【摘 要】
：
In this study, the variations in surface soil liquid water(SSLW) due to future climate change are explored in the‘Huang-Huai-Hai Plain(‘3H) region in China with the Common Land Model(CoLM). To evaluat
【出 处】
：
Science China(Earth Sciences)
论文部分内容阅读
In this study, the variations in surface soil liquid water(SSLW) due to future climate change are explored in the‘Huang-Huai-Hai Plain(‘3H) region in China with the Common Land Model(CoLM). To evaluate the possible maximum response of SSLW to climate
其他文献
According to the plant information of Puxing Village, a typical village in Chengdu Plain, the GIS map was drawn to analyze the landscape ecology pattern by FRAGSTATS software. The results show that in
The crustal S-velocity structure and radial anisotropy along a dense linear portable seismic array with 64 broadband seismic stations were investigated from ambient noise tomography with about one-yea
As one of the worlds most active intracontinental mountain belts, Tien Shan has posed questions for researchers regarding the formation of different tectonic units and active shallow seismicity. Here,
本文首先在室外场景中使用固定摄像头采集视频。对视频做图像预处理操作。其次对比运动目标检测中常用的三种方法--背景差分法、帧差法和光流法。在此基础上提出了改进的混合高斯背景建模方法,初步检测出运动目标。对运动目标做形态学处理,准确地检测出运动目标。运动目标分类方面,结合长宽比、离散度和占空比等特征对运动目标进行分类,准确地将运动目标分为行人和机动车。
哈希算法已被广泛应用于解决大规模图像检索的问题.在已有的哈希算法中,无监督哈希算法因为不需要数据库中图片的语义信息而被广泛应用.平移不变核局部敏感哈希(SKLSH)算法就是一种较为代表性的无监督哈希算法.该算法随机的产生哈希函数,并没有考虑所产生的哈希函数的具体检索效果.因此,SKLSH算法可能产生一些检索效果表现较差的哈希函数.在本文中,提出了编码选择哈希算法(BSH).BSH算法根据SKLSH
由于复杂背景、形变以及运动造成的模糊等因素,导致在自然场景下的人手跟踪仍然是一个具有挑战性的问题.本文中,结合运动、颜色和Haar-like特征来构造一个具有鲁棒性的实时人手检测算法.尽管不能运用于所有的情形,但Haar-like特征成功地去除了类似肤色的运动背景区域.利用三个特征构造三个弱分类器,然后将其结合成一个强分类器.如果一个分类器已经确定了人手的位置,其他分类器将不会执行,否则将会为下一
针对传统对数极坐标傅立叶变换(log-polar mapping based Fourier transform,LPMFT)在大尺度、大旋转及大平移变换情况下不能精确估计图像对之间的变换参数,提出基于层次化及最小二乘的图像配准方法(multi-resolution analysis and least square optimization,MALSO):首先,使用小波变换将图像分解为多分层结构
三维人脸标志点定位在人脸识别、人脸跟踪、人脸建模、表情分析等方面具有非常重要的作用.然而,在姿态和表情变化很大的条件下进行标志点定位,这仍然是一个很具挑战性的课题.本文提出一种对姿态和表情不敏感的三维人脸标志点定位方法,利用HK曲率分析检测出候选标志点,根据对面部形状的先验知识,提出一种基于人脸几何结构的分类策略对候选标志点进一步细分,通过把候选标志点与人脸标志点模型进行匹配,实现标志点的精确定位
在视觉目标跟踪系统中,特征的表达和提取是重要的组成部分.本文提出基于多个自编码机网络相联合的特征提取机,通过对输入数据进行一定程度的重组,采用深度学习的理论对其局部特征进行描述并对结果进行联合决策.结合该网络结构,本文提出一种融合局部特征的深度信息进行目标跟踪的算法.将输入图像分块使得大量的乘法运算转化为加法和乘法的混合运算,相对于全局的特征表达,大幅降低了运算复杂度.在跟踪过程中,目标候选区的各
行人重识别是指根据输入的某个行人图片,在视频监控网络中对该行人目标进行检索.行人的姿态变化和监控场景的亮度变化是该任务的两个主要挑战.针对行人的姿态变化问题,本文首先对训练集中行人图片进行稠密图像块采样获得图像块集合,然后对每一个图像块提取其局部表观空间特征,最后在此特征集上聚类得到通用的行人部件字典.由于该部件字典编码了行人的部件信息,因此通过该字典内的每一个码元可以建立两幅行人图像中特定图像块