CN109886941A - 基于fpga的sar洪水影像变化检测方法 - Google Patents
基于fpga的sar洪水影像变化检测方法 Download PDFInfo
- Publication number
- CN109886941A CN109886941A CN201910097749.5A CN201910097749A CN109886941A CN 109886941 A CN109886941 A CN 109886941A CN 201910097749 A CN201910097749 A CN 201910097749A CN 109886941 A CN109886941 A CN 109886941A
- Authority
- CN
- China
- Prior art keywords
- fpga
- disparity map
- sar
- log ratio
- change detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于FPGA的SAR洪水影像变化检测方法:步骤1,从地理空间信息云下载Sentinel‑1A数据,获得两幅不同时相的SAR图像;步骤2,对步骤1获得的两幅图像进行预处理;步骤3,在FPGA上实现标准化对数比值差异图构造;步骤4,在FPGA上对标准化对数比值差异图求取方差;步骤5,在FPGA上利用恒虚警率原理自动求取图像分割阈值;步骤6,在FPGA上进行阈值分割得到变化检测结果。本发明基于FPGA作为硬件实现,提出了一种基于FGPA的SAR洪水影像实时变化检测方法,基于硬件语言Verilog的变化检测算法设计仿真有效,实现有效;在占用资源少的同时,图像处理速度提高了8.5倍;解决了常见计算机进行检测时存在的功耗高、实时性差等问题。
Description
技术领域
本发明涉及遥感影像变化检测,特别涉及一种基于FPGA的SAR洪水影像变化检测方法。
背景技术
SAR(Synthetic Aperture Raddar,合成孔径雷达)影像变化检测是指,利用同一区域不同时相的SAR影像对区域目标的变化进行定性或者定量的分析。它是一种针对SAR图像特点而建立的图像分析方法,用于识别研究区域的状态变化。由于SAR影像具有全天候全天时的特点,SAR图像变化检测技术已逐渐成为遥感研究中的热点问题,被广泛地应用于自然灾害的灾情监测和评估,植被覆盖的监视和评估,以及农作物生长状况的监测和评估等。
SAR图像变化检测总体可以分为两大类:分类后比较法和直接比较法。分类后比较法的检测精度过分依赖于分类的准确性,而直接比较法相对简单、直观,适用于具有重复、稳定轨道且定标性能良好的SAR影像的变化检测分析。直接比较类方法主要包括:图像差值法,比值法,相关系数法和典型相关法等。传统的变化检测方法有图像差值法,比值法,相关系数法和基于变换域方法等,在基于传统方法的变化检测过程中需要两时相图像之间具有较小的配准误差,遥感影像的变化检测过程可以分为差异图像构造和阈值分割两部分。
使用PC(Personal Computer)机进行变化检测,速度有一定限制,特别是处理海量数据实时性差,对于大量的SAR影像处理而言,FPGA(Field-Programmable Gate Array,现场可编程门阵列)具有处理速度快、功耗低的优势。但由于目前在FPGA平台上实现的图像处理算法大多是处于图像预处理阶段的简单算法,如:图像去噪、图像校正、图像压缩等。对于变化检测算法的FPGA实现研究较少,特别是关于SAR洪水影像的变化检测FPGA实现鲜有研究。由于洪水影像处理需要具有很高的实时性来确保准确及时的洪水监测,在FPGA平台上实现的高速处理,对于减灾防灾,灾后处理和评估等具有重要意义。
发明内容
本发明的目的是克服现有技术中的不足,提供一种基于FPGA的SAR洪水影像变化检测方法,弥补常见计算机进行检测时存在的功耗高、实时性差等缺点。
本发明所采用的技术方案是:一种基于FPGA的SAR洪水影像变化检测方法,包括以下步骤:
步骤1,从地理空间信息云下载Sentinel-1A数据,获得两幅不同时相的SAR图像;
步骤2,对步骤1获得的两幅图像进行预处理;
步骤3,在FPGA上实现标准化对数比值差异图构造;
步骤4,在FPGA上对标准化对数比值差异图求取方差;
步骤5,在FPGA上利用恒虚警率原理自动求取图像分割阈值;
步骤6,在FPGA上进行阈值分割得到变化检测结果。
进一步的,步骤2中,采用ENVI软件对两幅SAR图像进行预处理,所述预处理包括校正和配准。
进一步的,步骤3具体包括:
步骤3-1,将两幅预处理后的图像由MATLAB输出到coe文件中,在FPGA中使用ROMIP核,将存在coe文件中的两幅预处理后的图像读入并存到ROM中;
