针对小目标要素的目视航空图增强方法

增强地图是增强现实与地图学结合的新产物,由于跟踪注册算法不易识别小目标特征,已有研究多集中在全局的面状要素增强表达上。针对小目标点状符号的识别和增强设计两个问题,基于YOLOv3目标检测模型利用航空图数字影像数据实现以检索、阅读和多元化符号表达为主的目视航空图要素增强。通过深度卷积神经网络解决航空要素的符号识别问题;基于检测结果设计3类增强功能。经实验验证,该方法可以实时准确地增强航空要素,检测模型有较好的准确率和召回率,能满足目视航空图要素的小目标增强需求。

基于信息熵的叙事地图时间维度增强表达研究

针对单一时间尺度下叙事地图难以反映事件重点在时间维分布不均衡的问题,提出一种基于信息熵的时间维度叙事信息度量指标,以叙事文本为数据源,聚焦事件演进,增强时间维度表达。首先根据非结构化叙事文本的性质特点对其进行预处理;然后基于统计语言模型与可视性改进,设计构建符合叙事规律的时间信息熵数学模型;结合时距映射进一步锐化叙事层次,实现地图中叙事信息分类分级与定量表达;最后基于长征历史主题叙事文本进行模型实验。结果表明:通过该度量指标能够更加突出叙事结构与层次关系,快速定位关键时间点以准确溯源,强化整体与局部的认知转换,在相同地图时空框架下实现更多叙事信息表达,提高信息传输效率。