集成电路互连线寄生电容提取的软件设计

论文提出了一个超大规模集成电路(VLSI)片上三维互连线寄生电容精确提取流程模型。文中研究了该提取流程中计算区域的自动划分问题,并对该流程各个模块进行了设计。     

基于改进FCN的车道线检测研究

为提高车道线检测的准确性以增强无人驾驶车辆的安全驾驶性能,在传统车道线检测的边缘提取、霍夫变换、颜色空间阈值提取、透视变换等方法的基础上,利用深度学习技术,提出一种基于改进FCN的车道线检测网络模型。该模型能够准确提取出车道线的特征信息,并在车道线检测数据集上进行模型训练,以评估该车道线检测网络的性能。通过实验对比,结果表明改进FCN模型在检测精度上比传统FCN网络模型提高了1%,具有良好的分割有效性。     

基于遗传算法的SAR图像自动道路提取

为了有效地进行SAR图像道路目标自动提取,提出了一种基于遗传算法的SAR图像道路目标自动提取方法。该方法首先通过Frost滤波器去相干斑;然后利用乘性Duda线特征检测算子进行线特征检测,接着利用Radon变换进行线基元提取,再利用遗传算法进行线基元连接;最后利用蛇模型调整道路位置并进行道路鉴别。在星载和机载SAR图像上进行的实验以及性能定量评估结果证明了该方法的有效性。     

基于垂直植被指数的湿地植被类型提取研究——以长江口九段沙湿地为例

针对潮滩湿地植被的特点,利用2005年5月7日的SPOT 5数据,结合自动提取土壤线算法和近红外一红外二维光谱特征空间,获取土壤线参数,并利用垂直植被指数对九段沙湿地典型试验区进行植被信息提取.计算结果表明,土壤线计算方法简单可靠,利用垂直植被指数进行分类其精度达到86.5％,相比最大似然分类方法提高了5.7％.     

基于混合水平集的脑组织自动提取方法

脑组织自动提取是脑功能分析中一个重要的预处理步骤,为提高脑组织提取的精度,提出了一种新的提取方法。该方法首先对磁共振成像(MRI)图像使用改进脑组织提取工具(BET)算法快速提取初始轮廓;其次对此初始轮廓进行数学形态学膨胀处理,得到初始感兴趣区域;然后在初始感兴趣区域中使用改进混合轮廓模型进行处理,得到新的轮廓线再进行膨胀处理得到新的区域,如此不断迭代;最后,该混合模型收敛,获得较精确脑组织轮廓。实验采用了7组来自IBSR网站的MRI数据序列,所提算法得到的平均错误划分比例为7.89%。实验结果表明所提方法对于脑组织提取精度的提高是有效和可行的。     

基于Mask R-CNN与改进Criminisi的沥青路面车道线移除方法

在对沥青路面病害图像进行自动分类时,含车道线的图像数量较多易造成干扰。 为此,提出一种车道线移除方法以降低其对分类的影响,首先基于 Mask R-CNN 网络训练出复 杂背景下车道线区域的检测模型,通过该模型自动获取车道线区域 mask;然后利用 mask 将车 道线区域全部移除得到破损图像;最后用改进的 Criminisi 图像修复方法对破损图像进行样本块 填充。实验表明,采用 Mask R-CNN 方法对 400 张不同环境下的路面图像进行检测,其漏检率 和误检率分别为 0.50%和 7.87%。在保证图像修复质量的基础上,改进的 Criminisi 方法在修复 速度上比改进前提升约 4~5 倍。同等条件下,采用 VGG 分类模型对比验证,经该算法移除车 道线后的新数据集表现更优。     

基于实例分割的车道线检测及自适应拟合算法

车道线检测是智能驾驶系统的重要组成部分。传统车道线检测方法高度依赖手动选取特征,工作量大,在受到物体遮挡、光照变化和磨损等复杂场景的干扰时精度不高,因此设计一个鲁棒的检测算法面临着很大挑战。为了克服这些缺点,提出了一种基于深度学习实例分割方法的车道线检测模型。该模型基于改进的Mask R-CNN模型,首先利用实例分割模型对道路图像进行分割,提高车道特征信息的检测能力;然后使用聚类模型提取离散的车道线特征信息点;最后提出一种自适应拟合的方法,结合直线和多项式两种拟合方法对不同视野内的特征点进行拟合,生成最优车道线参数方程。实验结果表明,该方法提高了检测速度,在不同场景下都具有较好的检测精度,能够实现对各种复杂实际条件下的车道线信息的鲁棒提取。     

