基于三维卷积神经网络的遥感影像变化检测

随着卫星传感器技术和深度学习技术的蓬勃发展,基于深度学习的变化检测研究已成为遥感变化检测领域中的主流方法。针对现有深度学习方法特征提取和融合不充分的问题,提出了一种基于三维卷积神经网络的遥感影像变化检测方法。在特征编码阶段,首先利用三维卷积的内部融合特性同时提取和融合双时相影像特征。在特征解码阶段,为有效利用影像特征的全尺度信息,采用全尺度跳跃连接机制将不同尺度的特征信息在时间维度进行结合,最终产生具有高精度的变化结果。实验结果表明,该方法在两个基准数据集上的精度均显著优于其他先进的深度学习变化检测方法。

架空线路铁路轨道参数计算算法分析

针对铁路架空线路在施工过程中的检查、维修、养护的工作量大等问题,文章首先介绍了轨道参数监测要求与自动化监测的硬件设计,然后详细研究铁路架空线路中的各项轨道参数监测变化模型与原理,最后结合传感器布设进行轨距、水平/超高、高低、正矢/轨向和扭曲变化的公式的推导,以期为建立一套全自动及智能化的铁路轨道参数变化量的监测系统作出参考,用以改善施工环境、提高线路监测水平和工作效率。