步骤3-2,在FPGA中,将两幅预处理后的图像输入到基二除法IP核得到定点的除数结果,再通过调用定点转浮点IP核、32位浮点对数IP核和浮点绝对值求取IP核对基二除法IP核得到的定点的除数结果进行顺序处理,完成两幅图像所有像素的对数比值计算,得到浮点的差异图结果;
步骤3-3,采用浮点乘法对步骤3-2得到的浮点差异图结果进行归一化处理,再经过浮点转为定点IP核的转换,得到标准化对数比值差异图结果;
其中,每处理一个像素,标准化对数比值差异图结果都存储到自定义RAM模块中。
其中,步骤3-2中,所述的差异图按公式(1)计算得到:
式中,Xdiff(i,j)表示差异图,X1、X2分别表示同一区域,洪灾前后的两幅SAR影像,i,j表示图像中第i行第j列的像素值。
其中,步骤3-3中,对浮点差异图结果进行归一化处理后,得到0-255的灰度级结果,即为标准化对数比值差异图结果。
进一步的,步骤4具体包括:
步骤4-1,在所有像素完成对数比值计算和标准化后,每一个时钟周期读取一个自定义RAM模块中的标准化对数比值差异图像素值,并累加求取均值μ;
步骤4-2,每一个时钟周期读取自定义RAM模块中的标准化对数比值差异图像素值,并结合步骤4-1得到的均值μ,利用乘法器和加法器,累加得到平方和结果,得到方差δ。
进一步的,步骤5中,所述的图像分割阈值按公式(3)计算得到:
式中,T表示阈值,Pfa表示给定的虚警率,δ表示标准化对数比值差异图计算的方差,μ表示标准化对数比值差异图的均值。
进一步的,步骤6具体包括:
步骤6-1,每一个时钟周期读取一次自定义RAM模块中的标准化对数比值差异图像素值;
步骤6-2,将像素值与步骤5得到的阈值进行比较:若像素值大于阈值,则为变化区域,输出“1”;若像素值小于阈值,则为非变化区域,输出“0”;得到每个像素值的变化检测结果“0”或“1”;
步骤6-3,将每个像素值的变化检测结果输出到TXT文件中,由MATLAB图像化显示FPGA的变化检测结果。
本发明的有益效果是:本发明基于FPGA作为硬件实现,提出了一种基于FGPA的SAR洪水影像实时变化检测方法,基于硬件语言Verilog的变化检测算法设计仿真有效,实现有效。在占用资源少的同时,图像处理速度提高了8.5倍。又因FPGA能耗低,稳定性强,体积小(相对PC)等特点,本发明对于基于变化检测的洪灾监测的星载实现方法具有进步意义。
附图说明
图1颍上区域真实地图;
图2颍上城东湖Sentinel SAR影像洪灾前;
图3颍上城东湖Sentinel SAR影像洪灾后;
图4对数比值差异图;
图5变化检测结果图;
图6 FPGA的算法资源消耗图;
图7 Vivado差异图仿真结果。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下:
本实施例中,本发明在Windows***下使用Xilinx Vivado2014作为开发环境,选用FPGA型号为:xc7vx1140tflg1930-1,该FPGA板的资源详情见表1。
表1 xc7vx1140tflg1930-1板的资源详情
本发明一种基于FPGA的SAR洪水影像变化检测方法,可以实现自动化洪水区域检测,处理速度快,便于硬件实现,包括以下步骤:
步骤1,获得两幅不同时相的SAR图像,本实施例中,所获取的两幅图像获取日期分别为2016年6月11日和2016年7月5日安徽淮河水灾颍上段区域,图像大小为512*512,如附图2、3所示。
其中,获得的两幅图像为Sentine-1A(哨兵1号)多时相、多极化图像,Sentine-1A数据来源于地理空间信息云。实验数据的具体参数如表2所示。
表2 Sentinel-1A数据参数
步骤2,采用ENVI(The Environment for Visualizing Images,遥感影像处理平台)软件对步骤1获得的两幅图像进行预处理,所述预处理包括校正和配准。
步骤3,在FPGA上实现标准化对数比值差异图构造:
步骤3-1,将两幅预处理后的图像由MATLAB输出到coe文件中,在FPGA中使用ROMIP核,将存在coe文件中的两幅预处理后的图像读入并存到ROM中;
步骤3-2,在FPGA中,将两幅预处理后的图像输入到基二除法IP核得到定点的除数结果,再通过调用定点转浮点IP核、32位浮点对数IP核和浮点绝对值求取IP核对基二除法IP核得到的定点的除数结果进行顺序处理,完成两幅图像所有像素的对数比值计算,得到浮点的差异图结果;
其中,差异图按公式(1)计算得到:
式中,Xdiff(i,j)表示差异图,X1、X2分别表示两幅图像,i,j表示图像中第i行第j列的像素值;
步骤3-3,采用浮点乘法对步骤3-2得到的浮点差异图结果进行归一化处理,再经过浮点转为定点IP核的转换,得到0-255的灰度级结果,即为标准化对数比值差异图结果,如附图4所示;
采用FPGA中的流水线处理方式对像素进行处理,每处理一个像素,标准化对数比值差异图结果都存储到自定义RAM模块中,自定义RAM模块深度262144(512×512),宽度8位,存储0-255灰度级的标准化对数比值差异图结果。
