基于U-ASPP-Net的北极独立海冰精细识别方法

基于风云三号卫星MERSI-Ⅱ影像的特性,提出了一种基于U-ASPP-Net的独立海冰分割算法,该算法在U-Net的基础上引入了空洞空间金字塔池化模块和空洞深度可分离卷积,构建了新型独立海冰分割网络U-ASPPNet,并在网络后端将FDWloss作为损失函数,最后利用重叠消边策略生成最终的独立海冰分割图。为验证UASPP-Net的准确性与有效性,选取U-Net、Deeplab v3+和分区梯度差分与双峰阈值分割法作为对照方法进行实验,实验结果表明,基于U-ASPP-Net的独立海冰精细化分割方法在OA、Kappa系数、IOU、Dice系数四种指标上均优于其他方法,对细节与边缘的提取能力较强,对极小块海冰的还原度较高。此外,算法在一定程度上能够解决基于中分辨率遥感影像提取独立海冰时无法解决的薄云干扰问题,对薄云下的海冰依然具有良好的提取能力,能够为北极航线的动态规划提供较为准确的技术支持。

基于Multiloss-SAM-ConvLSTM的北极航道独立海冰运动预测

北极航道海冰运动的准确预测对于保证航行安全、评估航道可通行性和动态修正航线具有重要的指导意义。传统的光流法无法满足海冰运动预测任务中“时空预测+语义分割”的要求。为此,基于MERSI-Ⅱ影像制作了海冰运动数据集SeaiceMoving,提出了一种基于Multiloss-SAM-ConvLSTM的海冰运动预测算法,该算法在SAM ConvLSTM的基础上引入加权的FDWloss,强化了各节点空间语义的获取。针对样本分布不平衡,讨论了后端分割阈值的偏移效应,通过网格搜索确定最佳分割阈值,提高了海冰整体预测结果。实验结果表明,该方法的Kappa系数为0.75,IOU为0.61,Dice系数为0.76,相较于SAM-ConvLSTM,分别提高了0.1、0.12和0.1,对运动后海冰的位置预测和形状提取能力均有提升,减少了海冰“黏连”的情况。此外,该算法对薄云干扰下的海冰运动依然具备良好的预测能力,可以为北极航线的动态规划和航线修正提供较为准确的技术支撑。

基于稀疏编码的红外显著区域超分重建算法

由于红外光学衍射限和红外探测器的局限,得到的红外图像噪声相对偏大,分辨率偏低。对红外图像进行超分辨率重建可以提高图像分辨率,但同时又会增强背景噪声。针对此问题,提出了基于稀疏编码的红外显著区域超分重建算法,将超分重建和显著度检测相结合,可以提高目标分辨率并降低背景噪声。首先采用双层卷积提取图像特征,并自适应选择图像信息熵较大的图像块用于训练联合字典。然后利用稀疏特征计算显著度获取显著区域,再将显著区域用训练好的字典进行超分辨重建,与目标无关的背景区域采用高斯滤波。实验结果显示改进的重建算法在同等条件下重建效果优于重建模型ScSR和SRCNN,图像信噪比提高3~4倍。

基于深度学习的红外遥感目标超分辨率检测算法

红外遥感图像受限于红外衍射极限,其分辨率普遍较低,这为红外目标的精准检测和识别带来了困难。针对此问题,提出基于深度学习的红外目标超分辨率目标识别(SROD)算法,该算法主要包括两部分:第一部分是利用WDSR(Wide Activation for Efficient and Accurate Image Super-Resolution)对红外遥感图像进行超分辨率重建,将模拟传感器下采样方式处理的红外图像作为训练集。第二部分是基于Faster RCNN的目标检测,提出多尺度特征传递网络结构,将低层特征输入区域候选网络(RPN)层,降低了弱小目标像素被简化的概率,并利用可调节非极大值抑制方法,减少了对密集目标检测框的抑制作用。将该算法应用于整幅红外遥感图像,与相同训练集的Faster RCNN相比,目标检测的准确率提升了5.33%,召回率提升了12.22%,特别是小目标的召回率提升了13.25%。

浅议火力发电厂土建施工技术

本文就火力发电厂的土建的“三化”作出解释,并且还要对高效的预应力的钢筋浇筑混凝土的新型技术及应用到的新型材料作出必要的叙述,同时对未来火力发电厂土建施工技术的发展进行了展望.