一种移动视频与地理场景的融合方法     

赵维淞  钱建国  汤圣君  王伟玺  李晓明  郭晗 《测绘通报》2020,(12):11-16

快速准确地了解灾害现场状况是救灾过程中的重中之重。通常发生灾害都会使用无人机进行现场勘察，但是无人机视频难以与实际的地理场景关联起来，为此本文提出了一种移动视频与地理场景的融合方法。该方法首先采用具有仿射不变性的ASIFT算法检测特征点，将匹配后的特征点采用RANSAC算法进行迭代剔除噪点，计算视频与地理场景最优的透视变换矩阵模型参数；然后将计算得到的透视变换参数应用到视频数据，恢复视频角点坐标；最后通过内插得出所有视频帧的角点坐标，实现视频与DOM的精确融合。试验结果表明，对视频数据匹配的间隔帧越短，其整体融合精度越高，通过本文方法进行视频与地理场景融合的误差标准差低于10 m。  相似文献   

A machine learning approach for predicting computational intensity and domain decomposition in parallel geoprocessing     

Peng Yue  Fan Gao  Boyi Shangguan  Zheren Yan 《International journal of geographical information science》2020,34(11):2243-2274

ABSTRACT

High performance computing is required for fast geoprocessing of geospatial big data. Using spatial domains to represent computational intensity (CIT) and domain decomposition for parallelism are prominent strategies when designing parallel geoprocessing applications. Traditional domain decomposition is limited in evaluating the computational intensity, which often results in load imbalance and poor parallel performance. From the data science perspective, machine learning from Artificial Intelligence (AI) shows promise for better CIT evaluation. This paper proposes a machine learning approach for predicting computational intensity, followed by an optimized domain decomposition, which divides the spatial domain into balanced subdivisions based on the predicted CIT to achieve better parallel performance. The approach provides a reference framework on how various machine learning methods including feature selection and model training can be used in predicting computational intensity and optimizing parallel geoprocessing against different cases. Some comparative experiments between the approach and traditional methods were performed using the two cases, DEM generation from point clouds and spatial intersection on vector data. The results not only demonstrate the advantage of the approach, but also provide hints on how traditional GIS computation can be improved by the AI machine learning.  相似文献   

Jason-2高度计电离层GIM误差分析及修正研究     

黄霞凤  苗洪利  苗翔鹰  薛文文 《海洋学报》2019,41(7):143-148

基于Jason-2高度计2015年地球物理数据集(GDR)38个周期太平洋海域的全球电离层图(GIM)电离层校正值和双频校正值的数据，分不同季度和不同纬度区域比较二者的差异，结果表明:GIM值与双频校正值之间存在明显的差异，GIM校正值普遍高于双频校正值，说明GIM高估了电离层路径延迟，GIM校正值与双频校正值的差异与季节和纬度区间有关。用梯度下降法得到GIM值的修正方程，将修正方程应用于2016年Jason-2的全年数据，修正后的GIM值与双频校正值十分接近，在各年份中均具有良好的适用性。在单频高度计不能使用电离层双频校正算法的情况下，可以利用不同季度和不同纬度区域的修正方程对同等高度的高度计GIM值进行修正以达到双频校正值的精度水平。  相似文献   

基于EEMD和ARIMA的海温预测模型研究          下载免费PDF全文

张莹  谭艳春  彭发定  廖杏杰  余昱昕 《海洋学研究》2019,37(1):9-14

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。  相似文献   

Full moment tensor inversion constrained by double-couple focal mechanism for induced seismicity*          下载免费PDF全文

Yuyang Tan  Haijiang Zhang  Junlun Li  Chen Yin  Furong Wu 《地震科学（英文版）》2020,33(4):177-193

In this study, we propose a new method to determine full moment tensor solution for induced seismicity. This method generalizes the full waveform matching algorithm we have developed to determine the double-couple (DC) focal mechanism based on the neighbourhood algorithm. One major difference between the new method and the former one is that we adopt a new misfit function to constrain the candidate moment tensor solutions with respect to a reference DC solution in addition to other misfit terms characterizing the waveform matching. Through synthetic tests using a real passive seismic survey geometry, the results show the new constraint can help better recover the DC components of inverted moment tensors. We further investigate how errors in the velocity model and source location affect the moment tensor solution. The synthetic test results indicate that the constrained inversion is robust in recovering both the DC and non-DC components. We also test the proposed method on several real induced events in an oil/gas field in Oman using the same observation system as synthetic tests. While it is found that the full moment tensor solutions without using the DC constraints have much larger non-DC components than solutions with the DC constraints, both solutions are able to fit the observed waveforms at similar levels. The synthetic and real test results suggest the proposed DC constrained inversion method can reliably retrieve full moment tensor solutions for the induced seismicity.  相似文献   

