基于特征筛选算法的数字土壤制图研究

平缓地带数字土壤制图中,环境协变量的选择是提高制图精度的关键。已有研究证明遥感影像可作为推理制图的辅助因子,而如何确定环境因子推理制图时各自的权重已成为现阶段研究的重点。选取湖北省麻城市乘马岗镇为研究区,采用3种特征筛选方法进行有效环境变量筛选,探索参与平原-丘陵混合区域制图的因子并确定其重要性,依据选择的相对稳定的指标,进一步探索提高土壤类型制图准确性的途径。根据141个野外独立样点的检验结果表明:在推理制图中,遥感因子在平原区域的重要性程度高于丘陵区域,且遥感因子中归一化植被指数(NDVI)和均值(Mean)较为稳定;基于递归特征算法的按地形推理制图精度最高为75.89%,分别高于ReliefF算法和基于Tree的特征筛选算法13.48%和4.97%;此外3种特征筛选算法制图结果中,按地形因子分区制图的精度均高于整体区域制图。因此,遥感因子作为辅助手段参与推理过程可有效提高制图精度。本研究采用的特征挖掘与机器学习算法对提升土壤制图精度具有一定的理论意义。

基于不同因子筛选方法的LightGBM-SHAP滑坡易发性研究

以重庆市黔江区为例,选取23个评价因子构建滑坡致灾因子数据库,利用地理探测器与皮尔逊-主成分分析2种因子筛选方法选择因子最优组合;基于Bayesian-LightGBM-SHAP混合模型进行滑坡易发性评价,并对模型精度进行验证,分析影响黔江区滑坡发生的主导因子.初始模型的AUC值为0.801,Pearson Correlation Coefficient-BayesianLightGBM模型AUC值为0.824,GeoDetector-Bayesian-LightGBM模型AUC为0.835;由因子重要性可知,多年平均降雨量、高程、POI核密度与距河流距离是滑坡发生的最主要因子,而输沙指数、水流动力指数与坡位对滑坡的发生影响较弱.因子筛选法-Bayesian-LightGBM相结合的混合模型能够提高模型的准确性,为构建合理因子数据库提供参考框架;通过与因子重要性的结合分析,验证了地理探测器能够准确探测各因子对滑坡发生的贡献值,突出各滑坡地理因子组合之间的相关性,从而探究各因子与滑坡之间的关系.

基于空间逻辑回归模型的滑坡易发性评价

滑坡是山地丘陵地区发生最频繁、危害性最强的地质灾害之一。进行滑坡易发性评价对于人们进行土地灾害评估和减轻滑坡相关损失是十分必要的。在过去的几十年里,已经开发了许多种模型用于滑坡评估和易发性分级,但这些模型大多数并未考虑数据的空间结构信息,预测精度还有待提高。研究使用随机森林模型筛选风险因子后对四川雅安芦山地区震后滑坡使用贝叶斯空间逻辑回归进行建模,并与普通未考虑空间结构信息的逻辑回归建模结果进行比较。贝叶斯空间逻辑回归的AUC值为0.931,在传统逻辑回归的基础上提升了近14%,为滑坡易发性评价带来了新的思路。

A Bayesian-MAP Method Based on TV for CT Image Reconstruction from Sparse and Limited Data

Computed tomography(CT) plays an important role in the field of modern medical imaging. Reducing radiation exposure dose without significantly decreasing image's quality is always a crucial issue. Inspired by the outstanding performance of total variation(TV) technique in CT image reconstruction, a TV regularization based Bayesian-MAP(MAP-TV) is proposed to reconstruct the case of sparse view projection and limited angle range imaging. This method can suppress the streak artifacts and geometrical deformation while preserving image edges. We used ordered subset(OS) technique to accelerate the reconstruction speed. Numerical results show that MAP-TV is able to reconstruct a phantom with better visual performance and quantitative evaluation than classical FBP,MLEM and quadrate prior to MAP algorithms. The proposed algorithm can be generalized to cone-beam CT image reconstruction.

