排序方式: 共有160条查询结果,搜索用时 0 毫秒
31.
对星载雷达数据与地面降雨资料进行空间匹配,并展开定量分析,在理论研究与实际应用中具有重要意义. 详细介绍了美国戈达德航天飞行中心采用的数据匹配方法,进一步采用了更精细的三维网格,对三组星载与地基雷达数据进行了空间匹配处理,并对结果展开了定性比较与点对点的定量对比,比较了2种匹配方法,验证了匹配方法的有效性. 相似文献
32.
对星载雷达数据与地面降雨资料进行空间匹配,并展开定量分析,在理论研究与实际应用中具有重要意义. 详细介绍了美国戈达德航天飞行中心采用的数据匹配方法,进一步采用了更精细的三维网格,对三组星载与地基雷达数据进行了空间匹配处理,并对结果展开了定性比较与点对点的定量对比,比较了2种匹配方法,验证了匹配方法的有效性. 相似文献
33.
贝叶斯理论在多波段SAR图像分类融合中的应用 总被引:1,自引:0,他引:1
将贝叶斯理论用于多波段SAR图像的分类.分析了常见的乘积方法、平均方法以及 中值方法,并在贝叶斯平均方法的基础上,利用SAR图像分类精度与距离因子之间的关系,提 出3种改进方法.实验结果表明,多波段融合可以结合各波段的优势和互补信息,获得单波段 分类无法获取的分类结果.改进方法通过加权减小了错误分类信息的影响,进一步提高分类精度. 相似文献
34.
星上实时成像处理器是未来星载合成孔径雷达的重要组成部分,它可以进一步提高星载合成孔径雷达的性能,拓宽其应用。方位压缩处理是实时成像处理的核心。本文介绍了合成孔径雷达方位压缩处理的基本原理,并对星上实时成像处理器的系统参数进行了详细分析,提出了一种基于FPGA实现星载合成孔径雷达实时成像处理器中方位压缩处理的方法,完成了包括ISA接口、FFT运算、匹配滤波和复数取模在内的方位压缩处理器的设计。根据星上环境对器件的特殊要求,选用Xilinx的VirtexII系列FPGA进行硬件实现。对点目标仿真数据和实际数据的测试表明,该方法完全满足星上实时处理需求。 相似文献
35.
双星滑动聚束模式合成孔径雷达(SAR)既保持了双星SAR的灵活性、可靠性和稳定性,同时还可产生高分辨率的图像对,对于观测和测绘具有巨大的潜力.这种模式下需要兼顾双星成像与多普勒带宽显著增加的问题.分析双星滑动聚束SAR系统下目标的多普勒特性,结合双星成像算法与频谱分析法,提出一种基于双曲等效的双星滑动聚束SAR 2步成... 相似文献
36.
针对相干性这一合成孔径雷达(SAR)图像分析常用的特征量进行分析,首先从理论上分析高分辨率SAR图像中人造目标和自然地物等典型目标的子孔径、子频带以及不同子孔径重轨干涉图像间的相干系数,然后利用高分辨率星载SAR实际数据开展上述相干系数的计算,验证分析的正确性。随后根据不同地物在不同维度相干系数上体现的不同特点,进行非监督地物分类,并给出不同类别所表征的地物特点。分析结果可为高分辨率SAR数据的优化应用提供支撑,并可加深对SAR不同地物目标特性的理解。 相似文献
37.
合成孔径雷达( SAR)目标识别在军事和民用领域都具有重要的研究价值。但由于SAR数据获取成本高、样本数目少,传统的卷积神经网络提取目标特征的能力不足,准确率低下。提出结合卷积注意力和胶囊网络的分类模型,利用胶囊网络中的多维向量神经元表示目标更多的特征;同时,考虑到少样本情况下目标特征信息缺乏,为提高神经网络的学习效率,对胶囊网络加入注意力机制,通过学习不同特征的重要程度,引导分类网络重点关注对分类结果贡献大的特征,弱化对分类结果贡献小的特征,提高神经网络的学习效率。针对MSTAR数据集和实测车辆数据集的实验结果表明,该算法的准确率高于传统的卷积神经网络和胶囊网络算法。 相似文献
38.
基于点特征的匹配方法中,根据实际要配准图象的特点,选择合适的点匹配准则,是实现图象配准正确性和精确度的重要保证.通过对常见的点配准方法在光学图象和SAR图象上的实验及其结果分析,找出点特征匹配方法在SAR图象配准中的适应性能,为基于点特征的SAR图象配准工作提供依据. 相似文献
39.
随着SAR图像分辨率的进一步提高,建筑物在SAR图像中的特征更加明显,使得基于单幅高分辨率SAR图像进行建筑物提取和三维重构成为可能。分析高分辨率SAR图像中建筑物的成像散射特征,多次反射及阴影效应;阐述基于GIS空间数据进行SAR图像中建筑物定位和估算建筑物的高度的算法。利用高分辨率TerraSAR-X数据,估算天津机场净空区某小区建筑物高度,与实际高度数据相比较,发现计算结果精度较高。结果表明:该方法是一种可行的建筑物高度提取方法,可为需要大面积建筑物高度的相关应用提供很好的借鉴方法。 相似文献
40.
SAR层析成像利用多航过复数据对观测目标进行高程向重构,全极化数据具有丰富的散射信息。将全极化数据与SAR层析成像相结合,利用城市建筑高程向散射体的稀疏性和全极化数据信号稀疏支撑集相同的特点,提出基于组稀疏约束和稀疏约束相结合的求解模型,并利用层次稀疏的方法对模型进行求解。通过Monte Carlo仿真实验将该模型法的性能与单极化层析成像模型和基于组稀疏的求解方法的性能进行对比,并将该方法应用到实测数据的半点目标仿真实验中。结果表明,本文提出的方法提高了高程向重建精度,且有更好的鲁棒性,在低信噪比下也能较好地恢复目标的高程向信息和后向散射系数。 相似文献