黄河流域(济南段)土壤元素分布特征及作物营养元素分析

【目的】探究黄河流域(济南段)的土壤元素含量及分布特征,了解人类活动对土壤元素含量的影响,为土地利用和土壤改良提供基础数据。【方法】采集调查区土壤样品,分析29种土壤元素指标,用统计学、空间分析和变异系数等方法分析元素在不同土壤类型、不同土地利用类型及不同行政区的分布特征,农作物营养元素区域差异化及影响因素。【结果】黄河流域(济南段)内元素背景值明显偏高的有Hg、As、Cd、S、Corg、Co、N、B、CaO、Se、F,大多数元素变异系数在0.25以下,部分有害元素变异系数大于0.4。不同行政区表层土壤中大多数元素的变异系数较小,即元素分布均匀,MgO变异系数达0.7以上,说明人为因素对此类元素的影响较大。不同土壤类型中的S、Corg和N等元素有明显差异,其中农村宅基地中的CaO、Zn、MgO和Na_(2)O偏高。调查区表层土壤全氮含量以中等丰度为主,占调查区面积的62.60%;全磷含量丰富,中等以上等级区面积占调查区总面积的80.69%;全钾以二级较丰富为主,面积占调查区76.87%。黄河流域(济南段)广泛分布的土壤类型为普通潮土,成土母质含丰富CaCO_(3),使pH高于7.5。【结论】黄河流域(济南段)内大多数元素区域分布均匀,土壤污染压力较小,与直管区工业发展程度整体不高的背景相吻合。Hg元素变异系数较高(>0.4),说明人类活动对土壤质量产生了影响。大部分地区N、P、K等较富集,适合发展种植业。

基于改进蜉蝣算法优化多阈值图像分割

针对图像多阈值分割中存在分割效率低、计算时间长以及精度不高等问题,提出了一种基于改进蜉蝣算法的多阈值图像分割算法。首先,在初始化阶段引入类随机采样方法中的Sobol序列,增强种群的遍历性和多样性;其次,提出一种自适应非线性惯性权重,平衡了全局与局部寻优能力,提高了算法的收敛效率,利于种群向最优解逼近;最后,采用指数熵作为计算适应度的目标函数,通过改进蜉蝣算法对图像分割的多阈值组合进行寻优,确定最优分割阈值。为了验证该改进算法的有效性,选择了伯克利图像来进行分割验证,并与其他智能算法进行比较。实验结果表明:该改进算法在分割准确性、计算时间、结构衡量指标(structure similarity index measure,SSIM)和峰值信噪比(peak signal-to-noise ratio,PSNR)上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题,具有较强的工程实用性。

欠发达区域对外贸易与经济增长实证分析——以甘肃省为例

对外贸易对欠发达区域经济增长有重要的促进和拉动作用。分析表明，甘肃省1978—2005年对外贸易中进出口贸易额和GDP的增长具有明显的正相关性。本文在相关数据量化分析的基础上，对于如何提高甘肃省以及类似欠发达区域的对外贸易，加快促进该区域经济增长，提出了针对性的思路和建议。

SAR图像仿真方法研究综述

SAR图像仿真是一种在计算机平台上,通过模拟SAR图像特征或者SAR系统工作过程,从而得到仿真SAR图像的技术。它克服了真实SAR系统获取不同参数SAR图像成本高、周期长的缺点,在SAR系统研制和算法验证等方面起着重要作用。按照仿真流程,介绍了三种SAR图像仿真方法并对它们的优缺点进行了剖析,对其当前的发展状况做了较为全面的综述,对当前存在的问题进行了分析并对未来的发展趋势进行了展望。

典型战场目标SAR图像仿真与毁伤评估

针对战场环境下目标真实SAR图像获取成本较高、时间长,毁伤图像获取困难,对坦克、飞机、舰船三类典型战场目标采用改进的2D-FFT回波仿真方法仿真得到目标毁伤前后SAR图像。提取仿真图像目标区域纹理特征和几何特征,基于层次分析法,依据目标识别的Fisher可分性判据和目标识别率对目标毁伤评估指标进行权重计算并代入提出的毁伤率计算模型的目标毁伤率。再依据毁伤率划分毁伤等级,评估三类目标的毁伤状况。

锅炉房煤耗换算及系统内一级网流量分配问题的分析与应用

创新和精细管理应牢牢结合自身实际工作,找准不足,找出依据,制定出行之有效、操作性强的管理办法和措施来才能实现。就热力行业来说,企业一直是吃补贴的单位,亟待解决最突出的问题有两个:一是如何降低单位面积煤耗;二是系统区域内各换热站水力平衡实现科学调整的问题。

基于深度学习的视觉单目标跟踪综述

单目标跟踪是一种在视频中利用目标外观和上下文信息对单个目标分析运动状态、提供定位的技术,在智能监控、智能交互、导航制导等方面具有应用前景,但遮挡、背景干扰、目标变化等问题导致实际应用的进展缓慢。随着近年来深度学习的快速发展,研究使用深度学习技术优化单目标跟踪算法已成为计算机视觉领域的热点之一。围绕基于深度学习的单目标跟踪算法,在分析了单目标跟踪的基本原理基础上,从相关滤波、孪生网络、元学习、注意力、循环神经网络和生成对抗网络六个方面,根据核心算法的不同分别进行了概述和分析;此外,对研究现状进行了总结,提出了算法的发展趋势和优化思路。