基于轨迹重构与贝叶斯推理的空中机器人灯塔距离测绘技术

灯塔在目前仍然发挥着重大作用,可以在导航和定位过程中提供重要的参考信息;传统方法通常采用无人机导航,但受多路径以及动态环境的干扰,导航误差较大;为精准灯塔的工作范围,提出基于轨迹重构与贝叶斯推理的空中机器人灯塔距离测绘技术;采用捷联式惯性导航重构惯性轨迹,对空中机器人惯性导航;采集灯塔灯光距离测绘数据,构建基于贝叶斯推理的多线索视觉注意模型,获取灯塔距离显著图,搭建航拍摄像机成像模型,计算灯塔灯光照射距离;测试结果表明,该技术平均导航误差最终仅为0.132 mm,且测绘时间较短,通过多次测试后平均灯塔灯光距离测绘误差仅为27.41 cm,整体测绘误差小。

CBTC系统WLAN车地无线通信网络在线监测关键技术及应用

目前国内大部分城市轨道交通车地无线通信系统仍采用IEEE 802.11 b/g协议,工作在2.4 GHz ISM开放频段,车地通信故障易造成列车紧急停车等情况。针对目前车地无线通信监测完整性和实用性不足、全链条监测手段缺乏等问题,结合无线通信系统范围广、场景多、故障现象迷惑性强等特点,融合无线场强采集、数据流监听、无线图谱定位、贝叶斯网络故障等定位技术,利用软硬件结合的方式构建全链条车地无线智能分析监测系统。采用射频处理单元+运行处理单元软硬件分离的架构模式设计无线监测终端,采用C/S架构和人工智能技术设计车地无线智能分析监测系统,实现从车载到轨旁无线场强、漫游切换、多信道监测等智能分析功能。该系统已在北京地铁亦庄线、昌平线、10号线等多条线路上应用,运用效果良好,满足现场无线监测需求,大幅提升了车地无线通信监测能力及应急处置响应效率,对保障列车运营安全具有重要意义。

基于激光雷达与深度相机融合的SLAM算法

针对单一传感器地图构建时存在环境表征不充分,无法为移动机器人自主导航提供完整环境地图等问题,本文通过将激光雷达与深度相机获取的环境信息进行互补融合,构建出更完整精确的栅格地图。首先,对传统ORB-SLAM2算法进行增强,使其具备稠密点云地图构建、八叉树地图构建以及栅格地图构建等功能。其次,为验证增强后ORB-SLAM2算法的性能,在fr1_desk1数据集和真实场景下进行测试,数据显示增强后ORB-SLAM2算法绝对位姿误差降低52.2%,相机跟踪轨迹增长14.7%,定位更加精准。然后,D435i型深度相机采用增强型ORB-SLAM2算法,激光雷达采用的Gmapping-Slam算法,按照贝叶斯估计的规则进行互补融合构建全局栅格地图。最后,搭建实验平台进行验证,并分别与深度相机和激光雷达2个传感器建图效果进行对比。实验结果表明,本文融合算法对周围障碍物的识别能力更强,可获取更完整的环境信息,地图构建更加清晰精确,满足移动机器人导航与路径规划的需要。

快速跟踪分割辅助的动态SLAM

目前,同时定位与地图构建(SLAM)技术在真实环境中的应用仍受多种因素制约,室内环境中的动态对象干扰就是其中一个亟待解决的问题。提出一种基于ORB-SLAM3并以实例分割网络为辅助的视觉SLAM系统,该系统将分割任务置于后端,在前端结合RGB-D相机输入和核相关滤波(KCF)算法对后端检测到的语义信息进行跟踪传递,并且使用语义信息在贝叶斯概率框架中追踪关键点的运动状态。与目前基于检测或分割的方法相比,该系统使用更为轻量化的方案来分割和跟踪场景中的运动对象,并在贝叶斯滤波模型的进一步辅助下,既实现了准确的动态干扰滤除,又优化了卷积神经网络(CNN)预处理导致的系统运行实时性问题。在TUM RGB-D数据集上的实验表明,该系统能以约16 fps的速度取得较高的定位精度,相较于ORB-SLAM3平均领先78.56%,相较于DynaSLAM平均领先11.85%。

基于多传感器融合的同步定位与建图方法研究

针对传统的视觉激光融合方法存在定位精度低、实时性较差和地图重影的问题,提出了一种基于贝叶斯推理的双目视觉与激光雷达(LiDAR)融合方法。该方法加速占据栅格的生成,采用激光三角测距法计算地图角度信息,并实时更新栅格单元,避免了因视觉特征误匹配而引起的地图重影和定位精度差的问题,保证了较好的实时性。室内场景实验表明:该方法不仅能获得更完整、精确的环境地图信息,相较于传统的双目视觉与LiDAR融合方法,定位精度提高了46%,实时性提升了21%。

