相应直线段的端点,突破了相应特征必须严格"同名"的限制。同时,根据图像配准对控制直线段的要求,分别设计了序列图像中直线段特征的自动提取和自动匹配算法,从而实现了概略对准条件下的序列图像的全自动配准。

摘要：针对训练样本无先验别知识指导的高光谱影像聚类问题,提出一种结合极限学习机的高光谱影像非监督分块聚类算法.首先对影像进行预聚类,采用分块策略选取训练样本;然后在传统谱聚类算法的基础上引入极限学习机预测机制,利用训练样本求解极限学习机的最优输出矩阵;最后通过极限学习机对整幅高光谱影像进行特征映射,进而在嵌入空间实现聚类.采用6组高光谱影像进行实验,与K均值和谱聚类等传统算法的聚类精度对比的结果表明,该算法能够克服谱聚类算法内存空间的瓶颈问题,实现大尺寸高光谱影像的聚类,并且在一定程度上提高了聚类精度.

摘要：卷积神经网络等深度学习模型已经在高光谱影像分类任务中取得了理想的结果。然而,由于传统神经元只能进行标量计算,现有的深度学习模型无法对高光谱影像特征的实例化参数进行建模,因此无法在邻域范围受限的条件下获得令人满意的分类效果。通过引入胶囊网络结构设计了一种新型网络模型,该模型利用胶囊神经元进行向量计算,并利用权重矩阵编码特征间的空间关系,能够进一步提高高光谱影像的分类精度。在帕维亚大学、印第安纳松树林和萨利纳斯山谷数据集上进行验证,实验结果表明,所提出的网络模型较传统算法和卷积神经网络分类模型而言具有更加优异的分类性能,且对训练样本数量和像素邻域范围具有更好的适应性。

摘要：卷积神经网络中的局部卷积运算无法对高光谱影像中的全局语义信息进行充分学习,因此,基于Transformer模型设计了一种新颖的深度网络模型,以进一步提高高光谱影像分类精度。首先,利用主成分分析方法对高光谱影像进行降维处理,并选取像素周围邻域数据作为输入样本,以充分利用影像中的空谱联合信息;然后,利用卷积层将输入样本转换为序列特征向量;最后,利用构建的深度Transformer网络进行分类。Transformer模型中的多头注意力机制能够充分利用丰富的判别性信息。试验表明,与现有卷积神经网络模型相比,文章方法能够获得更为优异的分类性能。

摘要：针对聚丙烯纤维掺量、长度及矿渣掺量这三种因素对尾砂胶结充填体力学及流动性能的影响,进行正交试验设计。通过对试验结果进行极差和方差分析,得到了这三种因素对尾砂胶结充填体力学及流动性的影响程度和显著性影响因素,并借助扫描电镜(SEM)揭示了纤维对充填体力学性能的作用机理。研究结果表明:随着纤维掺量及长度的增加,充填料浆坍落度分别下降了8.7%和4.3%,说明纤维的掺入会对料浆流动性能产生不利的影响;充填体28 d抗压强度、抗拉强度均随着纤维掺量的增加呈先增加后减小的趋势,并在纤维掺量为0.6%时达到最大值,但纤维对充填体抗拉强度的改善效果明显优于对抗压强度的改善效果;矿渣的掺入对纤维增强尾砂胶结充填体流动性能无显著影响,但矿渣掺量的增加使得充填体抗压及抗拉强度分别降低了17.9%、19.7%,说明矿渣的掺入会对尾砂胶结充填体力学性能产生不利影响;纤维的掺入能够有效限制充填体裂纹的扩展,且随着纤维掺量的增加,充填体破坏特征由脆性向延性转变;纤维增强尾砂胶结充填体力学性能的关键在于纤维与砂浆基体界面存在粘结力,使得横跨于裂缝两侧的纤维能够形成“锚固”作用,从而提高充填体的整体力学性能。

摘要：本文从检测监测角度出发,充分利用6C系统全方位、多角度检测监测接触网状态的特点,分析了接触网重点存在的几何尺寸偏差、接触线平顺性差、弓网受流性能不良、功能退化及环境病害等问题,提出了从设计源头预防、病害重点整治、分级维修、加强检测监测等整治措施,对接触网的病害预防和维修具有重要意义。

摘要：针对高光谱影像分类问题,提出了基于深度卷积循环神经网络的高光谱影像空谱特征分类方法。首先将高光谱数据立方体看作一组特征序列;然后利用深度卷积循环神经网络构建特征序列的依赖关系,并采用"预训练+微调"的训练策略对深层网络模型进行训练,从而使得所设计的深层网络在训练样本较少的情况下也能得到更加充分的优化。在Pavia大学和Indian Pines数据集上的试验结果表明,构建的深度卷积循环神经网络的分类精度比RNN方法分别提升了9.49%和5.8%。

摘要：回顾了粒子群算法的基本原理,分析了端元提取算法的两种技术途径。利用粒子群优化的原理,结合凸面几何学理论和线性光谱混合模型,设计了一种粒子群优化端元提取算法,并设计了算法的快速实现方法。该算法不需要假设影像中存在纯像元,同时保持了端元光谱的形状。利用模拟数据和AVIRIS影像对该算法、SGA算法和NMF算法进行实验对比分析,实验结果证明该算法的端元提取精度优于其他二者。

摘要：深部破碎围岩稳定性控制是制约深部金属矿安全高效开采的难题之一。以金川二矿区深部某中段破碎围岩条件下的采准巷道稳定性控制为工程背景,应用Q、RMR、GSI进行岩体质量分级与岩体力学参数估算,分别应用经验法和工程类比法进行采准巷道支护设计,并依据收敛约束法确定合理的释能支护时机。在此基础上,应用UNWEDGE软件对释能支护设计进行安全性评价,并通过RS2数值方法分析支护效果。研究结果表明:对于深部破碎采准巷道一次支护采用锚网喷支护,二次支护采用混凝土衬砌,最佳衬砌支护时机应满足巷道帮位移小于38 mm且顶板位移小于15 mm;静动载下有无支护数值分析结果表明,锚网喷支护满足巷道安全要求,同时对采准巷道围岩结构控制型、应力控制型破坏以及动力失稳破坏等起到良好的控制效果。研究结果为金川二矿区深部破碎采准巷道围岩稳定性控制提供了理论依据与技术支撑。

摘要：高光谱遥感影像具有丰富的光谱信息,在地物识别方面具有明显的优势。一类支持向量机(OCSVM)不仅保留了支持向量机的原有优势,而且只需要待识别类型的训练样本。为此提出了算法,通过数学模型选择、核函数设计与参数的自适应调整将OCSVM原理融入到高光谱影像的地物识别算法中,提高了识别的精度,降低了对训练样本的要求。最后利用两幅高光谱影像进行了实验分析,实验结果证明了所提算法的有效性。