XiaoMi-AI文件搜索系统
World File Search System变化检测
一种从空间立体影像中描绘建筑物足迹的混合方法
从遥感图像中自动提取建筑物轮廓线已用于更新城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物轮廓线 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两幅对极图像中都无法清晰检测到建筑物轮廓的情况下。此外，虽然影像匹配提供了代表建筑物高度的DSM，但是从该DSM提取的建筑物大小和形状通常被高估，因此需要辅助信息。
一种从空间立体影像中描绘建筑物足迹的混合方法
城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物足迹 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两个核线图像中都无法清晰地检测到建筑物轮廓的情况下。此外，尽管影像匹配提供了表示建筑物高度的 DSM，但从该 DSM 中提取的建筑物大小和形状通常
光学遥感图像中的物体检测调查
变化检测 (Bontemps et al., 2008; Chen and Hay, 2012; Contreras et al., 2016; Dissanska et al., 2009; Doxani et al., 2012; Doxani et al., 2008; Hussain et al. .，2013；Im 等，2008；等，2014；沃尔特，2004）；土地覆盖和土地利用制图，包括植被、树木、水、住宅等。(Baker et al., 2013; Benz et al., 2004; Blaschke, 2003; Blaschke et al., 2011; Blaschke et al., 2008; Contreras et al., 2015; D'Oleire-Oltmanns et al. .，2014；德皮尼奥等人，2012； Doleire-Oltmanns 等人，2013 年；Drăguţ 和 Eisank 等人，2011 年； 2011；Lisita 等，2011； 2011；Tzotsos 等，2011；Walker 和 Briggs，2007；Zhou 等，2009；周和特洛伊，2008）；滑坡测绘（Feizizadeh 等，2014；Li 等，2015b；Martha 等，2010；Martha 等，2011；Martha 等，2012；Stumpf 和 Kerle，2011）。
无人机系统（UAS）在河道沿线河岸侵蚀监测中的应用
摘要 过度的河岸侵蚀是许多河流系统中细沉积物和相关营养物的重要来源，同时也对基础设施构成威胁。使用高分辨率地形数据进行地貌变化检测是监测河流沿线河岸侵蚀程度的有效方法。无人机系统 (UAS) 和运动结构 (SfM) 摄影测量技术的最新进展使得获取高分辨率地形数据成为可能，这也是本研究中使用的方法。为了评估基于 UAS 的摄影测量对河岸侵蚀监测的有效性，一架固定翼 UAS 在两年内多次被部署在美国东北部佛蒙特州中部的 20 公里河流走廊进行勘测。数字高程模型 (DEM) 和差异 DEM 可以量化发生明显侵蚀的勘测区域中选定部分的体积变化。结果表明，只要调查是在早春（融雪后但夏季植被生长之前）进行的，UAS 就能够以高分辨率收集高质量的地形数据，即使是在植被茂密的河流走廊沿线。使用 UAS 对河岸运动的长期估计与之前收集的机载激光雷达调查结果相比具有良好的可比性，并且可以可靠地量化河流沿岸的重大地貌变化。
利用人工智能 (AI) 结合遥感和地理信息进行洪水预测
摘要：考虑到洪水对人们的影响，每年在尼日利亚的一些州，洪水有时会导致生命、动物、农作物、土地、建筑物等的损失，研究预测洪水的新兴技术方法变得非常必要，以便制定适当的规划并采取必要的措施，防止任何损失或将影响降至最低。因此，这项工作旨在研究人工智能这种新兴技术可用于使用遥感和 GIS 数据预测洪水的各种方式。这项研究采用回顾和解释性研究方法进行，数据是二手数据，包括教科书、在线发表的研究成果和图书馆资料。从研究结果可以看出，人工智能算法可用于通过洪水范围测绘、卫星图像分析、洪水脆弱性评估、变化检测分析等利用遥感和 GIS 技术预测洪水。结论是，人工智能是一种强大的工具，可用于遥感和地理信息系统 (GIS) 中的洪水预测。建议由于洪水难以控制，在未来的工作中应研究使用人工智能进行洪水预测，因为结果将为救援机构及其类似机构提供重要信息。