基于贝叶斯理论的国土空间生态修复属性图谱图像关系研究

以国土空间生态修复的理论内涵为基础,梳理其关键属性逻辑,并建立评价指标体系,运用模糊综合评价法对31个省级样本进行了评测,在此基础上采用数理推导和贝叶斯概率法推演了图谱图像关系。结果表明:(1)国土空间生态修复涵盖国土生态修复和空间生态修复双重内容,具有资源、资产和资本属性特征;(2)国土空间生态修复的资源、资产和资本属性之间存在线性和幂两种典型的图谱图像状态,三属性之间具有25种谱像关系;(3)资源、资产和资本属性之间具有6种类型的贝叶斯条件架构,先验概率中“资本性总量≥资产性总量≥资源性总量”条件架构体现了最高成效,图谱图像关系中有条件的线性函数图像Ⅱ的后验概率最高(75.51%);(4)以区域全部国土空间为资源属性的基础,通过国土生态修复和空间生态修复实现“资本≥资产≥资源”属性总量的交互转化状态,是三属性关系优化的重要方向。研究显示,国土空间生态修复的三属性之间存在多种函数谱像关系,充分认识图谱图像规律及其贝叶斯条件概率分布,有利于优化实践模式并提升综合成效。

基于新余弦混沌映射的视觉安全图像加密算法

考虑到目前图像加密算法缺少了对加密后图像的视觉安全的保护,将新余弦混沌映射和贝叶斯压缩感知进行结合提出一种视觉有意义的图像加密算法是非常有价值的.首先,基于余弦函数提出了一个新的一维混沌映射用于构建受控测量矩阵,除此之外,所提出的新余弦混沌映射能够更好地扰乱图像的强相关性.其次,通过二维Arnold置乱算法对明文图像的小波包系数矩阵进行置乱.然后,借助混沌测量矩阵和双向加模扩散策略对置乱后的秘密图像进行压缩和加密.最后,通过最低有效位嵌入算法将秘密图像嵌入到经过生命游戏混合置乱后的载体图像中以得到一幅具有视觉意义的密文图像.仿真结果和安全性分析表明在保证视觉安全性和解密质量的前提下所提加密算法具备可行性和高效性.

基于多源定位的机器人导航地图融合研究

针对激光雷达(LiDAR)的传统建图方式在精度和地图完整性上存在不足的问题,提出一种以多源定位数据实现创建融合栅格地图的方法。利用误差状态卡尔曼滤波(ESKF)算法将惯性测量单元(IMU)与轮式编码器(WE)的融合数据中添加视觉里程计(VO)的位姿信息进行校正,并作为里程计输出。根据贝叶斯估计,将深度相机与激光雷达各自生成的局部栅格地图逐帧进行融合,生成全局地图。研究结果表明:融合地图与实际环境中的对应参考点在x与y方向的RMSE比传统方法分别下降了58.88%,56.19%,有效提高了地图的精度和丰富性。

多线索融合的结构化道路检测算法研究

为实现结构化道路的检测,提出了一种用于道路检测的激光雷达和视觉融合法,通过提取激光雷达在道路边缘的三维点云信息,将其投影到视觉图像上,形成激光点云与图像的映射关系,生成激光雷达似然图。通过改进提取道路的颜色、纹理、水平线等特征的方法,生成相对应的视觉似然图。在贝叶斯框架下将激光雷达和视觉生成的似然图进行融合。在KITTI数据集上测试可知,精度达到94%,准确率达到86%,表明该道路检测法具有较好的道路检测效果。

基于改进小波变换的农村集体土地测绘图像高分辨率自适应重建方法

为提高农村集体土地测绘图像的分辨率,改进在重建图像的过程中发生的灰度偏移的情况,研究了基于改进小波变换的农村集体土地测绘图像高分辨率自适应重建方法。采集农村集体土地测绘图像,对差值处理后的测绘图像进行Haar小波变换,高分辨率重建测绘图像,校正图像灰度化偏移的同时保证重建测绘图像的质量;采用基于贝叶斯估计的自适应小波去噪方法,去除重建测绘图像噪声,使重建的高分辨率测绘图像更清晰。实验结果表明:PSNR值接近30dm,SSIM值接近1;不同噪声方差下,PSNR值最高。提高了重建测绘图像的清晰度和分辨率,得到高分辨率的农村集体土地测绘图像。