步骤4,在FPGA上对标准化对数比值差异图求取方差:
步骤4-1,自定义RAM模块有三个读取接口,在所有像素完成对数比值计算和归一化后,每一个时钟周期读取自定义RAM模块中的标准化对数比值差异图像素值,并累加求取均值μ;
步骤4-2,每一个时钟周期读取自定义RAM模块中的标准化对数比值差异图像素值,并结合步骤4-1得到的均值μ,利用乘法器和加法器,累加平方求和结果,得到方差δ。
步骤5,在FPGA上利用恒虚警率原理自动求取图像分割阈值:
图像分割阈值按公式(3)计算得到:
式中,T表示阈值,Pfa表示给定的虚警率,δ表示标准化对数比值差异图计算的方差,μ表示标准化对数比值差异图的均值。
步骤6,在FPGA上进行阈值分割得到变化检测结果:
步骤6-1,每一个时钟周期读取一次自定义RAM模块中的标准化对数比值差异图像素值;
步骤6-2,将像素值与步骤5得到的阈值进行比较:若像素值大于阈值,则为变化区域,输出“1”(代表白色);若像素值小于阈值,则为非变化区域,输出“0”(代表黑色);输入数据选择器,得到每个像素值的变化检测结果“0”或“1”;
步骤6-3,将每个像素值的变化检测结果输出到TXT文件中,由MATLAB图像化显示FPGA的变化检测结果,如附图5所示。
图6为FPGA的算法资源消耗图,表明了该算法在FPGA实现上的资源消耗情况,从图像可以看出,该算法实现消耗资源量少,RAM、LUT消耗均不足百分之一。
图7为Vivado差异图仿真结果,是FPGA仿真的部分示例结果,变量changedetectionout为1时表示发生变化,为0时表示未发生变化。
本发明中所采用的原理如下:
传统的SAR影像变化检测基础上,利用CFAR恒虚警率阈值化分割方法,自动求取阈值,实现快速、自动化的洪水变化检测,从而实现洪水监测的目的。
两时相的SAR洪水图像,经过图像的几何校正、辐射校正以及两幅图像间的配准后,得到两幅图像设为X1、X2。经配准后,按对应像素逐一进行对数比值运算,得到差异图Xdiff(i,j)。
式中,i,j表示图像中第i行第j列的像素值。
计算出差异图像后,所得图像显示了两个时相的SAR洪水图像的差异,再根据差异图像进行阈值分割,将差异图像分割为变化区域和非变化区域。图像的二值化阈值分割方法很多,自动选择阈值是人们追求的方向。本发明引入恒虚警率(CFAR)的方法来进行差异图的自动分割。因为SAR影像处理后得到的差异图的直方图分布接近瑞利分布,因此采用瑞利分布模型进行CFAR阈值分割来检测变化和非变化区域。瑞利分布的分布密度函数为:
其中b为形状参数,基于瑞利分布的CFAR检测的阈值计算公式为:
式中,T表示阈值,Pfa表示给定的虚警率,δ表示标准化对数比值差异图计算的方差,μ表示标准化对数比值差异图的均值。
实验时间对比
在Windows***下使用Xilinx Vivado2014,用时0.017s。在MATLAB中的仿真用时0.15s,说明该算法的FPGA实现使得算法提速了8.5倍。说明了本发明的有效性。
综上所述,表明本发明提出的基于FPGA的SAR影像洪水变化检测将SAR影像变化检测算法与FPGA硬件实现紧密的结合起来,并对该测量方法进行了仿真和综合验证,并与MATLAB所得结果做了对比。该变化检测方法能够实现在微小卫星上的在轨检测;突破了现有的变化检测实现方法的局限性,为在轨智能的实时遥感影像变化检测奠定基础。
尽管上面结合附图对本发明的优选实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,并不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以做出很多形式,这些均属于本发明的保护范围之内。
Claims (8)
1.一种基于FPGA的SAR洪水影像变化检测方法,其特征在于,包括以下步骤:
步骤1,从地理空间信息云下载Sentinel-1A数据,获得两幅不同时相的SAR图像;
步骤2,对步骤1获得的两幅图像进行预处理;
步骤3,在FPGA上实现标准化对数比值差异图构造;
步骤4,在FPGA上对标准化对数比值差异图求取方差;
步骤5,在FPGA上利用恒虚警率原理自动求取图像分割阈值;
步骤6,在FPGA上进行阈值分割得到变化检测结果。
2.根据权利要求1所述的基于FPGA的SAR洪水影像变化检测方法,其特征在于,步骤2中,采用ENVI软件对两幅SAR图像进行预处理,所述预处理包括校正和配准。
3.根据权利要求1所述的基于FPGA的SAR洪水影像变化检测方法,其特征在于,步骤3具体包括:
步骤3-1,将两幅预处理后的图像由MATLAB输出到coe文件中,在FPGA中使用ROMIP核,将存在coe文件中的两幅预处理后的图像读入并存到ROM中;
步骤3-2,在FPGA中,将两幅预处理后的图像输入到基二除法IP核得到定点的除数结果,再通过调用定点转浮点IP核、32位浮点对数IP核和浮点绝对值求取IP核对基二除法IP核得到的定点的除数结果进行顺序处理,完成两幅图像所有像素的对数比值计算,得到浮点的差异图结果;