基于WorldView-2制备大野口流域高分辨率DEM及精度分析

在全野外GPS地面控制点基础上,对WorldView-2影像自带RPC文件进行校正,利用数字摄影测量软件系统在立体模型上通过影像自动匹配技术快速提取黑河流域上游大野口子流域1∶5 000比例尺数字高程模型(DEM)。由于区域地形复杂、交通不便,研究区南部无地面控制点覆盖。基于立体模型交互式操作,匹配60个均匀分布高精度影像连接点,提高了DEM自动提取精度。并在对阴坡森林覆盖区、大野口水库等重点区域进行DEM编辑基础上,辅助地形特征点和线数据提高了成果精度。由15个外业控制点、12个模型保密点组成的检查点进行定量DEM验证,结果表明:两组高程中误差最大为1.9 m,达到该比例尺山地一级精度2.5 m的要求。
     

一种基于活动轮廓模型的肺部轮廓提取算法

较详细地介绍了一种图像轮廓的半自动提取算法:活动轮廓模型的原理与实现。在此基础上改进了训练集的构造方法,并将活动轮廓模型与Gaussian金字塔分层算法结合来进行多分辨率下轮廓提取,提高了分割速度与精度。最后应用其对X光胸腔正位片的肺部区域进行了分割实验,实验结果验证了该方法的有效性。     

基于Snake模型的地图中河流提取算法

地图的手工矢量化是一项耗时、费力的工作。该文根据彩色地图中河流的特点，提出利用改进的Snake模型提取地图中的河流。通过对地图中河流线的结构特征进行统计分析，寻找河流线基元；利用改进主动轮廓模型的自动跟踪功能，实现河流的最终提取。实验结果验证了本算法的有效性。     

“衡邵干旱走廊”土壤墒情自动监测系统研究

旱灾是湖南省各类自然灾害中最主要的自然灾害之一,基于湖南省抗旱体系不完善,旱情信息来源少、监测技术手段落后等问题,确定以湖南省常年旱情较为严重的"衡邵干旱走廊"为典型研究区域,对土壤墒情自动监测系统进行研究。在研究过程中,采用现代数据采集技术,成功解决土壤墒情信息的自动采集、传输、存储和处理等关键技术问题。在土壤水分传感器性能综合比选、墒情站设计和实施方面积累宝贵经验,为今后抗旱减灾工作提供技术指导。     

环境减灾卫星数据在旱灾预警监测中的应用

环境减灾卫星星座具有宽覆盖和快速重访的能力,尤其适合旱灾等大范围灾害监测的要求。基于权重叠加法的区域旱灾风险评估方法,综合考虑致灾因子、孕灾环境及承灾体等指标,获得的旱灾风险等级分布图可以应用于旱灾风险预警。光谱维-温度旱灾指数产品综合考虑了土壤水分变化、地表蒸散变化、植被绿度变化、植株水分变化4方面内容,可有效应用于旱灾监测中。针对2010年初中国西南地区特大旱灾,利用环境减灾卫星数据采用上述方法开展了旱灾风险评估和监测,并采用民政部国家减灾中心收集的地方政府上报灾情数据对风险评估和监测结果进行了验证,结果表明:监测结果与实报灾情相符,结果具有较高的精度。风险评估和监测结果仍需进一步改进,以满足自然灾害救助应急预案仿真与模拟的精度需求。     

基于多源信息融合的土壤含水量估算

遥感信息在大面积土壤水分监测中具有不可替代的优势。通过对试验区域的气象数据、土壤类型数据、土壤和水体的光谱特征曲线、多时相遥感影像数据等进行预处理,提取图像信息和属性数据,并对土地利用类型和植被覆盖度进行划分。基于土壤的光谱响应机制建立像元反射光谱信息分解模型,以此计算出该区域土壤容积含水率。结果表明该方法对于低植被区的监测精度较高(理论精度89.78%),可作为土壤水分监测预警的依据。     

大范围旱情遥感监测的分带计算

遥感技术在旱情监测中得到了广泛应用。针对常用的温度植被旱情指数法, 利用NOAA/AVHRR 数据, 分析了大范围旱情监测中下垫面因纬度、地形等因素造成的空间物候差异, 指出了旱情指数分带计算的必要性。通过分纬度计算, 提高了温度植被旱情指数法中旱边与湿边拟合方程的准确度, 与整体计算方法相比, 温度植被旱情指数与各层土壤相对湿度实测值的相关性均得到明显改善, 提高了大范围旱情遥感监测的准确性。     

基于表层水分含量指数(SWCI)的土壤干旱遥感监测

土壤湿度和植被生长状况是干旱最重要和最直接的指标,对植被和土壤光谱特征的解译是进行旱情程度判断的重要因子。近期,基于水的光谱反射特性,提出的地表含水量指数(SWCI) 模型能较好地反映地表的含水量值及其变化,可用于大范围的快速的浅层土壤墒情遥感监测。通过与NDVI对比分析发现, 在对浅层(0~50 cm)土壤水分进行监测时,SWCI 比NDVI 更为敏感,这有助于在实时干旱动态监测中更好地采用不同的指数以提高监测精度。     