基于改进贝叶斯的知识图谱关联查询算法仿真

知识图谱的不确定性导致节点之间的语义关联性不高,抽取出的文本存在较多冗余和噪声,无法准确捕捉用户的查询意图。为解决上述问题,提出改进贝叶斯框架的知识图谱关联查询算法。通过将知识图谱中的文本输入深度卷积神经网络,编码处理获得文本表示,并在非对称映射的基础上获得结构表示,以此获得知识图谱关系与实体之间的关系。采用低秩矩阵映射补全知识图谱中的尾实体和头实体。优化贝叶斯推理框架对实体量化处理,挖掘知识图谱中存在的数据集,并计算关系关联度和属性关联度,根据得分排序查询结果,完成知识图谱的关联查询。实验结果表明,所提算法的F1值在0.8以上,且准确率和召回率高,说明具有良好的查询性能。

基于多重信息增益的移动机器人探索策略

针对移动机器人在未知环境中自主探索及建图存在盲目性的问题,提出了一种基于贝叶斯优化评估多重信息增益的探索策略。在候选点提取方法上采用融合前沿点聚类与可通行区域的方式综合衡量提取,相较于传统的前沿点检测方法有效解决了候选点集合过大及环境信息缺失等问题;在候选点评估方法上利用贝叶斯优化计算多重信息增益,综合考虑地图熵值与距离成本,相较于仅考虑地图熵值选取最佳候选点的方法,有效改进了机器人在环境中的冗余路径。该算法在机器人操作系统(robot operating system,ROS)中采用Gazebo进行仿真实验验证,构建环境地图。结果表明,该方法可以使移动机器人快速有效地探索未知环境,高质量完成建图任务。

基于ML和L2范数的视频目标跟踪算法

目标跟踪是计算机视觉领域的一个具有挑战性的问题,本文提出了一种基于ML(最大似然)估计和L2范数的视频目标跟踪算法.建立基于稀疏限制的ML模型,给样本中的异常像素分配较小的权值,减少异常像素对跟踪算法的影响.利用L2范数最小化进行稀疏编码求解.采用贝叶斯估计得出目标跟踪结果.与其他典型算法相比,本算法降低了计算的复杂度,对遮挡,旋转,尺度变化,光照变化等异常变化具有较强的鲁棒性.

基于非局部方向性核先验的PET图像Bayesian重建

为了在抑制噪声的同时更好地保持PET重建图像中的细节结构,提出了一种基于非局部方向性核先验(NSKP)的Bayesian重建算法.为了充分利用图像中的全局信息,该算法在二阶核回归过程中估计出图像梯度,计算出相应的方向性矩阵,并根据非局部均值权值矩阵和方向性矩阵的卷积,计算先验项的权值.在重建中,该算法在高阶核回归过程中同时更新图像的梯度和先验信息,而不是单独计算图像梯度.另外,高阶核回归方法运用多自由度的参数估计提高了重建的精确度.研究结果表明,该算法通过计算引入局部结构信息的全局先验权重,更好地抑制了噪声和过平滑,保持了重建图像中细节区域的结构性和背景区域的一致性.对体模数据的模拟实验结果从视觉和数值角度验证了该算法在PET图像重建中的有效性.

基于MAP框架的金字塔人脸超分辨率算法

提出一种基于学习的金字塔人脸超分辨率算法,利用金字塔学习人脸图像梯度的空间分布特性,建立标准人脸训练库作为学习模型,采用塔状父结构从训练库搜索匹配特征信息相似度最高的小块,预测出最优的拉普拉斯金字塔先验模型,利用贝叶斯MAP框架求出高分辨率人脸图像。实验结果表明,与其他人脸超分辨率算法相比,在将人脸图像分辨率提高4×4倍的情况下,该算法生成的高分辨率人脸图像的平均峰值信噪比提高1.19 dB^2.4 dB,可以更好地消除噪声,具有较好的视觉效果。

贝叶斯网络在因果图中的应用

本文的目的在于描述一种用于表征和分析专家知识“贝叶斯因果图”。它既是因果图 ,也是贝叶斯网络 ,综合了两者在表达专家知识方面的优点 ,并采用事实传递算法对决策变量进行推断。本文以一个市场专家进行产品发展决策为例 ,阐述了如何从因果图构造贝叶斯因果图以及如何用它来进行推断。