多尺度超像素纹理特征保持与融合的高光谱图像分类

高光谱图像的低空间分辨率特性往往导致全局纹理提取技术难以获取地物要素的精准纹理信息,同时,单一尺度的局部纹理提取技术难以达到有效识别地物的目的。基于此,该文设计了一种多尺度超像素纹理保持与融合(MSuTPF)的高光谱图像分类方法,主要架构如下:首先,利用2D Gabor滤波器对高光谱图像进行多方向与尺度的全局纹理提取,并通过融合各尺度的纹理特征,增强纹理结构表征能力;其次,融合纹理与光谱主成分特征以形成光谱-纹理联合判别特征;再次,采用形状自适应的超分割方法,作用至光谱-纹理联合特征进行局部纹理信息保持与融合,尤其是,为克服超像素邻域像元的隐性不相关问题,该文定义了基于密度最近邻相似性评价准则,使超像素纹理进一步趋于一致性;最后,将各更新的光谱-纹理联合特征输入像素级分类器获取其对应的类标签,并采用多数表决的决策融合机制取得最终分类结果。Indian Pines和Pavia University真实数据集的实验表明,该方法在小样本条件下的分类精度优于基准分类器(SVM)、深度学习方法(GFDN)以及最新的空-谱分类方法(S3-PCA)等8个对比方法,充分证明了该文所提方法的实用性和有效性。

Structural form selection of the high-rise buildingwith the improved BP neural network

As civil engineering technology development,the structural form selection is more and more critical in design of high-rise buildings.However,structural form selection involves expertise knowledge and changes with the environment which makes the task arduous.An approach utilizing improved back propagation(BP)neural network optimized by the Levenberg-Marquardt(L-M)algorithm is proposed to extract the main controlling factors of structural form selection.Then,an intelligent expert system with artificial neural network is constructed to design high-rise buildings structure effectively.The experiment tests the model in 15 well-known architecture samples and get the prediction accuracy of 93.33%.The results show that the method is feasible and can help designers select the appropriate structural form.

基于Vue的义务支教城镇村中小学教育网站

知识的水平与经济发展息息相关,先富带动后富,为了呼吁更多的大学生、社会人士义务参加支教,带动贫困地区的知识水平发展,研究城镇村中小学教育的对接平台,使这件事情变得有保障、便捷,能帮助更多贫困地区的人们。采用的是网站运营模式,采用Vue框架、SpringBoot框架以及MySQL技术等设计该网站,使其更加安全、更加全面,不仅方便大学生“三下乡”活动的顺利进行,也方便各行业人士奉献自己的爱心。平台还有专门的志愿者去联系交流,也有专门的培训让此项活动更有意义。

光谱—频域属性模式融合的高光谱遥感图像变化检测

高光谱作为“图谱合一”的遥感技术,具有精细光谱和空间影像的地面覆盖观测与识别优势。然而,高光谱遥感数据的光谱信息表征以及空间信息的利用给双时相高光谱遥感图像变化检测任务带来了巨大的挑战。为此,本文探讨了一种光谱—频域属性模式融合的高光谱遥感图像变化检测方法 SFDAPF(Spectral-Frequency Domain Attribute Pattern Fusion)。首先,设计一种基于梯度相关性的光谱绝对距离,使双时相高光谱遥感图像像元对的属性模式从光谱信息表征方面得到了逐级量化;其次,基于傅里叶变换理论提出一种变化像元属性模式显著性增强策略,从全局空间信息利用方面改善了变化与非变化属性像元对的可分性;再次,将全图属性模式显著性水平与梯度相关性的光谱绝对距离进行融合,得到变化检测的综合界定值;最后,依据虚警阈值确定双时相高光谱遥感图像变化检测的二值化结果。将本文提出的SFDAPF方法在开源的双时相高光谱遥感图像河流和农场数据集上进行了变化检测性能验证,结果表明SFDAPF方法能够优于传统的和最新的变化检测方法,变化检测的总体精度在河流和农场数据集上分别达到了0.96508和0.97287 (最高精度为1.00000)。证实了本文SFDAPF方法的有效性。