![arXiv:2501.01291v1 [cs.AI] 2025 年 1 月 2 日](/simg/g:\will\search\icon\source\6\653deeb5efad78e36f3c2e27b9e7aba48761d425.png)
arXiv:2501.01291v1 [cs.AI] 2025 年 1 月 2 日
传统的多臂老虎机 (MAB) 算法是为平稳环境设计的，其中与臂相关的奖励分布不会随时间而变化。然而，在许多应用中，环境被更准确地建模为非平稳的。在这项工作中，研究了分段平稳 MAB (PS-MAB) 环境，其中与一部分臂相关的奖励分布在某些变化点发生变化，而在变化点之间保持平稳。我们的重点是 PS-MAB 的渐近分析，之前已经为其提出了基于变化检测 (CD) 的实用算法。我们的目标是模块化此类基于 CD 的老虎机 (CDB) 程序的设计和分析。为此，我们确定了模块化所需的平稳老虎机算法和 CDB 程序中变化检测器的要求。我们假设奖励是亚高斯的。在此假设和变化点分离的条件下，我们表明 CDB 程序的分析确实可以模块化，因此可以以统一的方式获得各种变化检测器和强盗算法组合的遗憾界限。通过这种分析，我们开发了新的模块化 CDB 程序，这些程序是顺序最优的。我们在模拟中将我们的模块化 CDB 程序的性能与其他各种方法进行了比较。
![arXiv:2501.01291v1 [cs.AI] 2025 年 1 月 2 日](/simg/g:\will\search\icon\source\f\f52a3aac91627968cfd5ee7f349b9908aeff8184.png)
arXiv:2501.01291v1 [cs.AI] 2025 年 1 月 2 日
传统的多臂老虎机 (MAB) 算法是为平稳环境设计的，其中与臂相关的奖励分布不会随时间而变化。然而，在许多应用中，环境被更准确地建模为非平稳的。在这项工作中，研究了分段平稳 MAB (PS-MAB) 环境，其中与一部分臂相关的奖励分布在某些变化点发生变化，而在变化点之间保持平稳。我们的重点是 PS-MAB 的渐近分析，之前已经为其提出了基于变化检测 (CD) 的实用算法。我们的目标是模块化此类基于 CD 的老虎机 (CDB) 程序的设计和分析。为此，我们确定了模块化所需的平稳老虎机算法和 CDB 程序中变化检测器的要求。我们假设奖励是亚高斯的。在此假设和变化点分离的条件下，我们表明 CDB 程序的分析确实可以模块化，因此可以以统一的方式获得各种变化检测器和强盗算法组合的遗憾界限。通过这种分析，我们开发了新的模块化 CDB 程序，这些程序是顺序最优的。我们在模拟中将我们的模块化 CDB 程序的性能与其他各种方法进行了比较。
一种从空间立体影像中描绘建筑物足迹的混合方法
从遥感图像中自动提取建筑物轮廓线已用于更新城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物轮廓线 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两幅对极图像中都无法清晰检测到建筑物轮廓的情况下。此外，虽然影像匹配提供了代表建筑物高度的DSM，但是从该DSM提取的建筑物大小和形状通常被高估，因此需要辅助信息。
正常地对岛的体积评估...
摘要：大脑结构的体积评估是神经科学研究和临床实践中的重要工具。正常运作的人脑的体积测量有助于检测某些区域与年龄相关的变化，这可以在不同程度上观察到。这项研究旨在估计性别，不同年龄组和侧面变化的正常功能人类大脑中正常功能的岛屿体积。使用磁共振成像（MRI）（MRI）和自动脑分割，对苏丹Al-Amal医院的42名成年苏丹参与者进行了一项横断面回顾性研究。大脑半球两侧的总岛量的统计差很小。男性的右侧岛屿体积较大，而左侧的性别均没有差异。发现男性和女性之间的统计学显着差异（p> 0.05），根据单向方差分析测试，不同年龄组的统计差异未发现（p> 0.05）。成年苏丹男性比女性显示出更大的岛状体积。MRI可用于形态学评估岛群体，以根据体积变化检测任何病理变异。
一种从空间立体影像中描绘建筑物足迹的混合方法
从遥感图像中自动提取建筑物轮廓线已用于更新城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物轮廓线 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两幅对极图像中都无法清晰检测到建筑物轮廓的情况下。此外，虽然影像匹配提供了代表建筑物高度的DSM，但是从该DSM提取的建筑物大小和形状通常被高估，因此需要辅助信息。