基于金字塔语义token全局信息增强的高分光学遥感影像变化检测

针对复杂背景、光谱变化等因素导致高分辨率遥感影像中细小地物检测缺失,几何结构检测不完整等问题,本文联合卷积网络和Transformer网络优势,提出一种基于金字塔语义token全局信息增强的变化检测网络(PST-GIENet)。首先,利用无最大池化层的ResNet18网络提取多时相影像深度特征以构建融合特征,并采用联合注意力机制和深监督策略提高融合特征表达能力;然后,通过空间金字塔池化将影像特征表示为多尺度语义token,进而利用Transformer编码器和解码器对融合特征空间进行全局上下文建模;最后,通过逐层上采样解码器生成最终变化图。为验证本文方法有效性,采用LEVIR-CD、CDD和WHU-CD 3个公开变化检测数据集进行对比试验与分析,定量结果表明PST-GIENet在3个数据集中均取得最优精度指标,其F 1值分别达到91.71%、96.16%和94.08%。目视结果表明PST-GIENet可有效抑制复杂背景、光谱变化等因素干扰,显著增强网络对地物边缘结构和多尺度变化的捕捉能力,取得最佳目视效果。

多尺度注意力特征融合的单图像超分辨率研究

高分辨率意味着图像具有高像素密度,可以提供更多的细节,这些细节往往在应用中起到关键作用。基于生成对抗网络的图像超分辨率由于具有生成丰富细节的潜力,近年来受到越来越多的关注。针对现有的网络模型忽略从特征中学习本质纹理特征和感受野有限的问题,基于Real-ESRGAN和多尺度注意力特征融合,对网络进行优化,将残差稠密块替换成大核分解和多尺度学习相结合模块与全局学习与下采样模块的双分支结构方法,提出一种多尺度注意力融合的单图像超分辨率重建算法,增强每个局部与全局令牌对之间的交互,从而形成更丰富和信息量更大的表示。对数据集进行2,3,4倍超分辨率重建实验,通过峰值信噪比(PSNR)、结构相似性(SSIM)对重建结果进行评价,与SRCNN、SRGAN、ACMF、MSRDN、WYD、LBW、YJX、Real-ESRGAN等方法进行对比。结果表明,该算法优于其他模型,且具有更好的直观视觉效果。

一种广域网中的分布式互斥算法

广域网可简单地看作由多个局域网通过远程通信线路互连组成。为了适应广域网环境的特点，文章提出了一种两层结构的分布式互斥算法模型，把广域网系统组织成由局部进程组成的局部网络和由每个局部网络中的协调进程组成的全局环两层。为了互斥地访问共享资源，局部进程必须首先获得局部令牌，然后再向本地协调进程申请全局令牌，只有获得了局部和全局令牌的局部进程才能进入临界区。还讨论了对该算法可能的扩展。

开启区块链地质应用新时代

人类已经叩响了区块链时代的大门,但在地质领域,区块链的应用几乎还处于空白的状态。哪怕是像深时数字地球(DDE)这样极具雄心的大科学项目,也没有意识到区块链技术有助于分散在科学家个人或实验室的“长尾数据”的有效收集和利用。地质科学信息是一个超大型共享数据库,需要许多人彼此信任去协作完成数据库的改写,区块链将是非常好的支撑技术。区块链基于其系统特性和智能合约提供有丰富交互接口,特别是其具有去中心化、不可篡改、隐私保护特性,为区块链技术在地质领域应用提供了重要的基础。地质勘查实物、资料、数据的溯源管理,面向更广泛科学共同体的长尾数据的收集,应该是区块链地质应用的重要突破口。地质通证使打造全球地质社区成为可能。