基于遗传算法优化BP神经网络的玉米遥感估产方法     

于海洋  陈圣波  杨北萍  安秦 《世界地质》2020,39(1):208-214

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。  相似文献   

双稀疏字典和FISTA的地震数据去噪          下载免费PDF全文

张良  韩立国  方金伟  张盼  刘争光 《地球物理学报》2019,62(7):2671-2683

地震数据的随机噪声去除是地震数据处理中的一项重要步骤，双稀疏字典提供了两层稀疏模型，比单层稀疏模型可以更好地去除噪声.该方法首先利用contourlet变换对地震数据进行稀疏表示，然后在contourlet域中使用快速迭代收缩阈值算法（fast iterative shrinkage-thresholding algorithm，FISTA）对初始字典系数进行更新，接着采用数据驱动紧标架（data-driven tight frame，DDTF）在contourlet域中得到DDTF字典并通过FISTA得到更新后的字典系数，最后通过DDTF字典和更新后的字典系数获得新的contourlet系数，并对新的contourlet系数进行硬阈值和contourlet反变换得到去噪后的数据.通过模拟数据和实际数据的实验证明：与固定基变换去噪方法相比，该方法可以自适应地对地震数据进行稀疏表示，在地震数据较为复杂时得到更高的信噪比；与字典学习去噪方法相比，该方法不仅拥有较快的去噪速度，而且克服了字典学习因为缺少先验约束造成瑕疵的缺点.  相似文献   

一种基于M估计的Robust-ELM滑坡位移预测方法     

高彩云  高宁 《大地测量与地球动力学》2019,39(2):153-157

采用传统ELM算法进行滑坡位移预测时，其网络输出权值由最小二乘估计得出，导致ELM抗差能力较差，从而造成网络训练参数不准确。为此，将M估计与ELM相结合，提出一种基于M估计的Robust-ELM滑坡变形预测方法。该方法利用加权最小二乘方法来取代最小二乘法计算ELM输出权值，以减少滑坡监测数据中粗差对ELM预测的干扰。分别以链子崖、古树屋滑坡体为例，将Robust-ELM进行了单维、多维粗差的抵御性验证。结果表明，该方法能够有效降低粗差对预测的影响，具有良好的抗差能力。  相似文献   

基于深度残差网络的机载LiDAR点云分类     

赵传  郭海涛  卢俊  余东行  张保明 《测绘学报》2020,49(2):202-213

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。  相似文献   

基于Remez迭代算法求解差分系数的双相介质自适应有限差分正演模拟          下载免费PDF全文

王文化  文晓涛  张波  张懿疆  王威 《地球物理学报》2020,63(6):2400-2414

利用传统有限差分方法对基于Biot理论的双相介质波动方程进行数值求解时,由于慢纵波的存在,数值频散效应较为明显,影响模拟精度.相对于声学近似方程及普通弹性波方程,Biot双相介质波动方程在同等数值求解算法和精度要求条件下,其地震波场正演模拟需要更多的计算时间.本文针对Biot一阶速度-应力方程组发展了一种变阶数优化有限差分数值模拟方法,旨在同时提高其正演模拟的精度和效率.首先结合交错网格差分格式推导Biot方程的数值频散关系式.然后基于Remez迭代算法求取一阶空间偏导数的优化差分系数,并用于Biot方程的交错网格有限差分数值模拟.在此基础上把三类波的平均频散误差参数限制在给定的频散误差阈值和频率范围内,此时优化有限差分算子的长度就能自适应非均匀双相介质模型中的不同速度区间.数值频散曲线分析表明:基于Remez迭代算法的优化有限差分方法相较传统泰勒级数展开方法在大波数范围对频散误差的压制效果更明显;可变阶数的优化有限差分方法能取得与固定阶数优化有限差分方法相近的模拟精度.在均匀介质和河道模型的数值模拟实验中将本文变阶数优化有限差分算法与传统泰勒展开算法、最小二乘优化算法进行比较,进一步证明其在复杂地下介质中的有效性和适用性.  相似文献