互相关参数随机场反演的“一体两分”方法

合理的参数输入是岩土工程数值计算的前提和关键,目前常用的赋定常参数值的方法事实上忽略了参数本身在空间上的变异性与相关性,用确定性参数描述复杂岩土体力学性能的方法在某些情况下甚至可能会导致分析结果与真实情况的背离。因此,要弥补此中不足,就必须探讨在空间相关条件下参数随机场的反演方法。单参数随机场在空间上存在自相关性,而多参数随机场不仅存在空间上的自相关性,还存在空间上的互相关性。从"一体两分"(自相关性=互相关性+剩余自相关性)思想出发,构建了反映空间相关性信息的参数反演数学模型,并利用此数学模型生成了各向同性相关结构下的双参数随机场,对反演结果相关性统计结果表明:此法生成的参数随机场,自相关性和互相关性都得到了很好的满足。

基于局部互相关的遥感图像变化检测技术

针对遥感图像变化检测的全局假设与实际不一致问题,论文提出了基于局部邻域的互相关的遥感图像变化检测算法。该算法首先运用区域划分的思想,以像素灰度级为单位,对图像进行分组处理;其次以多时相遥感图像的差值图像为观察场,以像素所属类别为标号场,建立二者互相关的马尔科夫随机场算法;最后采用两段式步骤,对算法进行迭代处理。实验结果表明在遥感图像变化检测算法中,该方法具有较高的检测精度。

基于SVM与SRM耦合的抗剪强度参数随机场模拟

实验数据表明土体参数具有很大的空间变异性,而随机场理论为模拟土体参数空间变异性提供了有效途径。因为传统的谱表示法(SRM)无法正确模拟多维多元随机场参数间的互相关性,提出支持向量机法(SVM)与SRM耦合的方法。SVM是基于统计学习理论和结构风险最小化原理基础上的通用机器学习方法,它在解决小样本、非线性和高维模式识别问题中表现出诸多优势。以土体抗剪强度参数:黏聚力c和内摩擦角φ为例,通过实验证明二者之间存在天然负相关性,即为二维二元随机场。结果表明,在样本数量较少的条件下,基于耦合算法模拟随机场不仅能有效地描述变量的自相关性,而且能够准确地描述变量间的互相关性,为解决小样本条件下模拟多维多元随机场提供了一种有效的方法。

支持向量机与谱表示法模拟随机场及在可靠度中的应用

本文在传统的谱表示法的基础上,引入基于马尔可夫链改进的支持向量机法与谱表示法耦合,提高了传统的谱表示法在模拟多维多元随机场参数间互相关性的精度,并将此方法用至武汉市轨道交通7号线一期工程,评价该地铁中过江段的可靠度。数值算例表明在样本数量较少的条件下,基于耦合算法模拟随机场不仅能有效的描述变量的自相关性,而且能够准确的描述变量间的互相关性,弥补了传统的谱表示法在模拟互相关性方面的不足,为解决小样本条件下模拟多维多元随机场提供了一种有效的途径。且基于马尔可夫链的支持向量机法收敛速度更快,能够明显减少计算次数,提高计算效率,更适用于实际工程。

一种基于随机场的遥感影像信息测度方法

针对运用信息熵测度度量遥感影像信息量存在的信息冗余问题,基于马尔科夫随机场模型研究了一种顾及空间相关的遥感影像信息测度方法。该方法对传统马尔科夫随机场进行简化,将这种简化的马尔科夫随机场模型应用于影像信息熵的计算。对该方法的计算公式进行了推导,证明了其可以减弱空间相关给影像信息熵测度造成的信息冗余,并且不需要进行高维计算。实验验证了这种空间熵对影像信息度量的有效性。

基于色彩比例和时域相关的置信度传播立体视频匹配算法

提出一种改进的立体视频匹配算法,首先通过马尔科夫随机场建立视差图模型,然后利用亮度和色彩比例求置信度,最后根据时域相关性局部更新视差值得到视差序列。以卡耐基梅隆大学提供的真实场景视频为测试序列,实验结果表明:基于亮度和色彩比例比单纯使用亮度得到的匹配更准确,根据时域相关性求视差序列比用逐帧置信度传播求视差序列减少了83.3%以上的迭代计算时间,为立体视频的压缩传输、任意视点视频合成提供了高效的视差序列。

基于随机力学理论的堤防安全分析方法综述

近年来,基于随机力学理论的堤防安全分析方法已经得到了深入的研究和广泛的应用,但是目前仍然缺少对该方法系统性的总结说明。为对基于随机力学理论的堤防安全分析方法的主要内容及工程应用进行综述,介绍了3种堤防典型失事模式,分析了堤防安全分析中应该考虑的风险因素,并系统整理了风险因素的不确定性和相关性;总结了基于随机力学理论的各种常用的堤防安全分析方法,详述了其在3种堤防典型失事模式中的应用及适用性,重点阐述了基于随机场理论与考虑风险因素互相关性的堤防安全分析方法研究。基于随机力学理论的堤防安全分析方法的主要发展方向是开展基于随机场的有限元法研究,及风险因素间互相关性研究。

