陕北煤矿区不同形态的采动地裂缝对土壤可蚀性的影响

黄河流域中游作为国家水土流失重点预防和治理区,解决其煤炭开采与水土保持间的矛盾对于矿区生态环境保护与高质量发展具有重要意义。以陕北柠条塔井田北翼采动地裂缝发育区内“平开式”、“台阶式”、“组合式”3种典型形态的采动地裂缝及其周边土壤（水平距离100 cm以内、垂直深度20 cm以浅）为研究对象,测定了土壤机械组成和有机质含量,基于EPIC模型计算了土壤可蚀性K值,分析了不同形态采动地裂缝影响下土壤机械组成和有机质质量分数的空间变化特征,解译了不同形态采动地裂缝在小空间尺度下的水土流失效应。结果表明：(1)“平开式”、“台阶式”、“组合式”3种形态的采动地裂缝均会导致其周围土壤黏粒质量分数、有机质质量分数明显下降和土壤可蚀性K值明显增大,土壤黏粒质量分数的平均降幅依次为21.50%、43.93%、58.70%(p<0.05),土壤有机质质量分数的平均降幅依次为45.72%、61.79%、78.66%(p<0.05),土壤可蚀性K值的平均增幅依次为12.49%、17.82%、32.35%(p<0.05),且均以水平负效应为主;(2)在相同水平距离及垂直深度下,“组合式”裂...     

基于超像素匹配的图像协同显著性检测

为了快速有效地完成多图像的协同显著性检测,提出了一种基于超像素匹配的检测模型。首先针对一般单个超像素特征匹配效果较差的问题,提出一种基于Hausdorff距离的邻域超像素集匹配算法来进行图像间超像素的精确匹配;然后构建图像内和图像间的双层元胞自动机模型,进行多幅图像之间的显著性传播,从而有效地检测出协同显著性。在公开的测试数据集上的实验结果表明,所提算法的检测精度和检测效率优于目前的主流算法,且具有较强的鲁棒性。     

基于压缩域编码长度的视频显著性检测

生物学研究表明,人会 明显地注意 视频中的运动目标。为模拟该特性并快速完成视频显著图的计算,提出一种压缩域时空显著度检测方法(Temporal-Spatial Saliency in Compress Domain model,TS2CD)。分别利用H.264视频中对宏块的残差编码长度和运动矢量编码长度模拟人眼的显著性刺激强度,从而得到视频显著特征。通过线性的加权融合算法,综合两种编码长度得到的空域显著图和时域显著图,得到最终的视频显著图。在3个公开的数据库上的实验表明,TS2CD算法是当前性能最优的方法。     

面向主观质量的视频传输编码参数的选择

在视频传输中有两个重要的问题需要解决:1)在已知网络带宽以及丢包率的情况下如何分配信源和信道的编码速率;2)在信源编码速率限定的条件下如何选择编码的参数。针对问题2),分析了现有的主观质量模型VQMTQ,选择VQMTQ作为视频主观质量评价的指标。联合码率模型在给定目标码率时能够选择最佳的编码参数,使得编码后的视频主观质量尽可能高。该研究对于实际应用具有重要价值,保障了人眼的主观感受。     

多分辨率特征注意力融合行人再识别

目的 行人再识别是实现跨摄像头识别同一行人的关键技术,面临外观、光照、姿态、背景等问题,其中区别行人个体差异的核心是行人整体和局部特征的表征。为了高效地表征行人,提出一种多分辨率特征注意力融合的行人再识别方法。方法 借助注意力机制,基于主干网络HRNet（high-resolution network）,通过交错卷积构建4个不同的分支来抽取多分辨率行人图像特征,既对行人不同粒度特征进行抽取,也对不同分支特征进行交互,对行人进行高效的特征表示。结果 在Market1501、CUHK03以及DukeMTMC-ReID这3个数据集上验证了所提方法的有效性,rank1分别达到95.3%、72.8%、90.5%,mAP（mean average precision）分别达到89.2%、70.4%、81.5%。在Market1501与DukeMTMC-ReID两个数据集上实验结果超越了当前最好表现。结论 本文方法着重提升网络提取特征的能力,得到强有力的特征表示,可用于行人再识别、图像分类和目标检测等与特征提取相关的计算机视觉任务,显著提升行人再识别的准确性。     

陕北采煤沉陷区不同沉陷年限黄土坡面土壤可蚀性的变化规律

土壤可蚀性不仅可以定量刻画土壤自身抗侵蚀能力,还能反映人类活动产生的水土流失效应,研究煤炭采动损害对土壤可蚀性的影响有利于煤矿区生态环境保护.以陕北煤矿区沉陷年限分别为1～5、6～10 a的典型沉陷坡面土壤(垂直深度20 cm以浅)为研究对象,分别用MS2000激光粒度仪和总有机碳分析仪测定了土壤机械组成和有机质含量,...     

基于卷积神经网络与全局优化的协同显著性检测

针对目前协同显著性检测问题中存在的协同性较差、误匹配和复杂场景下检测效果不佳等问题,该文提出一种基于卷积神经网络与全局优化的协同显著性检测算法。首先基于VGG16Net构建了全卷积结构的显著性检测网络,该网络能够模拟人类视觉注意机制,从高级语义层次提取一幅图像中的显著性区域;然后在传统单幅图像显著性优化模型的基础上构造了全局协同显著性优化模型。该模型通过超像素匹配机制,实现当前超像素块显著值在图像内与图像间的传播与共享,使得优化后的显著图相对于初始显著图具有更好的协同性与一致性。最后,该文创新性地引入图像间显著性传播约束因子来克服超像素误匹配带来的影响。在公开测试数据集上的实验结果表明,所提算法在检测精度和检测效率上优于目前的主流算法,并具有较强的鲁棒性。