联合知识与CNN的遥感影像目标检测研究综述

目标检测是遥感影像智能解译的重要内容,是将影像转换为信息的关键环节。基于知识的方法是遥感影像目标检测的传统经典方法,而基于卷积神经网络的深度学习方法则是近年来逐步兴起并迅速大范围应用的主流方法。介绍了基于几何知识、上下文知识、辅助知识、综合知识的方法,以及一阶段、两阶段的卷积神经网络方法,重点论述了联合知识与卷积神经网络的新方法,并对改进遥感影像数据集、调整算法网络框架、实现目标上下文推理等三种具体应用形式进行了详细介绍。对联合知识与卷积神经网络方法的遥感影像目标检测方法进行了展望。

生成对抗网络及其图像处理应用研究进展

生成对抗网络(GAN)是一种基于对抗思想的架构体系。作为人工智能大发展背景下诞生的前沿算法,GAN已经在图像处理的多个领域取得了显著的成果。从传统GAN的算法入手,对其模型架构、数学机理、优缺点进行剖析。总结了具有代表性的GAN变体,并对GAN在图像处理方面的前沿应用进行介绍。结合现有GAN发展依然存在的问题,对GAN的发展趋势进行了展望。

神经网络在SAR图像目标识别中的研究综述

传统的SAR图像目标识别方法都存在局限性,而利用深度学习自学习的特点,使得SAR图像目标识别能够克服人为选择目标特征的困难。论述了卷积神经网络在SAR图像目标识别分类领域的研究进展,介绍了SAR自动目标识别的基本概念以及传统的识别方法及其优缺点,以及卷积神经网络的基本组成,在光学领域的发展现状,分析了卷积神经网络在SAR图像相干斑噪声抑制和SAR图像目标识别中的经典研究方法和研究现状,给出了卷积神经网络在该领域应用中的不足,展望了未来研究方法。

电子招投标对水利工程项目建设的作用和意义

互联网时代的到来,也标志着电子化招投标已经参与到交易市场,同时,也让更多的可能性和过程阶段在网络上和云端上进行公开透明的演讲,不仅减少了人为干扰,同时,也使得整体的招投标活动能够更好地发挥市场在公共资源配置中的决定性作用。这样的技术引荐和招投标新模式,对于促进招标采购市场健康发展,推动政府职能转变,推进文明健康生态环境和廉政建设都有着更为重要的意义。合理合法进行施工安排和更多的电子招投标,诚信监管系统的建设,也让更多的电子投标应用水平不断提升,我国对创新技术和电子应用技术的大力推荐和支持,也为更全面的电子招投市场打开了道路。本文针对电子招投标对水利工程技术的具体影响和作用,通过分析现阶段电子招投标的应用实践水平和应用实践情况,探讨在电子工程技术支持下,电子招投标在我国水利工程中的应用和产生的影响。

基于数据融合的SAR图像目标识别算法

目前卷积神经网络已经在SAR目标识别领域得到了广泛应用,然而,由于SAR图像的目标样本数量过少,以及图像相干斑噪声的存在,使得网络不能充分的学习样本深层特征,对网络的识别性能会造成一定的影响.针对上述问题,提出一种基于数据融合的目标识别方法,算法首先对原始图像分别进行噪声抑制和边缘信息提取处理,然后将处理后的两类特征信息进行数据融合,将单通道灰度图像融合扩充至双通道图像来作为训练样本,同时构建了一个高低层特征融合的卷积神经网络模型,使用注意力机制来加强了对有用特征的学习,实验结果显示,该方法在MSTAR数据集上,表现了对不同目标型号的优秀识别效果.

超分辨率重构遥感图像分类研究

通常情况下,超分辨率技术能够使图像获得更好的视觉质量,从而有利于图像的目视解译。然而,超分辨率技术能否提升图像在应用于分类、识别等其他更高级计算机视觉任务时的效果呢?结合计算机视觉技术的发展现状,首先训练一个具有良好性能的图像分类模型,用于对经过不同超分辨率方法处理后的图像进行分类。利用分类准确率来衡量超分辨率重构处理对图像分类任务的影响。在遥感分类数据集上的实验显示,相比插值方法,经过超分辨率处理的图像在分类模型中取得了更高的分类准确率。这一结果说明,经过良好设计的超分辨率模型不仅能使低质图像获得更好的视觉质量,在分类模型中也能够被更准确地归入所属类别。证实了经过良好设计的超分辨率模型对于图像分类任务具有促进作用,并且还能有效提升低质图像在计算机视觉中的感知效果。

基于增强RPN的孪生网络目标跟踪算法

目前孪生网络跟踪器已经具有比较良好的表现,但是对于卷积神经网络所提取的特征仍没有较好地利用其特点,同时孪生网络通过相似性学习进行跟踪的特性使跟踪器的准确性和鲁棒性存在不足。提出了一种金字塔式特征融合的方法,根据骨干网络特征提取层不同深度具有不同侧重的特点提高网络对目标的表征能力,然后使用注意力机制对区域推荐网络(Region Proposal Network,RPN)进行增强,最终实现更精准更鲁棒的跟踪。在OTB100数据集的实验中,新提出的SiamERPN(Siamese Enhanced RPN)算法分别得到了0.668的成功率和0.876的精度,测试结果好于基线算法和其他对比算法。

基于注意力残差网络的卫星图像翻译方法

卫星图像翻译是生成对抗网络的重要应用场景之一,现有的卫星图像翻译存在生成质量低、泛化能力弱、计算代价高等问题。在循环生成对抗网络的基础上,通过设计轻量化的注意力残差模块来提高图像翻译质量、减小模型的参数计算量,同时引入最小二乘损失来提高训练过程的稳定性。实验结果表明,所提方法在保持高训练稳定性、低模型计算量的前提下,在卫星图像翻译任务中具有较好的翻译质量。