摘要：目的随着遥感影像空间分辨率的提升,相同地物的空间纹理表现形式差异变大,地物特征更加复杂多样,传统的变化检测方法已很难满足需求。为提高高分辨率遥感影像的变化检测精度,尤其对相同地物中纹理差异较大的区域做出有效判别,提出结合深度学习和超像元分割的高分辨率遥感影像变化检测方法。方法将有限带标签数据分割成切片作训练样本,按照样本形式设计一个多切片尺度特征融合网络并对其训练,获得测试图像的初步变化检测结果;利用超像元分割算法将测试图像分割成许多无重叠的同质性区域,并将分割结果与前述检测结果叠合,得到带分割标记的变化检测结果;用举手表决算法统计带分割标记的变化检测结果中超像元的变化状况,得到最终变化检测结果。结果在变化检测实验结果中,本文提出的多切片尺度特征融合卷积网络模型在广东数据集和香港数据集上,优于单一切片尺度下卷积神经网络模型,并且结合超像元的多切片尺度特征融合卷积网络模型得到的Kappa系数分别达到80%和82%,比相应的非超像元算法分别提高了6%和8%,在两个测试集上表现均优于长短时记忆网络、深度置信网络等对比算法。结论本文提出的卷积神经网络变化检测方法可以充分学习切片的空间信息和其他有效特征,避免过拟合现象;多层尺度切片特征融合的方法优于单一切片尺度训练神经网络的方法;结合深度学习和超像元分割算法,检测单元实现了由切片到超像元的转变,能对同物异谱的区域做出有效判决,有利于提升变化检测精度。

摘要：目的探讨乙型肝炎病毒(HBV)感染对孕产妇身心健康状况的影响。方法采用队列研究设计,回顾性分析2020年“北京市围产保健管理登记卡”中填报乙型肝炎病毒(HBV)表面抗原结果的155970例孕产妇资料,其中HBV表面抗原阳性的孕产妇4246例,HBV表面抗原阴性的孕产妇151724例,孕期心理评估采用抑郁自评量表(PHQ-9)量表,产后心理评估采用爱丁堡产后抑郁量表(EPDS)量表,比较HBV表面抗原阳性及阴性孕产妇心理健康及孕期并发症发生情况。结果106883名孕妇填写PHQ-9量表,其中HBV感染孕妇2583例,未感染孕妇104300例;孕期心理状况评分为“可疑高危或抑郁可能性大”的孕妇中,HBV感染孕妇为23.7%,未感染HBV孕妇为20.4%,两者差异有统计学意义。46219名孕妇填写EPDS量表,其中HBV感染孕妇812例,未感染孕妇45407例;产后心理状况评分为“可疑高危或抑郁可能性大”的产妇中,HBV感染产妇发生率为16.4%,未感染HBV孕妇发生率为15.5%,两者差异没有统计学意义。多因素分析显示,HBV感染是孕产妇孕期发生抑郁的危险因素(OR=1.19,95%CI:1.09~1.31,P<0.0001),孕妇年龄低、学历低、孕妇及配偶为外地户籍和无业及失业均为孕妇孕期发生抑郁的危险因素。但是针对产后抑郁的多因素分析显示,差异没有统计学意义。在非传染病专科医院中,HBV感染、多胎妊娠、高血压是发生ICP的危险因素;在传染病专科医院中,HBV感染不增加ICP发生风险。HBV感染对孕产妇妊娠期高血压综合征发生没有影响(OR=0.83,95%CI:0.65~1.07,P=0.148)。结论HBV感染有可能增加孕产妇孕期抑郁的发生风险,可能增加ICP发生风险,应加强对HBV感染孕妇健康宣教与医务人员支持,消除孕产妇对母婴传播焦虑情绪。

摘要：为实现高分2号图像(GF2)业务化大气校正,利用矢量6S模型(6SV)将辐射传输散射与吸收进行分离计算,其中散射部分采用涵盖各种大气模式、气溶胶类型、成像几何等条件下的大气校正查找表(look-up tables,LUTs)表示,大气吸收部分采用6SV拟合计算的6种大气模式下大气透过率的经验公式表示,这种处理有效简化了查找表大小.在内存4 GB、主频3.10 GHz条件下,通过比较基于本查找表方法和基于FLAASH大气校正软件对北京地区一景GF2数据处理.结果表明:以6SV模型直接大气校正法结果作为真值,两者的绝对误差分别为0.8%和2.6%,处理时间分别为77 s和240 s,该大气校正查找表在处理精度和效率更加适合业务化大气校正.