TVDI在冬小麦春季干旱监测中的应用

应用冬小麦春季生长期的NOAA/AVHRR资料,反演归一化植被指数（NDVI）、土壤调整植被指数（SAVI）和下垫面温度（T_s）,分析了植被指数和下垫面温度空间特征,采用温度植被旱情指数（TVDI）,研究了河北省2005年3~5月的冬小麦旱情状况。结果表明：基于SAVI的温度植被旱情指数与土壤表层相对湿度的相关性好于基于NDVI的温度植被旱情指数。通过与气象站土壤水分观测资料进行相关性分析,表明温度植被旱情指数与10 cm土壤相对湿度关系最好,20 cm次之,50 cm较差。因此,基于SAVI的温度植被旱情指数更适于监测冬小麦春季的旱情。     

Retrieval of Component Temperatures based on Landsat-7 ETM+ Remote Sensing Data

Land surface temperature plays an important role in drought monitoring and Simulation of surface heat flux.In arid and semi\|arid regions,the Two\|Source Energy Balance model (TSEB) is commonly used to calculate the heat flux of the earth’s surface.Taking the typical irrigated area of the middle reaches of Heihe as the research area,the four Landsat\|7 ETM+ remote sensing images are selected.The soil surface temperature and canopy temperature were retrieved by combining vegetation index with TSEB model.The decomposition algorithm of soil surface temperature and vegetation canopy temperature is mainly discussed.The results showed that soil surface temperature and vegetation canopy temperature had good temporal and spatial consistency.The inversion accuracy of soil surface temperature and vegetation canopy temperature is indirectly verified by surface net radiation and surface heat flux.The calculated values of surface net radiation and surface heat flux correlate well with the observed values,and the correlation coefficient is greater than 0.92.The linear regression analysis of surface net radiation and surface heat flux shows that the fitting accuracy is high.The soil surface temperature and canopy temperature obtained by surface temperature decomposition are feasible for monitoring drought in typical areas and simulating surface heat flux.     

A two-axis adjusted vegetation index (TWVI)

Based on the soil line concept, various kinds of vegetation indices have been proposed to minimize soil background influences in the inventory of forest resources and the prediction of vegetation biomass. Unfortunately, those indicescan only reduce soil moisture effect on remote sensing data parallel to the axis, the direction of the so-called soil line, failing when different soil types appear (in the direction perpendicular to the soil line). A two-axis adjusted vegetation index is presented here to diminish most soil background influences. It is shown to be more suitable as a global monitoring vegetation index than other indices.     

温度植被旱情指数在吉林省干旱监测中的应用

遥感技术在干旱监测中具有其他技术不可替代的优势。利用2005年8~9月的MODIS产品,获取逐日地表温度数据和逐日植被指数数据,建立了LST\|NDVI特征空间,根据此特征空间建模,计算得出温度植被干旱指数作为表征干旱的监测指标,并结合2005年土壤湿度数据对该指标进行定量验证。在此基础上利用ArcGIS软件分析了2005年8~9月吉林省干旱时空分布特征。结果表明：吉林省干旱总体分布趋势从东南到西北呈现出湿润到正常-轻旱-中旱-重旱的变化规律,体现出吉林省旱情的多样性和复杂性,8月19日、8月25日、9月8日正常和轻旱分布区域面积所占总区域面积比例分别为26.84%和59.53%、41.31%和41.73%、40.40%和32.83%,9月中旬轻旱和中旱分布最广,其比例分别为38.27%和36.26%;重旱和中旱分布区主要位于白城和松原市,轻旱区主要分布在长春、四平和辽源市,正常分布区集中在吉林、通化和白山市境内,湿润分布区主要分布在延边市。     

Evaluation of MODIS derived perpendicular drought index for estimation of surface dryness over northwestern China

In this paper, drought status of northwestern China is evaluated using the Terra–Moderate Resolution Imaging Spectroradiometer (MODIS) data with a newly developed method called perpendicular drought index (PDI), which is defined as a line segment that is parallel with the soil line and perpendicular to the normal line of soil line intersecting the coordinate origin in the two‐dimensional scatter plot of red against near infrared (NIR) wavelength reflectance. To validate the PDI in macroscale applications, quantitative evaluation of drought conditions in Ningxia, Northwestern China is carried out by comparing the PDI with one of the well‐known drought indexes, namely, temperature‐vegetation index (TVX). Linear regression between ground‐measured soil moisture data and the PDI and the TVX was made. Results show that satellite based PDI and TVX has significant correlation with 0–20 cm averaged soil moisture obtained over the meteorological observing stations across the whole study area. The highest correlation of R ² = 0.48 for the PDI and R ² = 0.40 for the TVX is obtained when compared with average soil moisture from 0 to 20 cm soil depth. According to the drought critical values defined by soil hydrologic parameters including soil moisture, wilting coefficient and field moisture capacity, the PDI based drought guidelines are established, and then the drought status in the study area is evaluated using the PDI. It is evident from the results showing the spatial distribution of drought in northwestern China that the PDI is highly accordant with field drought status.