首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 62 毫秒
1.
基于多视协方差矩阵发展了一种综合选择性去取向和广义体散射的极化SAR四分量分解模型。首先引入交叉极化相关系数进行螺旋体散射抑制和非反射对称地物去取向;然后采用一种随HH和VV功率比值自适应变化的广义体散射模型来替代原体散射模型;最后通过功率限制处理以完全消除分解负功率像素,该处理不仅能够保持地物主导散射类型不变,而且包含与Krogager分解三分量对应的非相干分解。通过机载L波段ESAR和AirSAR极化数据实验并与其他分解模型的比较,验证了该分解模型的有效性。  相似文献   

2.
蔡永俊  张祥坤  姜景山 《测绘学报》2016,45(9):1089-1095
介绍了原始极化SAR三分量分解中存在的问题,如负功率和散射机制模糊,并深入分析了其改进方法中仍然存在的缺陷,提出了一种自适应的三分量分解。该分解采用了更一般化的散射模型,并首次考虑了像素中存在不同旋转角的两个面或偶次散射目标,然后利用散射Alpha角确定除体散射之外的剩余主导散射机制,使面或偶次散射得到了更充分的保持。最后,从散射模型与极化相干矩阵自适应匹配的角度出发,提出了一种对负功率进行自适应优化的措施,使得负功率像素个数大大减少,从而分解更加准确有效。试验结果表明,该分解所得结果更符合实际地物散射过程,能更好地解决基于模型的分解方法中存在的缺陷。  相似文献   

3.
基于模型的分解发展较快,但存在负功率、体散射过估计、未充分利用相干矩阵等问题,考虑到基于模型分解的优点,采用Singh分解提取极化信息,同时用散射角、极化熵和极化总功率进行补充,再利用SVM对山东禹城地区全极化Radarsat-2数据进行分类。为验证该方法的有效性,将其与H/α/A-Wishart和Yamaguchi-SVM两种分类方法进行比较。结果表明,该方法分类效果较好,总体精度分别提高了6.4%和3.48%。  相似文献   

4.
极化合成孔径雷达数据蕴含了丰富的地物极化散射信息,已广泛应用于海上舰船目标检测研究。针对极化相干矩阵无法直接用于分析特定散射体物理特性的缺陷,利用Yamaguchi极化分解改进了极化Notch滤波器。将基于模型的极化分解方法引入Notch滤波器,利用表面散射、二次散射、体散射和螺旋体散射等散射机制的能量构造散射矢量代替极化相干散射矢量,并加入功率能量因子,构造新的极化SAR图像Notch滤波器。Radarsat-2全极化SAR图像实验结果表明,改进算法有效增强了舰船目标与海杂波背景间的对比度,检测性能优越。  相似文献   

5.
全极化SAR数据的极化分解在土地利用分类、目标检测与识别以及地表参数反演等领域得到了广泛应用。目前,主要有基于特征值分解和基于模型分解2类极化分解方法。混合Freeman/Eigenvalue极化分解结合了两者的优势,避免了基于模型的极化分解中负功率问题并且能够利用已知的散射机制解释分解后的散射分量。为了进一步拓展该分解在不同地表类型中的应用,通过引入参数Neumann一般化体散射模型,提出了一种自适应的极化分解模型。利用德国Black Forest地区的L波段AirSAR(airborne synthetic aperture Radar)全极化数据进行实验,并与现有的Yamaguchi三分量模型和自适应非负分解(adaptive nonnegative eigenvalue decomposition,ANNED)对比分析,以验证模型的有效性。研究表明,自适应的混合Freeman/Eigenvalue极化分解模型保证了分解能量的非负性及完全分解,适应于不同类型的地表,能有效地区分不同地类。  相似文献   

6.
本文在Freeman分解理论基础上,提出一种极化SAR数据相干斑滤波算法。该算法基于Freeman散射模型对原始极化SAR数据进行分解,以获得像素的散射类型和总功率值;在滤波窗口内选取与中心像素散射类型相同,总功率值接近的像素构成滤波同质区;并根据同质区的局部统计特性,应用线性最小均方滤波器进行滤波处理。试验表明,该算法在有效去除相干斑的同时,对极化和边缘等细节信息也有较好的保持效果。  相似文献   