摘要：土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现:同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。

摘要：针对当前储油罐目标检测研究仅针对独立数据集,缺乏区域性检测的实际应用问题,采用一种基于卷积神经网络的嵌入掩膜分支的多阶段目标检测网络(mask multi-stage network,MMSNet)对天津港储油罐进行检测。该网络以ResNet50和特征金字塔网络(feature pyramid network,FPN)作为特征提取网络,在检测头部分设计并行的多阶段检测分支和掩膜分支。多阶段检测分支通过适配不同IoU的候选框,保证训练阶段和推理阶段拥有相似的分布特性;掩膜分支通过提取不同IoU阈值下的特征图,精确回归目标的边界位置。通过国产GF-2号卫星影像数据,提取了天津港地区的储油罐。实验表明,MMSNet网络在保证召回率为92.6%的情况下,准确率可达96.8%,为港口储油罐的快速识别提供了可能。

摘要：该文在小水线面双体船纵向运动切片法基础上给出了SW ATH纵向运动控制系统状态空间数学模型,并引入了LQR二次最优控制理论对本系统进行优化设计与仿真,找到了该系统动态响应与权矩阵Q和R之间的基本规律,同时,仿真结果也验证了该控制系统设计的准确性。

摘要：目的:评价北京市2012年实施的医药分开政策对五家试点医院医生诊疗行为以及医疗费用的影响。方法:以缺血性心脏病为例,采用有对照的前后比较设计来研究住院服务利用的变化。以五家试点医院为干预组,以非试点的所有三甲公立医院为对照组。2011年1月1日—2012年7月1日为干预前,2012年7月2日—2014年12月31日为干预后。数据来源于2011—2014年北京医保抽样数据库,采用倍差法及知情人深入访谈进行分析。与试点医院及非试点医院的医保办主任进行深入访谈,探索医药分开政策对评价指标的作用机制。结果:缺血性心脏病住院次均中药费用、次均实验室检查费用显著下降,次均综合服务费用显著增加;次均西药费用有所下降,但是没有统计学意义;中药费用的比例下降3.73%;综合服务费用比例增加2.58%;实验室检查费用比例和临床诊疗费用比例变化没有统计学意义。结论:医药分开相关政策改变了医院的费用结构,减少的药品费用平移到诊疗费用等其他费用,实现了收入的平移;在现有医保支付方式和医院收入分配制度下,医药分开政策对住院总费用和患者自付费用的影响不大;加强医院内部管理,严格管控绩效指标,对于规范医生行为具有一定作用。

摘要：介绍了双纵模He-Ne激光器的热稳频技术原理,设计了热稳频控制系统,并进行了相关的实验。根据实验结果可知,本热稳频系统实现了将两个纵模频率稳定在增益曲线中心频率对称位置和不对称位置上。根据拍频结果可知,当稳定在对称位置上时,激光器的频率稳定度达10-10量级;当稳定在不对称位置上、维持频率稳定度10-10量级时,激光器输出单纵模的功率最高达总功率的80%。

摘要：北京1号小卫星是中国第一颗实用型对地观测微小卫星,也是"国际灾难监测星座(DMC)"的第五颗星,该卫星于2005年10月27日在俄罗斯发射成功,设计寿命5年。在北京1号小卫星发射成功后,中英双方开始对卫星进行在轨测控和调试。在分析光学遥感器成像模型基础上,参考国际典型卫星在轨测试内容和北京1号卫星的特点,提出了北京1号小卫星在轨测试的内容、指标体系和技术方法,全面评价了北京1号小卫星的辐射性能、几何性能、光谱性能和图像综合质量,评价结果表明北京1号小卫星具有良好的性能。

摘要：欧空局2001年10月22日成功发射的PROBA卫星上搭载了紧密型高分辨率成像光谱仪（CHRIS）,它可以提供高光谱分辨率、高空间分辨率和多角度的遥感数据,它代表了新一代的地球观测数据源。CHRIS有5种工作模式,其中模式2是专门为水体研究而设计的,它在400～1050nm的可见光至近红外有18个波段,每个波段数据的空间分辨率是17 m。CHRIS数据的高光谱分辨率、高空间分辨率和多时相覆盖的特点为内陆水质监测提供了有利条件。为了验证CHRIS在内陆水质监测中的具体应用,在太湖梅梁湾开展了水面综合试验,在梅梁湾均匀分布的14个水面采样点分别测量了水面光谱和水质参数。利用这些数据,同时结合CHRIS数据的光谱特征,建立了叶绿素浓度反演半经验模型,应用于CHRIS图像反演了太湖梅梁湾的叶绿素浓度分布图,并取得了较好的结果。最后指出CHRIS数据不但在内陆水质监测中具有巨大潜力,而且CHRIS遥感器是今后内陆水质监测卫星遥感器的典范。