基于混合像元空间与谱间相关性模型的NMF线性盲解混

基于相关性分析的高光谱解混算法,通常缺少对高光谱图像空间和光谱相关性特征的综合分析与利用,或对于先验知识的依赖程度较高。本文提出一种基于混合像元空间与谱间相关性模型的NMF线性盲解混算法。具体包括:通过改进马尔科夫随机场(MRF)模型,建立相邻像元间的空间相关模型;利用复杂度映射技术,建立相邻波段间的光谱相关模型;在NMF目标函数外部和内部分别引入上述两种模型,作为盲解混算法的约束条件。试验结果表明,该算法相对于区域相关的NMF解混算法(ACBNMF)、最小化光谱相关度约束的NMF方法(MSCCNMF)和最小体积约束的非负矩阵分解(MVCNMF)等代表性NMF解混参考算法,解混精度有所提高;同时,降低了对于先验知识的依赖程度,拓宽了适用范围。

考虑参数空间变异性的高桩码头-岸坡体系可靠性分析

为进一步发展高桩码头-岸坡体系结构可靠性分析方法,基于KL-Copula互相关随机场模拟方法,综合考虑了岸坡土体参数空间变异性与其相关结构及大小的影响,提出一种岸坡-高桩码头体系互相关随机场模拟与可靠性求解数值实施流程,并基于PLAXIS计算程序平台,编写了高桩码头-岸坡体系互相关随机场模拟与可靠性分析外挂求解程序KLCPRP。在此基础上,进一步结合非侵入式随机分析方法进行相关算例分析,探讨不同岸坡强度参数Copula函数结构对互相关随机场模拟和高桩码头结构可靠性求解的影响规律。计算分析结果表明:不同Copula函数结构所对应模拟样本的线性相关系数、秩相关系数均存在一定差异性;对于有限实验数据情况,Gaussian Copula函数结构会导致随机场计算结果偏于保守;所提出的KL-Copula模拟随机场数值实施流程及对应外挂求解程序KLCPRP具有良好的精度和有效性,可为高桩码头-岸坡相互作用体系的相关工程设计及安全评价提供理论参考。

一种改进的遥感图像变化检测算法

原有基于简单马尔可夫随机场(MRF)模型的变化检测算法基于全局一致性假设,这一假设往往与实际情况不符,影响到结果准确性。本文提出基于观察场与标号场互相关的改进MRF模型及相应的变化检测算法。以迭代条件模型解决后验概率最大化问题,为像素分类;根据当前分类,利用邻域中同类像素调整观察场中的像素特征值;以新的像素特征进一步优化分类。本文采用两段迭代算法,以多时相遥感图像的差值图像做为观察场。实验证明该算法能有效提高检测结果精度。

一种基于改进MRF的深度图超分辨率重建

随着计算机视觉技术的发展,快速直接获取深度信息越来越受到大家的重视,然而直接获取的深度图像因受到其成像原理以及硬件设备所限,存在分辨率低、边缘噪声大等缺点,而无法达到实际应用要求。为此提出一种基于改进马尔科夫随机场的深度图超分辨率重建方法,具体就是引进同场景高分辨率彩色图,充分挖掘彩色图和深度图的内在关系,构建局部自相关性特征结构,从而重新构建马尔科夫随机场的深度数据约束项和深度平滑项,从而将重建问题转化为求最优解问题。实验表明该方法较其他方法在面对图像边缘过度平滑以及边缘像素稀疏等问题时有更好的抑制作用,在峰值信噪比和均方根误差两项评价指标上均取得较好结果,能得到高质量致密深度图,有很好的视觉效果。

利用时空物种分布模型研究海州湾大泷六线鱼的时空分布

为了解海州湾大泷六线鱼时空分布特征及其影响因素,根据2013—2019年秋季在海州湾开展的底拖网渔业资源调查和环境观测数据,构建了时空物种分布模型(spatio-temporal species distribution models),分析其分布与环境因子的关系,通过残差分析比较其与广义加性模型的残差独立性和异质性,运用交叉验证检验模型预测性能,最终结合delta方法对其分布进行预测并计算栖息地适宜性指数(habitat suitability index,HSI)和资源分布重心。时空模型的偏差解释率为65.50%,模型分析表明,影响大泷六线鱼资源分布最主要的环境因子为水深(22.11%),其次为底层水温(12.98%),底层盐度(0.09%)的影响较小,水深与其分布存在正向相关性,底层水温与其分布存在负向相关性,底层盐度与其分布存在弱正向线性关系。时空模型的残差独立性和异质性较GAM更强,其交叉验证回归线斜率为0.90±0.38。模型预测结果表明,大泷六线鱼主要分布在34.5°N以北,120.0°E以东的海域,其栖息地适宜性指数的高值区域呈现逐年收缩的趋势,资源分布重心呈现向东北海域转移的趋势,这可能是气候变迁以及捕捞压力共同作用的结果。本研究解析了大泷六线鱼在海州湾的时空分布,对于深入了解大泷六线鱼的分布动态和科学的渔业管理具有重要意义。

基于多方法融合的非监督彩色图像分割

针对传统K-means聚类彩色图像分割方法需要人为设定初始分割类别数目、易受噪声干扰等缺陷,提出一种多方法融合非监督彩色图像分割算法。该算法对原始图像进行光谱信息增强处理以提高图像信息提取效率,对K-means聚类引入戴维森堡丁指数(Davies-Bouldin index, DBI)自动化确定最佳分割类别数目,通过图像聚类分析并进行像素标签标记,并结合高斯马尔科夫随机场(Gauss-Markov random field, GMRF)理论对标记图像进行分割,最后使用形态学算子进行后处理完成分割操作。试验结果表明。本研究方法具有一定的鲁棒性,且分割效果更接近真实性。通过对分割结果进行量化评价,进一步说明本研究方法在分割精度和准确性方面更具优势。