基于跨空间多尺度的弱监督有向目标检测算法研究

针对当前基于旋转框标注的传统有向目标检测算法对遥感场景下的有向目标检测存在复杂度高、标注成本大等问题,提出了一种基于跨空间多尺度的弱监督有向目标检测算法LSK-EFPN,该算法可利用水平框标注信息推断目标的旋转框信息,实现了复杂遥感场景下的有向目标检测。为提升网络检测能力,该算法采用LSKNet网络提取输入图像先验背景特征,并添加跨空间多尺度注意力模块捕捉跨空间的特征区域,最后使用CIoU作为尺度约束损失函数来对一致性损失进行重构。实验结果表明,LSK-EFPN在遥感场景DIOR数据集上的平均准确率达到61.7%,相对于H2RBox算法提升了4.7%,为基于水平框标注的有向目标检测场景提供了新的技术解决方案。

顾及空间多尺度邻域效应和时间依赖性的城市扩展模拟

在推进新型城镇化和实施新时代国土空间规划的战略背景下,城市扩展研究逐渐成为热点问题。当前基于元胞自动机(CA)的城市扩展模拟对城市空间多尺度邻域效应解析不足,且在转换规则中对城市长时间演变过程的时间依赖性影响表达不够完善,简化了城市扩展的时空依赖性,无法真实模拟推演未来规划实施情景以服务于国土空间规划。针对上述问题,本文构建一种兼顾空间多尺度邻域效应(3DCNN)和时间依赖性(ConvLSTM)的城市扩展深度学习CA模型(下文称“Deep-CA”)。首先通过组合普通卷积和空洞卷积的3DCNN来提取城市空间多尺度邻域效应,再利用ConvLSTM神经网络将历史信息同化,考虑长时间序列的时间依赖性,从而得到城市扩展的适宜性概率。北京市1995—2015年的土地利用数据及其驱动因素数据用于验证所提CA模型的科学性与适用性,1995—2010年数据用于模型训练,模拟2015年的城市范围。同时将模拟结果精度与ANN-CA、LR-CA和ME-CA 3种传统方法进行对比。与传统CA模型相比,Deep-CA的北京市2015年模拟FoM指数提高了4%左右,且对于城市全局和局部形态模拟效果较好,斑块破碎度低。试验结果表明,Deep-CA可以准确获取长期时空依赖关系,从而进一步提高城市扩展CA模型的模拟真实性。

基于空间多尺度残差网络的红外与可见光图像融合

针对如何充分提取和融合红外与可见光图像典型特征的问题,提出一种基于空间多尺度残差网络的图像融合算法。首先,将源图像输入基于空间多尺度残差模块组成的编码器网络,通过源图像重建任务,训练编码器自动获取重要特征信息的能力;然后,引入特征金字塔结构,设计了特征通道自注意力机制,编码器输出的基础层和细节层进行融合,减小尺度噪声,并由解码器重构出融合图像;最后,利用公开数据集进行定性和定量实验,证明了改进算法在突出红外图像目标和保留可见光图像纹理细节两方面的优势,相比于DDcGAN算法,新算法的标准差和平均梯度分别提升了12.91%和47.41%。

土地利用变化空间多尺度驱动力耦合模型构建

研究目的:从多尺度空间关联耦合的角度,构建一个能够动态、定量表征不同尺度土地利用变化及其驱动机理的土地利用变化多尺度驱动力系统动力学耦合模型。研究方法:以系统动力学理论与方法为指导,构建耦合模型主控反馈环与耦合关系模块形成耦合模型总体框架,并对该耦合模型进行实现与应用验证。研究结果:该耦合模型模拟结果相对误差的均值为-0.155%,相对误差分布在[-3.91%,4.98%]区间内的样本数占样本总数的90.3%,基本达到了对三级实证研究区土地利用变化及其多尺度驱动机理时域行为的再现与模拟。研究结论:耦合模型构建思路与方法较为可靠,能够为土地利用规划数量结构在不同尺度间的配置与协调提供有效的预测手段。

