基于频谱的SAR图像低散射区域散射值的估计方法.pdf
青团****青吖
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于频谱的SAR图像低散射区域散射值的估计方法.pdf
一种基于频谱的SAR图像低散射区域散射值的估计方法,包括步骤如下:根据SAR接收的原始数据生成并保存单视复图像;将单视复图像分成n个子图像块,对每个子图像块进行多普勒中心频率估计并将多普勒中心频率移至零频位置;计算每个子图像块的散射率初值和多普勒中心频率移至零频的多普勒频谱;根据每个子图像块的散射率初值和多普勒频谱,运用最大似然估计和牛顿迭代法估计出每个子图像块的相对散射值;计算每个子图像块的绝对散射值。本发明从频域推导出目标散射值和频谱的关系,并推得相关方程式,经过最大似然估计方法和牛顿迭代法估计方程中
SAR图像强散射区域的检测分割的中期报告.docx
SAR图像强散射区域的检测分割的中期报告本文将介绍SAR(SyntheticApertureRadar,合成孔径雷达)图像强散射区域的检测分割的中期报告。1.研究背景和意义SAR技术具有对天气和时间的不敏感、对被观测区域的表面形态几乎不受限制、可获得与视觉不同的信息等优点,被广泛应用于军事、环境、测绘等领域。但是,由于SAR图像对比度低,强散射区域(即目标)与背景难以区分,分析和处理SAR图像仍然是一个挑战。因此,本研究旨在开发一个自适应的算法,用于检测和分割SAR图像中的强散射区域。该算法将采用神经网络
基于散射全卷积模型的极化SAR分类方法.pdf
本发明公开了一种基于散射全卷积模型的极化SAR分类方法,其步骤为:(1)对待分类的极化SAR图像进行Lee滤波;(2)将散射矩阵进行pauli分解;(3)特征矩阵归一化;(4)构造数据集;(5)构建散射全卷积网络模型;(6)训练散射全卷积模型;(7)获得测试结果。本发明通过将极化SAR图像的极化特性,散射特性和纹理特性有效的结合,保留了特征信息的完整性,提高了图像的分类精度,同时加快了训练速度。
基于多次散射退化模型的图像盲复原方法.pdf
本发明公开了一种基于多次散射退化模型的图像盲复原方法,其实施步骤如下:1)求取大气光值和图像的透过率;2)优化透过率;3)假设一个点扩散函数的初始值,通过迭代计算得到点扩散函数的最优解;4)根据多次散射退化模型对图像进行复原操作。本发明能够消除和补偿大气对成像的影响,提高图像的对比度以及清晰度,恢复更多的图像细节信息,图像复原效果好。
基于散射熵和三分量分解平面的极化SAR图像分类方法.pdf
本发明提供一种基于散射熵和三分量分解平面的极化SAR图像分类方法,涉及雷达图像处理技术领域。该方法将散射熵和Freeman三分量对目标地物初始划分为9类,并根据9个类别计算聚类中心,根据Wishart距离将目标地物聚类到期望的数目,首先根据散射熵H将地物分为高熵散射地物、中熵散射地物和低熵散射地物,再分别将3个类别按表面散射、偶次散射和体散射划分为9类地物,然后用Wishart分类器对初始分类进行更进一步的划分。本发明能够对极化SAR图像进行更加准确的分类,在处理过程中没有近似,能较好的保留细节信息,大大