7.
雷小群 《测绘科学》2013,(2):106-108
本文在Freeman分解理论基础上,提出一种极化SAR数据相干斑滤波算法。该算法基于Freeman散射模型对原始极化SAR数据进行分解,以获得像素的散射类型和总功率值;在滤波窗口内选取与中心像素散射类型相同,总功率值接近的像素构成滤波同质区;并根据同质区的局部统计特性,应用线性最小均方滤波器进行滤波处理。试验表明,该算法在有效去除相干斑的同时,对极化和边缘等细节信息也有较好的保持效果。  相似文献   

8.
干涉图降噪在InSAR技术应用中发挥着重要作用,若降噪效果不好将引起干涉图相位解缠的误差,并进一步导致DEM或形变结果的错误。由于干涉图分辨单元的信号(相位)是由分辨单元内多个散射体的回波信号(相位)叠加而成,本文针对单一主导散射体的散射模型(永久性散射体模型)和只考虑一种散射机制的分布式散射体模型相位的特点,对多基线SAR数据估计的协方差矩阵采用特征值分解的方法来分离相位中的噪声,通过提取最大特征值对应的特征向量(相位),从而实现干涉图降噪的目的。而对于协方差矩阵估计时引入的异质点,本文采用了一种稳健的协方差矩阵估计方法。通过覆盖山西清徐地面沉降形变区的8景真实TerraSAR数据试验验证了该方法的有效性。结果表明该方法比改进的Goldstein滤波方法在相干性提高、有效目标点增加两方面均有显著提高,特别在低相干区域由于相干点的增加也获取了更多的形变监测信息。  相似文献   

9.
赵泉华  郭世波  李晓丽  李玉 《测绘学报》2018,47(12):1609-1620
特征提取及其选择是SAR海冰分类的重要步骤之一。在众多特征中选取有效特征,进而构建表达地物类型的特征空间是提高分类精度的关键。为此,本文提出一种基于目标分解特征的全极化SAR海冰分类算法。首先,对全极化SAR数据进行多视化处理及滤波操作,生成相干矩阵;其次,对相干矩阵进行目标分解,并针对分解结果提取散射特征参数,进而构建特征空间;再次,通过对所提取的特征进行统计相关性分析,并对高相关特征采用PCA降维,以优化特征组合;最后,设计BP神经网络分类器,并将所得的优化特征矢量作为输入,海冰类别为输出,实现海冰分类。本文以格陵兰中部海域作为研究试验区域,采用L波段ALOS PALSAR全极化数据。通过对本文算法与对比算法的分类结果进行定性定量分析,可以得出本文所选取的特征对海冰识别较好。此外,通过对利用各个不同特征海冰分类结果的性能分析,可以得出基于散射模型的目标分解比基于特征值的H/α/A分解更有助于海冰分类。  相似文献   

10.
目标分解技术在植被覆盖条件下土壤水分计算中的应用   总被引:6,自引:0,他引:6  
施建成  李震  李新武 《遥感学报》2002,6(6):412-415
目标分解技术利用协方差距阵的特征值和特征矢量,将极化雷达后向散射测量值分解为单向散射,双向散射和交叉极化散射三个分量,并建立了植被覆盖地表的一阶物理离散散射模型。通过分解的各分量与该模型的比较,建立重轨极化雷达测量数据估算土壤水分的方法,采用Washita‘92实验区多时相全极化L波段JPL/AIRSAR图像雷达测量数据,利用分解的散射测量值,我们评估了在同一入射角,单频(L波段),多路条件下,分解理论在进行土壤水分估计时减少植被影响的能力。结果表明利用目标分解理论和重轨极化雷达数据可以估算植被覆盖区域土壤水分的变化情况。  相似文献   

11.
《The Cartographic journal》2013,50(4):321-328
Abstract

Map generalisation is an abstraction process that seeks to transform the representation of cartographic objects from the original version into a coarser one. The characteristics of cartographic objects and the arrangement of map features have to be observed and preserved in a generalisation process. A method is developed for typifying drainages while preserving their structural characteristics, i.e.presenting the drainages with reduced number of rivers under the constraint of preserving the original structure in terms of the type and distribution of the rivers. We apply Töpfer's radical law to calculate the amount of the rivers to be retained on the generalised map. The drainages share the amount of retained rivers in proportion to the number of their tributaries. In each of the drainages, the shared amount is divided among the rivers based on the dendritic decomposition of the drainage. We implement and test the method in Java Environment. Results from case studies show that the method effectively preserves the original structures of the drainages on the generalised maps.  相似文献   