混凝土结构空间多尺度相对湿度值

针对环境作用具有空间分布特性,借鉴空间多尺度环境作用模型框架(包括全局环境、地区环境、工程环境、构件表面环境、内部环境)及其数学模型,对相对湿度进行了空间多尺度研究:在分析空间各尺度上相对湿度的不同影响因素的基础上,由全局环境尺度开始,通过地区环境尺度、工程环境尺度以及构件表面环境尺度上环境因素的逐步调整,最终计算得到混凝土内部的相对湿度值。研究结果表明,采用"常规统计模型+空间残差"的方法,可有效建立地区环境尺度上的相对湿度值与工程环境尺度上相对湿度值的定量关系;混凝土结构构件的表面相对湿度与表面温度有关;实际工程结构应考虑构件表面相对湿度与内部相对湿度之间的不同。

滇中城市群空间多尺度耕地模型对比研究

【目的】以滇中城市群耕地分布为例,通过对比分析空间多尺度耕地模型探析适宜的土地利用模拟模型。【方法】从1、5、10、20和30 km 5种栅格尺度和16个驱动力因子视角,选取拟合优度、残差空间自相关、因子数量及空间尺度等指标,对比经典回归、空间滞后、空间误差和地理加权回归4种耕地模型的差异性及精度。【结果】耕地及驱动因子在空间多尺度下均存在正的全局空间自相关,且具有空间非平稳性,权重距离越小,空间依赖程度越高,随权重距离的增加表现出较强的空间异质性;耕地集聚特性随空间尺度变化呈现出较高的一致性,具体到空间位置及细节表达程度则存在一定的差异,尺度越小,集聚性越明显,其局部空间差异性越显著,反之,则相反;选取拟合优度、模型残差的空间自相关性、影响因子数量及空间尺度等指标,对比分析各空间多尺度模型,得出表征耕地局部空间格局和分布规律模型从优到劣依次为地理加权回归模型、空间误差模型、空间滞后模型、回归模型。【结论】地理加权回归模型顾及且量化了地理空间局部特征及地理空间差异性,既能详细地表征耕地空间局部特征,又能判定不同空间位置模型拟合度的优劣,还可以得到土地利用各驱动因子随空间位置变化的权重。在局部空间特征表达、模拟精度及驱动因子系数等方面都具有很好的模型构建能力,可以与其它数理模型结合来构建适用于高原山区城市群尺度的土地利用预测模拟模型。

滇中城市群土地利用空间多尺度动态模拟研究

目前,土地利用动态模拟大多是基于单尺度的数学模型,未顾及土地利用及驱动因子的局部特征和非平稳性特征。以滇中城市群为例,从土地利用结构分维尺度效应和ROC值2个方面综合确定研究区最佳尺度,采用Logistic回归分析方法确定驱动因子,构建多情景动态模拟模型。实验表明:基于GWR Logistic改进CLUES的土地利用格局模拟模型可以显著提高模型的尺度适用性及土地空间布局模拟准确度。

基于空间多尺度HOG特征的人脸表情识别方法

传统HOG特征是一种有效的图像边缘信息描述符,但它忽略了局部特征之间的空间排列信息,针对此缺点,提出空间多尺度HOG模型。逐层将图像细化分成一系列不同尺度的子区域;采用改进HOG算子分别计算各个子区域的梯度方向直方图,按层按顺序将其连接,得到整幅图像的"空间多尺度"HOG特征。在JAFFE数据库上的实验结果表明,该算法在识别效果和运行时间方面优于HOG、LBP、Gabor等传统特征描述子,通过多尺度梯度方向准确描述了面部肌肉褶皱变化所蕴含的表情信息,是一种更有效的表情特征描述子。

混凝土结构空间多尺度环境作用研究

在分析混凝土结构所受主要环境作用的基础上,借鉴国外环境作用在空间尺度上的划分方法,针对中国的气候环境,建立了混凝土结构的空间多尺度环境作用模型框架,包括全局环境、地区环境、工程环境、构件表面环境和构件内部环境五个尺度,并得到了空间多尺度环境作用数学模型.以环境作用中的大气温度为例,在考虑各尺度上不同环境条件影响的基础上,由全局环境尺度上的环境作用值开始,通过地区环境、工程环境以及构件表面环境尺度上的逐步调整,最终计算得到混凝土内部的环境作用值,为混凝土结构的耐久性评估和设计提供依据.

