【摘 要】
：
日干配错断裂位于青藏高原中部,是“V”型共轭走滑构造中班公湖—怒江缝合带以北的一条NEE–SWW走向左行走滑断裂,在调节青藏高原南北向挤压和东西向伸展过程中起着重要的作用。在2008年1月9日及2020年7月23日,先后在该断裂南西端和北东支分别发生6级以上强震。因此,查明该断裂的晚第四纪活动性及其与区域强震活动的关系,有助于更好地认识该地区的活动构造变形样式及其控震特征。本文通过高精度卫星影像解
论文部分内容阅读
日干配错断裂位于青藏高原中部,是“V”型共轭走滑构造中班公湖—怒江缝合带以北的一条NEE–SWW走向左行走滑断裂,在调节青藏高原南北向挤压和东西向伸展过程中起着重要的作用。在2008年1月9日及2020年7月23日,先后在该断裂南西端和北东支分别发生6级以上强震。因此,查明该断裂的晚第四纪活动性及其与区域强震活动的关系,有助于更好地认识该地区的活动构造变形样式及其控震特征。本文通过高精度卫星影像解译,结合野外调查和测量,研究了日干配错断裂的构造地貌特征和晚第四纪滑动速率,并分析了2020年7月23日
其他文献
针对高光谱图像空间信息利用不足、标记样本数量较少的问题，提出一种基于全卷积网络和堆栈稀疏自编码的高光谱图像分类算法。首先，基于迁移学习的思想，利用预训练好的全卷积网络FCN-8s，挖掘图像潜在的多尺度几何结构特征，然后选取其特征的像素邻域信息，采用拼接融合的方法与原光谱信息进行融合，最后利用堆栈稀疏自编码网络完成最终的多尺度空谱特征提取，并通过Softmax分类器实现分类。对三组遥感图像进行实验，
现有人脸表情识别算法易受图像背景、非表情内容等无关因素的影响。此外，部分人脸表情（例如害怕、生气、伤心等表情）的类间差异较小也制约着算法的性能。针对上述两个问题，提出了一种融合面部关键点和权重分配残差网络的表情识别算法。首先通过面部关键点获取最大的表情范围以消除图像背景和非表情内容的干扰，然后将预处理后的表情图像作为深度残差网络的输入，接下来引入权重分配机制从通道和空间维度上进行注意权重推断，实现
针对通用目标检测算法在检测小目标时检测精度低的问题，提出一种基于多尺度感受野融合的小目标检测算法S-RetinaNet。该算法采用残差神经网络（Residual Neural Network， ResNet）提取出图像的特征，利用递归特征金字塔网络（Recursive Feature Pyramid Network， RFPN）对特征进行融合，通过多尺度感受野融合模块（Multiscale Rec
复杂场景中的人脸检测由于受到图像质量、人脸尺度和光线等因素影响，精准地定位小人脸、避免漏检、误检是一件极具挑战性的任务。论文提出了一种基于YOLOv3，融合图像超分辨率重建技术的两级人脸检测模型SR-YOLOv3。针对场景中小人脸目标的漏检问题，利用K-means++算法对先验框进行聚类分析，设置更小尺寸的先验框来捕获小人脸信息；针对模糊小尺度人脸的误检问题，采用Darknet53作为主干网络，融
针对外形相似的水稻种子间分类难、识别正确率低等问题，提出一种卷积神经网络与支持向量机相结合的方法（CNN＿SVM）对8类水稻种子进行分类识别。首先对图像进行切割、旋转等预处理后建立水稻种子图像数据库，其次通过提取图像的方向梯度直方图(HOG)、LBP纹理、SIFT描述子和CNN特征，分别建立SVM、KNN和Softmax分类模型对水稻种子图像进行分类识别比较。最后采用随机加入噪声点方法模拟噪声干扰
为克服不同相机视角之间的域偏移问题，提出一种基于域通用和域分离字典对学习的跨视角行人重识别算法。具体地，基于来自同一相机视角下的行人共享相同的域，并且同一视角中每个行人图像所携带的域信息在短时间内具有一致性，将同一视角下的行人图像分解为特定视角的域信息分量和域分离的行人外观特征分量，提出一个判别字典学习模型以创建用于描述域信息分量的域通用字典和描述行人外观分量的域分离字典。首先，由于来自同一相机视
利用卷积神经网络对行人图像提取一个简单的全局特征，在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征，但往往需要图像中的人体具有良好的空间对齐，而且，将人体各部分特征输入到独立的分支学习局部信息，忽略了人体各部分特征间的相关性，限制模型的性能提升。在此背景下，（1）提出了一种新的多尺度特征学习算法，结合全局与局部特征学习得到更好的行人表示，提升复杂场景下模
在无监督领域自适应中分类器对目标域的样本进行类别预测时容易产生混淆预测，虽然已有研究提出了相关算法提取到样本的类间相关性，降低了分类器在目标域上的类混淆预测。但该方法仍然未能解决源域和目标域因共享特征稀疏导致的迁移学习能力不足的问题，针对这个问题，通过使用生成对抗网络对源域进行了风格迁移，扩展源域各类样本的特征空间可供目标域匹配的共享特征，解决因共享特征稀疏导致分类器正迁移力不足的问题，从而进一步
多目标跟踪技术在视频分析、信号处理等领域有着广泛的应用。在现代多目标跟踪系统通常遵循的“按检测跟踪”模式中，目标检测器的性能决定了多目标跟踪任务的跟踪精度和速度。为提高多目标跟踪系统跟踪性能，提出了面向多目标跟踪系统的专用循环目标检测器，它利用视频帧序列间高度相似性的特点，依据先前帧的目标位置信息和当前帧相对于先前帧的变化得分图来选取候选框，解决了传统二阶段目标检测器中使用候选框推荐网络带来的参数
为了提高最大二维熵分割的性能，提出了基于改进麻雀算法（ITSSA）的最大二维熵分割方法，减小运算量并且缩短计算时间。首先，融合反向学习策略和自适应t分布变异，引入精英粒子，以扩大算法搜索范围，增加算法后期局部搜索能力。其次，使用萤火虫机制，对最优解进行扰动变异，进一步增加种群多样性。最后，使用提出的改进麻雀算法寻找图像最大二维熵，得到最优阈值分割图像。经过理论分析和实验验证，在4幅图像的平均运行时