摘要：违法所得是指违法所得的一切财物的简称,在诉讼活动中占有重要地位。但是由于立法和理论研究的不足,导致司法实践中违法所得的概念不清、主体不明、数额计算不统一以及程序设计不完善等。因此,有必要对违法所得问题展开实体与程序全方位的研究,完善违法所得的处理机制。

摘要：针对高光谱影像中地物的尺度复杂多样,并且存在“同物异谱、同谱异物”现象,给影像的解译和分类带来了困难,以及高光谱影像维度过高容易造成分类中的维数灾难等难题,提出了一种结合超像素的改进二维奇异谱分析(two-dimensional singular spectrum analysis combining with superpixels,S2DSSA),与局部Fisher判别分析(local Fisher discriminant analysis,LFDA)相融合,共同提取影像的光谱-空间特征,并使用支持向量机(support vector machine,SVM)来进行分类,记为S2DSSA-LFDA-SVM的方法。超像素2DSSA将2DSSA作用于每个构造的超像素规则区域,能够自适应地提取地物的空间特征。在其基础上,LFDA进一步挖掘光谱维度的流形结构,实现光谱特征提取和降维。实验结果证明,在两个经典高光谱数据集上,所提出方法的总体精度相比于原始数据分别提升了31.7%和12.9%,相比于其他先进的光谱-空间分类算法有2%~6%不同程度的提升。

摘要：时空融合能够生成具有足够时间和空间分辨率的图像序列。然而,当前的研究趋向于使用尽可能多的时相数据、复杂的非线性模型来提高预测的准确性,极少的研究将重点放在图像本身的分析,即充分利用影像包含的如趋势和纹理等内在特征。为此,文章基于二维奇异谱分析(2D singular spectrum analysis,2DSSA)技术,提出了一种2DSSA时空融合模型(2DSSA spatial-temporal fusion model,2DSSA-STFM),通过将已有影像分解为趋势分量和细节分量,分别对目标时刻影像的主要空间趋势和空间细节进行预测。首先,建立高空间分辨率数据趋势项与低空间分辨率数据的线性关系,计算得到目标时刻影像的趋势成分;然后,建立2个时相下低分辨率细节分量和高分辨率细节分量的线性关系,得到目标时刻影像的细节成分;最后,将计算得到的趋势和细节成分进行合成,即为目标预测影像。在2组中分辨率Landsat7 ETM+和MODIS影像上对提出的2DSSA-STFM进行了实验,结果表明,提出的模型在实验误差方面要优于传统的时空融合模型。

摘要：语义分割网络被广泛应用在高分辨率遥感影像建筑物提取领域。但是语义分割网络中的连续下采样会损失特征中的细节信息,导致提取结果边缘模糊,不同深度特征的不充分利用导致传统网络难以识别尺度差异大的建筑物。针对以上问题,文章基于双线性插值上采样和多尺度特征组合提出一种多尺度建筑物提取网络(Multi-scale building extraction network,Msb-Net),该网络包括编码器、解码器以及多尺度特征组合三部分。首先,编码器基于双线性插值上采样丰富图像的细节信息,再通过特征编码提取深层抽象特征;其次,解码器恢复特征空间分辨率,获得深度不同的解码特征;最后,基于多尺度特征组合结构对不同深度的解码特征进行组合,获得最佳的检测结果。文章在马萨诸塞州数据集和武汉大学数据集上进行验证,结果表明,Msb-Net具有更高的识别精度,在两个数据集上交并比指标分别提高了1.71%和1.88%。通过结果对比可以得出结论:相比于传统语义分割网络,Msb-Net可以通过多感受野特征组合的方法更加准确地识别遥感影像中不同尺度的建筑物。