基于低通保边滤波和尺度约束大津法的网格空间多尺度聚类方法

现有网格空间多尺度聚类方法未能将尺度因子作为模型参数实现尺度驱动的阈值提取,导致算法调参困难,难以全面挖掘空间数据的分布模式。海量空间点数据蕴含的信息更丰富,层次结构也更复杂,对聚类算法的参数自动化和计算效率提出了更高的要求。针对上述问题,该文从数据尺度和观察尺度提出了一种适用于海量数据的多尺度聚类挖掘方法:分别通过网格多分辨率和低通保边滤波器的尺度拓展机制实现了数据尺度和观察尺度上的尺度变换;将观察尺度层级作为参数引入大津法中,实现了观察尺度的密度阈值自动提取。实验结果表明:相比于传统低通滤波,该滤波方法具有良好的去噪保边效果;多尺度密度阈值提取算法能够有效地捕捉数据集中丰富的多层次信息,且计算复杂度低,可用于快速挖掘各类海量空间点数据中的多层次空间结构。

基于点云稀疏空间特征聚合激励的单阶段3D目标检测模型

针对目前基于点云的3D目标检测中单阶段体素法存在感受野固定、特征尺度单一,导致模型对点云特征学习不够充分、模型检测效果存在瓶颈等问题,提出了一种可端对端训练的基于体素的单阶段3D目标检测模型.首先,利用多尺度稀疏空间特征聚合模块,聚合点云在不同稀疏空间尺度上的特征,使特征充分保留点云的空间信息;然后,对特征进行分层激励,通过多尺度感受野对特征进行分层学习,强化特征的表达能力,降低噪声信息对检测结果的影响;最后,将特征输入检测头进行候选框的分类和回归.在公开的自动驾驶数据集KITTI上与主流单阶段3D目标检测模型进行了对比实验,包含对3类目标共9个的难度等级目标的检测.所提模型在其中5个等级中的平均准确率有明显提升,尤其对点云稀疏的目标,表现出较好的检测效果.实验结果表明,所提模型能够充分提取点云空间信息并有效地学习点云多尺度特征.

基于多尺度残差空间注意力轻量化U-Net的农业害虫检测方法

田间害虫的快速精准检测是作物害虫防治的前提。现有基于卷积神经网络的作物害虫检测方法常包含大量训练参数,难以应用于现实场景中。针对上述难点,提出1种基于多尺度残差空间注意力轻量化U-Net(Multi-scale residual spatial attention lightweight U-Net,简称MSRSALU-Net)的检测方法,并应用于田间害虫检测。MSRSALU-Net由编码模块与解码模块组成。在MSRSALU-Net编码模块中,多尺度残差卷积模块用于提取害虫多尺度信息以缓解害虫尺度变化对检测性能的影响;空间注意力机制模块用于提取特征的全局依赖以缓解复杂背景对检测性能的干扰。此外,使用残差连接路径模块连接MSRSALU-Net的编码模块与解码模块,以更好地传播特征信息。在构建的IP13数据库上进行试验,基于MSRSALU-Net的害虫检测方法的识别精度为95.11%。与基于UNet、注意力UNet、MultiResUNet的害虫检测方法相比,MSRSALU-Net检测精度分别提高11.85%、5.38%、2.41%。模型参数量与U-Net、注意力UNet、MultiResUNet相比,分别减少了25.81%、21.45%、18.39%。结果表明,提出的MSRSALU-Net能有效克服害虫尺度变化、背景复杂等因素干扰,实现害虫的快速精准识别。该方法可为田间作物害虫检测系统提供技术支撑。

地球空间数据集成多尺度问题基础研究

多尺度数据集成是地球空间数据集成中最难处理的问题。将多尺度数据的集成分解为空间和时间多尺度数据集成，在分析应用项目对数据尺度需求的基础上，就两种多尺度数据集成的传统和数据意义上的集成方法进行了详细的探讨。

基于多尺度特征融合的轻量级异常行为检测模型

针对数据量复杂的视频监控场景下现有的异常行为检测模型对小目标异常行为的准确率不高、计算量复杂的问题,本文提出一种基于多尺度特征融合的轻量级异常行为检测模型。首先将YoloV4主干网络替换为MobileNet网络,有效减少模型的参数总量与计算量;其次在MobileNet的逆残差结构中嵌入自注意力机制加强获取全局语义信息的能力;接着使用自适应空间特征融合结构ASFF(Adaptively Spatial Feature Fusion)优化PANet(Path Aggregation Network)网络结构,使模型获得不同尺度特征数据的权重融合,进一步有效利用浅层特征和深层特征,提高对小尺度目标异常行为的检测精度。实验结果证明,文章提出的模型检测在小目标上平均精度均值达到了85.35%,更适合于视频监控场景下的异常行为检测。