12.
全波形激光雷达的波形优化分解算法   总被引:1,自引:0,他引:1  
随着数据存储能力和处理速度的提高,三维激光扫描系统逐渐具备全波形采集和分析技术。为了从全波形数据中获得脉冲时间、幅度、脉宽以及多回波分布等综合信息,波形分解成为了全波形激光雷达数据处理的关键技术之一。针对LM算法在一定程度上依赖初值,而传统激光雷达数据处理容易遗漏部分重叠的返回波,本文提出了一种改进回波分量初值设定的算法来获取回波脉冲的位置、宽度和强度。针对一套自主研发的全波形记录激光雷达演示系统进行了波形分解试验,定性和定量分析结果验证了该方法的有效性、可靠性和准确性。  相似文献   

13.
线状符号的分解与组合   总被引:4,自引:0,他引:4  
线状符号是地图上常用的符号,本文在分析其构造原理的基础上,提出了规则线状符号的逻辑构造函数。同时为了能够满足地图的视觉效果需要,讨论了在机助实现过程中的一些算法。  相似文献   

14.
利用经验模态分解方法抑制SAR斑点噪声   总被引:11,自引:1,他引:11  
提出了一种利用经验模态分解(EMD)方法抑制SAR斑点噪声的方法。利用经验模态分解方法,可以将SAR图像分解为一系列的以空间周期尺度不同为特征的模态,定义空间特征尺度不大于4的为噪声。通过从图像中减掉噪声成分使SAR斑点噪声得以抑制。用这种方法处理SAR图像在斑点抑制和纹理信息保护两方面取得令人满意的结果。  相似文献   

15.
提出了一种基于经验模态分解(EMD)对载波相位测量进行周跳探测的新方法.利用非差和双差组成检验量,对采样率分别为1 S和30 S的观测值进行周跳探测,并与小波分析法进行对比.实验表明,经验模态分解法对于10周以内的周跳探测可以取得满意的效果.相对于小波分析法探测周跳,经验模态分解可以做到自适应.解决了由于小波基的选取不当对周跳探测结果的影响.并且进一步分析了EMD的端点效应对周跳探测的影响.  相似文献   

16.
基于小波分解的动态变形预报   总被引:1,自引:0,他引:1  
杜勇  蒋征 《地理空间信息》2009,7(2):146-148
阐述了小波变换和多分辨率分析的基本原理,简要地介绍了离线预报和在线预报两种不同的变形预报方式,并在此基础上提出了基于小波分解的动态变形预报的方法,并通过实际算例证明了这种方法的有效性。  相似文献   

17.
混合像元线性分解的精度估算   总被引:1,自引:0,他引:1  
遥感图像中普遍存在着混合像元,对混合像元进行分解是遥感图像处理中的难点。混合像元线性分解技术是进行高光谱影像处理的常用方法。本文针对混合像元线性分解的基本原理与算法作了简要分析,并通过实验的方法估算了混合像元线性分解模型的精度。  相似文献   

18.
通过对观测结构的研究探讨了观测的基本机理;提出了观测结构的6种形态,从根本上分析了病态性存在的原因.利用观测矩阵的QR分解结果,将对观测结构的分析过渡到对上三角矩阵的分析与计算.由此对观测结构进行了深入分析与度量,能够对观测结构的各种形态进行推断,进而对系统的Ⅰ类及Ⅱ类病态性作出推断与估计.  相似文献   

19.
a trous小波分解在边缘检测中的应用   总被引:7,自引:0,他引:7  
讨论了a trous小波分解的原理及进行边缘检测的方法。利用一幅SPOT遥感图像进行了试验,并与经典的Sobel算子和Robert算子处理的结果进行了比较。结果表明,其性能在某些方面具有明显的优越性,并具有一定的抗噪声能力。同时,讨论了本文所述方法需要进一步改进的地方。  相似文献   

20.
本文首先阐述了正交三角分解法的基本原则,针对光束法平差中设计矩阵的特点,讨论了使用正交三角分解法解算光束法平差的有关问题。该方法最明显的优点在于,较好地解决了“多余观测分量的严密快速计算”问题,使Q_(?)计算变得非常简单。此外,该方法的数字计算精度及解算速度也优于目前人们所用的方法。最后给出几个算例及几点结论。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号