期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于分类的极化干涉SAR数据相干斑滤波方法 被引量:1
1
作者 齐文璐 李洋 +1 位作者 王鹏 洪文 《中国科学院研究生院学报》 CAS CSCD 北大核心 2012年第5期636-643,共8页
提出一种极化干涉SAR数据滤波方法.通过结合最优干涉相干系数和Freeman-Durden分解的非监督分类方法,利用干涉信息对极化信息不敏感的体散射区域进行进一步的划分;再选择与中心像素同类且干涉相位相近的像素参与滤波,达到在滤波的同时... 提出一种极化干涉SAR数据滤波方法.通过结合最优干涉相干系数和Freeman-Durden分解的非监督分类方法,利用干涉信息对极化信息不敏感的体散射区域进行进一步的划分;再选择与中心像素同类且干涉相位相近的像素参与滤波,达到在滤波的同时更好地保护数据极化信息和干涉信息的目的.利用ESAR数据进行实验,证明2种改进算法在抑制相干斑的同时,能有效保持目标散射特性、数据极化信息和干涉信息. 展开更多
关键词 合成孔径雷达 相干斑滤波 最优干涉相干系数
在线阅读 下载PDF
基于植被指数的Sentinel-1失相干评估
2
作者 潘建平 赵瑞淇 +2 位作者 蔡卓言 袁雨馨 李鹏霞 《测绘通报》 CSCD 北大核心 2023年第5期32-37,50,共7页
Sentinel-1数据自全球免费开放以来已被广泛应用于合成孔径雷达干涉测量及相关应用领域,但是其短波长的特性使其容易在部分低相干区域,特别是在植被覆盖区产生失相干现象,因而目前主流的干涉后失相干评估策略可能会造成Sentinel-1数据... Sentinel-1数据自全球免费开放以来已被广泛应用于合成孔径雷达干涉测量及相关应用领域,但是其短波长的特性使其容易在部分低相干区域,特别是在植被覆盖区产生失相干现象,因而目前主流的干涉后失相干评估策略可能会造成Sentinel-1数据的浪费和研究成本的提升。针对此情况,本文在顾及极化方式的前提下,分别建立了光学遥感植被指数NDVI和VV/VH极化下Sentinel-1相干系数的定量模型,并在邻近的验证区对模型精度进行了验证,证明了模型的可靠性。基于建立的模型,可以在Sentinel-1数据干涉前对失相干进行定量评估,以克服上述干涉后评估策略的缺点,提高干涉测量的效率并降低研究成本。 展开更多
关键词 Sentinel-1A失相干 NDVI 干涉相干系数 植被指数
在线阅读 下载PDF
玛纳斯河流域山区积雪的C波段SAR图像表征 被引量:3
3
作者 贺广均 冯学智 +4 位作者 肖鹏峰 耶楠 汪左 陈妮 李敏 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2015年第5期955-965,共11页
首先利用光学遥感数据识别新疆玛纳斯河流域山区积雪时空分布信息,然后利用C波段合成孔径雷达图像分析非积雪期、积雪期、融雪期的积雪和无积雪覆盖地表在不同下垫面类型、不同局部入射角、不同极化条件下的后向散射系数差异、后向散射... 首先利用光学遥感数据识别新疆玛纳斯河流域山区积雪时空分布信息,然后利用C波段合成孔径雷达图像分析非积雪期、积雪期、融雪期的积雪和无积雪覆盖地表在不同下垫面类型、不同局部入射角、不同极化条件下的后向散射系数差异、后向散射系数变化情况和干涉相干性差异,结果表明:(1)在积雪期,积雪与无积雪覆盖地表后向散射系数相近,在融雪期,积雪覆盖地表后向散射系数比无积雪覆盖地表低5~10dB;(2)从非积雪期到积雪期,HH、VV极化的后向散射系数变化较小,HV、VH极化的后向散射系数降低2~4dB;(3)从积雪期到融雪期,积雪覆盖地表HH、VV极化的后向散射系数降低约2dB,HV、VH极化的后向散射系数变化不明显,无积雪覆盖地表HH、HV、VH、VV极化的后向散射系数增加2~3dB;(4)从非积雪期到融雪期,积雪覆盖地表HH、HV、VH、VV极化的后向散射系数降低约2dB,无积雪覆盖地表HH、VV极化的后向散射系数增加1~2dB,HV、VH极化的后向散射系数变化不明显;(5)HH、VV极化方式下积雪覆盖地表相干系数明显低于无积雪覆盖地表.SAR(Synthetic Aperture Radar)图像表征分析结果对积雪及其物理状态的雷达识别研究提供科学依据. 展开更多
关键词 玛纳斯河流域 山区积雪 干涉相干系数 后向散射系数 SAR图像表征
在线阅读 下载PDF
基于特征优选的多时相SAR数据水稻信息提取方法 被引量:12
4
作者 于飞 吕争 +2 位作者 隋正伟 李俊杰 盖彦锋 《农业机械学报》 EI CAS CSCD 北大核心 2023年第3期259-265,327,共8页
多时相合成孔径雷达(Synthetic aperture radar, SAR)数据可为水稻提取提供丰富信息,在多云多雨地区对水稻识别和监测具有独特优势。但过多特征变量的加入,一定程度上造成“维数灾难”及信息冗余,因此,本文提出一种基于多时相后向散射... 多时相合成孔径雷达(Synthetic aperture radar, SAR)数据可为水稻提取提供丰富信息,在多云多雨地区对水稻识别和监测具有独特优势。但过多特征变量的加入,一定程度上造成“维数灾难”及信息冗余,因此,本文提出一种基于多时相后向散射特性及干涉相干性优选特征的水稻提取方法。基于研究区水稻生长周期的多时相Sentinel-1 SAR数据,构建后向散射系数和干涉相干系数特征集,利用ReliefF算法对特征重要性进行排序,同时采用JM距离确定最优特征数目完成最优特征选择,结合随机森林分类算法对研究区水稻进行提取及精度评价。结果表明:基于优选特征提取水稻面积相对误差为4.96%,总体精度达到92.48%,Kappa系数为0.90;从优选特征剔除干涉相干特征提取的水稻面积相对误差增加2.39个百分点,总体分类精度和Kappa系数分别降低4.03个百分点、0.06,说明干涉相干性有利于水稻信息提取。基于多时相后向散射特性及干涉相干性的特征优选减少了数据冗余,提高了运算效率,可实现大范围高精度水稻提取。 展开更多
关键词 水稻提取 合成孔径雷达 多时相 特征优选 干涉相干系数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部