基于U-net边缘生成和超图卷积的两阶段修复算法

为了有效修复背景复杂、大面积不规则缺失区域,得到合理的结构和精细的纹理,提出了基于U-net边缘生成和超图卷积的两阶段修复算法.首先,将缺失图像输入基于U-net门控卷积的粗修复网络,通过跳跃连接将图像的上下文信息向深层传播,获取丰富的图像细节信息,下采样提取缺失区域边缘特征,上采样还原缺失区域边缘细节,同时使用混合空洞卷积增大信息感受野,获取细节纹理信息.然后,将粗修复结果输入含超图卷积的细修复网络,捕获和学习输入图像中的超图结构,使用空间特征的互相关矩阵捕获空间特征结构,改善结构完整性并提升细节细粒度.最后,将细修复结果输入鉴别器进行判别优化,进一步优化修复结果.在国际公认数据集上进行实验仿真,结果显示:本文提出的算法在修复大面积不规则缺失时,可以生成合理的结构和丰富的纹理细节,修复的视觉效果,PSNR,SSIM和L1损失优于对比算法.

不同工况下边坡滑动破坏模拟研究

边坡稳定性问题一直是岩土工程界的一个重要研究内容,涉及矿山、土木、交通、水利等多方面工程领域。随着我国基础设施建设步伐不断加快,在工程建设中遇到的边坡地质灾害也越来越多。边坡失稳对整个工程造成的灾害是无法估量的,因此,如何正确合理的选择边坡稳定性研究方法,提出合理的设计方案使工程建设符合安全经济原则,是十分重要的。本文以某水电站岩质边坡的工程治理为背景,采用离散元软件UDEC对某水电站边坡在自然条件、开挖未支护、开挖支护未蓄水、支护蓄水、暴雨和地震等不同的工况组合下的滑动破坏进行模拟计算。