融合边缘增强与多尺度注意力的皮肤病变分割

皮肤病变形状、颜色、大小类型多样,给皮肤病变的准确分割带来了巨大挑战。针对这一问题,提出了一种融合边缘增强与多尺度注意力的皮肤病变分割网络(BEMA U-Net)。该网络包含一个用于提取全局特征的空间多尺度注意力模块和一个用于增强病变区域边缘特征的边缘增强模块,将两种模块添加到以编码解码结构为主干的网络(U-Net)中,能够有效抑制病变图像中背景噪声的干扰并强化病灶的边缘细节。此外,设计了混合损失函数,结合Dice Loss和Boundary Loss,并在训练过程中实现混合损失函数的动态权重调整,使网络对病变图像整体特征和边缘细节特征的提取进行多重监督,缓解了皮肤病变图像分割中毛发干扰和边缘模糊的问题。在ISIC2017和ISIC2018两个公开数据集上的实验结果表明,所提算法对皮肤病变部位的分割图像边缘连续、轮廓清晰,具有更好的分割效果。

沈阳经济区土地利用要素性冲突空间多尺度作用机理

土地利用冲突是揭示新时期区域人地关系演化机理的重要突破口。既有研究侧重于从结构性和功能性视角分析土地利用冲突,而对土地利用冲突的要素性冲突多尺度作用机理的研究相对薄弱。文章以沈阳经济区为研究区,引入小波相干分析法和交叉小波模型,揭示土地利用冲突与其关键影响要素的空间多尺度交互作用机理。结果表明:①研究区土地利用冲突与8个关键影响要素的交互作用关系显著;②研究区土地利用冲突与人文要素的驱动作用关系比自然要素更加明显,而土地利用冲突对自然要素的响应程度比人文要素更加显著;③研究区土地利用冲突与其关键影响要素具有明显的空间多尺度关联关系;④研究区人口密度、GDP与土地利用冲突交互作用的空间位置主要作用于经济较为发达的主城区,NDVI主要作用于林区,能源消耗量主要作用于工业企业较为密集的区域,其他关键影响要素零散分布在研究区采样空间上。

多尺度空间同位模式挖掘的点过程分解方法

空间同位模式挖掘旨在发现多类地理要素或事件频繁互邻近形成的关联规则,对于理解复杂地理现象内在发生机理具有重要价值。针对现有基于关联规则的空间同位模式挖掘方法难以对地理数据特性(如多尺度性)进行有效建模的缺陷,本文提出了一种基于点过程建模与分解的多尺度空间同位模式挖掘方法。首先通过构建一个随机变量将多类要素实例分布数据表达为混合空间点过程,并引入一个非参统计指标对同位模式进行特征尺度判别;基于此,定义一种条件概率密度分布函数,利用点过程分解思想挖掘多尺度空间同位模式及其实例分布。试验分析结果表明本文方法可以准确挖掘空间同位模式在不同尺度的空间分布形态,并且有效降低了人为设定参数的主观性。

空间数据多尺度表达中空间关系的统一表达模型

首先分析了建立空间数据多尺度表达中基本空间关系统一表达模型的必要性及建模的基本思想,并用有序6元组作为空间数据多尺度表达中基本空间关系统一表达模型;其次证明拓扑关系表达模型RCC5模型、基于方向Voronoi图(DVDs)的方向群模型和Hausdorff距离的多尺度包容性,并将它们进行形式化表达应用于有序6元组中;最后证明有序6元组的多尺度包容性,并结合具体的实例验证模型的合理性。

基于映射规则的多尺度地图符号变换模型

总结了空间多尺度地图符号变换规则,提出了一种多比例尺地图符号自动转换方法。该方法根据地图符号分类和视觉变量,依据符号的几何、语义、特殊效果等联合特征将符号变换转化为几何变换、语义变换、特效变换及其3种形式的组合,将其抽象为变换规则,并从逻辑上构建知识规则库,基于规则建立多尺度地图符号变换模型,实现不同比例尺地图符号变换。以1∶10000和1∶50000两种尺度国家标准地形图符号为例,进行了实验验证,验证了方法的有效性和高效性。

多尺度地理空间数据的分布式存储与管理

多尺度地理空间数据分布式存储与管理技术为建立分布式网络地理信息系统、实现多尺度、多数据类型数字地理信息产品一体化分发和应用提供技术支撑。本文重点讨论了地理空间数据分布与存储模型体系、空间数据在关系数据库中的一体化存储与管理方法、空间数据库引擎技术。