面向跨视角地理定位的感知特征融合网络

跨视角地理定位是指同一地理目标可通过检索多个平台视角(无人机、卫星和街景)进行位置定位。这类定位任务主要挑战是不同视角点间的剧烈变化,降低了模型的检索性能。目前跨视角地理定位的网络存在以下的问题。由于地理目标具有尺度和角度的多样性,当前网络在感知目标信息时容易受到局部区域的干扰。属于同一类别中的不同视角,它们的角度差异很大。因此,提出了面向跨视角地理定位的感知特征融合网络(PFFNet)来学习位置感知特征并在每个视角之间建立语义关联。在PFFNet中的每个视角,搭建分流上下文嵌入网络(SCENet)作为骨干网络分别提取每个视角的上下文关联特征信息并构建目标位置的编码空间。在跨视角地理定位数据集University-1652上,将提出的方法与最先进的方法进行比较。实验结果表明,所提出感知特征融合网络在大规模数据集中取得了较高的自适应性能。

一种改进迭代误差分析端元提取算法

迭代误差分析(IEA)算法是应用比较广泛的端元提取算法之一,针对IEA端元提取算法计算量大的缺点,从减少参与迭代过程中的像元数目进行改进。根据凸面几何理论,混合像元位于其端元构成子空间内部,这部分像元到其端元正交子空间(OSP)投影值理论上为零,在迭代求下一个端元过程中,可以将这部分无用像元去除,从而减少每步迭代过程像元数目。采用模拟数据和真实高光谱数据进行实验,证明改进算法与原算法提取端元精度相同,随着端元提取个数的增多,参与迭代过程的像元数目逐次减少,比原始的IEA端元提取算法减少了计算时间。

改进的多端元高光谱解混算法

针对经典多端元光谱混合模型(MESMA)存在着计算量大,端元预选繁琐以及过拟合等缺点,提出了一种改进的多端元解混算法。该算法根据正交子空间投影具有分离感兴趣信号与不感兴趣信号的特点,将像元投影到全部地物端元(每类地物选择一条类内光谱)构成的正交子空间上,按照投影值确定构成混合像元每类地物的类内光谱,在下一步迭代求解的过程中,分离出已确定地物类内光谱的像元,降低计算量,然后根据重构误差变化量确定最优端元个数,避免过拟合。实验结果表明,改进的算法反演丰度误差和解混时间都比原有算法降低很多。

基于核光谱角余弦的高光谱图像FLS-SVM分类算法

模糊支持向量机是模糊技术与支持向量机的有机结合,其关键步骤是确定模糊隶属度函数。现有方法大多利用距离这一相似性测度从不同角度构造隶属度函数,实现过程比较复杂。对于高光谱数据的光谱特性,用距离表征地物的光谱亮度差异较为合适,但天气、光照强度等因素对这种亮度影响很大。相比之下光谱间的角度受亮度的影响很小,作为相似性测度更为可靠。针对这种地物光谱角度特性,在模糊最小二乘支持向量机(FLS-SVM)中,用核光谱角余弦作为相似性测度来构造模糊隶属度函数,仿真结果表明能够有效地提高最小二乘支持向量机(LS-SVM)高光谱图像分类性能。

“微课热”下高中信息技术教学

随着多媒体技术的不断发展,微视频在教育界逐渐兴起,并发展到现在的＂微课热＂。微课作为一种新的教学理念,注重课堂教学的设计和内容的优化,在高中信息技术教学方面具有很大优越性。但是,当前微课在高中信息技术教学中还存在一些问题,本文对问题进行剖析之后提出一些需要改进的意见,并对微课在高中信息技术教学中的优越性进行了总结。

基于3D深度胶囊网络的高光谱和LiDAR数据融合分类

针对高光谱和LiDAR成像优势,通过构建三维深度胶囊网络(3D-deep capsule network,3D-DCN)探索了这两种遥感数据源在城市地物分类上的应用。该网络通过使用两层3D-CNN结构实现融合后数据的非线性特征映射,然后紧跟胶囊网络生成代表特征的矢量并实现卷积、封装和分类;针对胶囊网络层间的非线性激活函数提出一种称为e-squash的非线性激活函数用于特征学习。在城市数据集上的分类实验表明,使用LiDAR高程特征数据极大地改善了高光谱图像分类精度,采用提出激活函数的3D-DCN在城市数据分类方面比经典分类方法和未采用e-squash的胶囊网络具有更大的应用潜力。

激光雷达数据协助下的高光谱图像三维残差网络分类

高光谱成像(Hyperspectral Imaging, HSI)数据可以在狭窄和连续的波段中收集数据,即使在差异很小的情况下,也可以检测到不同类别的数据。然而,光谱变异性和阴影效应会限制任何HSI的分类精度。与HSI相比,激光雷达数据(LiDAR)是HSI的一个很好的补充,因为它提供了高度信息和来自不同物体的多次回波数据。在激光雷达数据的辅助下,通过HSI分类的预处理和深度残差网络分类,可以有效解决阴影效应光谱变异性的问题。除此之外,来源于点云数据的数字高程模型(Digital Elevation Models, DEM)也能够提高HSI分类性能。通过在MUUFL港湾高光谱和激光雷达机载数据集上进行实验的结果表明,采用两种DEM栅格层结合HSI的分类准确率为98.16%,而仅采用HSI数据集独立学习方法的分类准确率为96.3%。并且随着精度的提高,标准偏差从0.304降低到0.150。

浅谈高中信息技术教育课程设计中的技术取向

随着科学技术的迅猛发展，信息技术已被越来越多的人使用。信息技术教学的目的就是要不断激发学生的想象力，提高学生的实践能力，使学生在德智方面得到全面发展。本文主要从课程设计方面着手，对技术取向深入研究。

一种基于空间特征的三维点云语义分割模型

真实的点云场景通常包含非常复杂的环境,加上三维点云数据所具有的离散性、无序且分布不均匀的属性,针对点云的详细信息分析往往非常具有挑战性。针对以上问题,提出一种基于编码器–解码器的分割网络。首先,通过关键点提取模块获取点云的形状特征并通过全连接层提取形状关键点;然后,通过空间细节提取模块获取基于关键点的空间细节特征;最后,结合形状特征和空间细节特征,获取点云丰富的空间信息及上下文联系,提高网络的泛化能力。实验结果表明,我们的网络在公共数据集Urban Semantic 3D (US3D)和ISPRS Vaihingen 3D semantic labelling benchmark (ISPRS)上的平均交并比分别为93.44%和81.45%。我们的网络分割性能良好,且具有较好的泛化能力。

如何在中学信息技术课中克服起点不一的矛盾

在高中进行信息技术教育的目的便是更好地提高学生自身的信息素养,让学生能够更好的了解信息,并掌握进行信息处理的技能,确保学生信息意识养成的正确性,帮助学生进行高尚信息道德的树立。但是,在进行信息技术教学的时候,学生的信息技术起点往往是不同的,这也给老师的教学带来了一定的困难。想要解决这个问题,做好信息技术教学,老师便必须认识到这种问题产生的原因,并对其进行分析,找到合适的办法进行问题的解决。