张量分解和自适应图全变分的高光谱图像去噪

高光谱图像在采集过程中受到观测条件、成像仪材料属性、传输条件等客观因素的影响,不可避免地会引入各种噪声。这严重降低了高光谱图像的质量以及限制了后续处理的精度。因此,高光谱图像去噪是一个极其重要的预处理步骤。针对高光谱图像去噪问题,提出了低秩张量分解和自适应图全变分的高光谱图像去噪算法。首先,利用低秩张量分解来描述高光谱图像的全局空间和光谱相关性,并使用自适应权重图全变分来刻画高光谱图像空间维度上的分段平滑特性和保留高光谱图像的边缘信息;此外,采用l1-范数、Frobenius-范数分别刻画包括条纹噪声、脉冲噪声、死线噪声在内的稀疏噪声和高斯噪声。由此高光谱图像去噪问题归结为一个包含低秩张量分解和自适应图全变分的约束优化问题。利用增广拉格朗日乘子法对该优化问题进行交替求解。实验结果表明,所提出的高光谱图像去噪算法与现有的算法相比,能够充分刻画高光谱图像数据的内在结构特性,具有更好的去噪性能。

稀疏分解和图拉普拉斯正则化的图像前景背景分割方法

针对现有图像前景背景分割方法的分割结果存在孤立像素点的问题,利用图信号处理理论和稀疏分解模型,提出新的图像前景背景分割方法.将图像的内在结构建模为图,通过图模型有效地刻画像素之间的内在关联性.将图像的像素强度建模为图信号,其中图像背景作为平滑分量,由一组图傅里叶变换基函数线性表示,叠加在背景上的前景为稀疏分量,前景像素间的连通性可由图拉普拉斯正则化项进行刻画.将图像前景背景分割问题归结为包含稀疏分解模型和图拉普拉斯正则化项的约束优化问题,采用交替方向乘子法对该优化问题进行求解.实验结果表明,与现有的其他方法相比,所提方法具有更好的分割效果.

基于绿色铁路概念的线路方案评价方法分析

以环境敏感性评价分析结果为基础,结合选线原理,提取环境敏感区内对线路走向影响较大的环境因素,构建铁路生态选线决策评价指标体系。结合自然资源经济学理论,提出环境影响货币化方法,建立了基于环境影响经济损失分析的生态选线方法,为铁路生态选线提供直观的决策依据。以“都-四”山地轨道交通项目为例,进行了实例验证。为环境敏感区选线方案比选提供参考依据。

脚沾“油水”不失足

曾国藩有一句名言：“有油水的地方最容易滑倒，滑倒了也很难爬起来。”为什么“有油水”的地方容易滑倒，而且不容易爬起来，原因是油腻太多、摔得太狠。原安徽省芜湖县中央储备库财务科长赵某在落网时也说到：“油水太多，想不出事都难。”可见，在“有油水”的地方工作更应谨慎，如果心里只有“实惠”，就可能断送自己政治前程，小则受批评、被处分，大则锒铛入狱，成为千古罪人。现实中，个别党员干部面对唾手可得的利益，产生了“近水楼台先得月”的思想，经不住朋友的走动来往、亲戚的登门拜访、下级的巴结捧场，渐渐管不住自己的手脚，拿了不该拿的钱物、吃了不该吃的饭局，逐步走入万劫不复的深渊，最终害了自己、毁了家庭、坑了群众、亏了国家。如何才能做到脚下有“油”不滑倒，我认为把握三点很重要。一是把住“总开关”。

注重参谋人员的心理品质修养

优良的心理品质，是参谋人员履行参谋工作职能的需要，是参谋人员发挥聪明才智的基础，是现代条件下执勤和处置突发事件对参谋人员的必然要求。参谋人员应努力培养和锻造良好的心理品质。

结合动态图卷积和空间注意力的点云分类与分割

目的随着3维采集技术的飞速发展,点云在计算机视觉、自动驾驶和机器人等领域有着广泛的应用前景。深度学习作为人工智能领域的主流技术,在解决各种3维视觉问题上已表现出巨大潜力。现有基于深度学习的3维点云分类分割方法通常在聚合局部邻域特征的过程中选择邻域特征中的最大值特征,忽略了其他邻域特征中的有用信息。方法本文提出一种结合动态图卷积和空间注意力的点云分类分割方法(dynamic graph convolution spatial attention neural networks,DGCSA)。通过将动态图卷积模块与空间注意力模块相结合,实现更精确的点云分类分割效果。使用动态图卷积对点云数据进行K近邻构图并提取其边特征。在此基础上,针对局部邻域聚合过程中容易产生信息丢失的问题,设计了一种基于点的空间注意力(spatial attention,SA)模块,通过使用注意力机制自动学习出比最大值特征更具有代表性的局部特征,从而提高模型的分类分割精度。结果本文分别在ModelNet40、ShapeNetPart和S3DIS(Stanford Large-scale 3D Indoor Spaces Dataset)数据集上进行分类、实例分割和语义场景分割实验,验证模型的分类分割性能。实验结果表明,该方法在分类任务上整体分类精度达到93.4%;实例分割的平均交并比达到85.3%;在室内场景分割的6折交叉检验平均交并比达到59.1%,相比基准网络动态图卷积网络分别提高0.8%、0.2%和3.0%,有效改善了模型性能。结论使用动态图卷积模块提取点云特征,在聚合局部邻域特征中引入空间注意力机制,相较于使用最大值特征池化,可以更好地聚合邻域特征,有效提高了模型在点云上的分类、实例分割与室内场景语义分割的精度。

脚踏“油地”不沾油

曾国藩说过：“有油水的地方最容易滑倒．滑倒了也很难爬起来”。为什么“有油水”的地方容易滑倒．而且不容易爬起来，原因是油腻太多、摔得太狠。安徽省芜湖县中央储备库财务科长赵代流在落网时也说到：“油水太多，想不出事都难”。做到脚踏“油”地不沾油．笔者认为要做到三点．