步骤3-3,采用浮点乘法对步骤3-2得到的浮点差异图结果进行归一化处理,再经过浮点转为定点IP核的转换,得到标准化对数比值差异图结果;
其中,每处理一个像素,标准化对数比值差异图结果都存储到自定义RAM模块中。
4.根据权利要求3所述的基于FPGA的SAR洪水影像变化检测方法,其特征在于,步骤3-2中,所述的差异图按公式(1)计算得到:
式中,Xdiff(i,j)表示差异图,X1、X2分别表示同一区域,洪灾前后的两幅SAR影像,i,j表示图像中第i行第j列的像素值。
5.根据权利要求3所述的基于FPGA的SAR洪水影像变化检测方法,其特征在于,步骤3-3中,对浮点差异图结果进行归一化处理后,得到0-255的灰度级结果,即为标准化对数比值差异图结果。
6.根据权利要求1所述的基于FPGA的SAR洪水影像变化检测方法,其特征在于,步骤4具体包括:
步骤4-1,在所有像素完成对数比值计算和标准化后,每一个时钟周期读取一个自定义RAM模块中的标准化对数比值差异图像素值,并累加求取均值μ;
步骤4-2,每一个时钟周期读取自定义RAM模块中的标准化对数比值差异图像素值,并结合步骤4-1得到的均值μ,利用乘法器和加法器,累加得到平方和结果,得到方差δ。
7.根据权利要求1所述的基于FPGA的SAR洪水影像变化检测方法,其特征在于,步骤5中,所述的图像分割阈值按公式(3)计算得到:
式中,T表示阈值,Pfa表示给定的虚警率,δ表示标准化对数比值差异图计算的方差,μ表示标准化对数比值差异图的均值。
8.根据权利要求1所述的基于FPGA的SAR洪水影像变化检测方法,其特征在于,步骤6具体包括:
步骤6-1,每一个时钟周期读取一次自定义RAM模块中的标准化对数比值差异图像素值;
步骤6-2,将像素值与步骤5得到的阈值进行比较:若像素值大于阈值,则为变化区域,输出“1”;若像素值小于阈值,则为非变化区域,输出“0”;得到每个像素值的变化检测结果“0”或“1”;
步骤6-3,将每个像素值的变化检测结果输出到TXT文件中,由MATLAB图像化显示FPGA的变化检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910097749.5A CN109886941A (zh) | 2019-01-31 | 2019-01-31 | 基于fpga的sar洪水影像变化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910097749.5A CN109886941A (zh) | 2019-01-31 | 2019-01-31 | 基于fpga的sar洪水影像变化检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109886941A true CN109886941A (zh) | 2019-06-14 |
Family
ID=66927669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910097749.5A Pending CN109886941A (zh) | 2019-01-31 | 2019-01-31 | 基于fpga的sar洪水影像变化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886941A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688923A (zh) * | 2019-09-19 | 2020-01-14 | 中国电子科技集团公司第二十九研究所 | 一种基于哨兵1a sar数据的城市内涝风险区提取方法 |
CN112070001A (zh) * | 2020-09-07 | 2020-12-11 | 北京航空航天大学 | 一种基于星载合成孔径雷达的洪水区域提取方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096921A (zh) * | 2011-01-10 | 2011-06-15 | 西安电子科技大学 | 基于邻域对数比值及各向异性扩散的sar图像变化检测方法 |
CN103065320A (zh) * | 2013-01-09 | 2013-04-24 | 西安电子科技大学 | 基于恒虚警阈值的sar图像变化检测方法 |
CN104778717A (zh) * | 2015-05-05 | 2015-07-15 | 西安电子科技大学 | 基于导向差异图的sar图像变化检测方法 |
CN106940782A (zh) * | 2016-01-05 | 2017-07-11 | 程博 | 基于变差函数的高分sar新增建设用地提取软件 |
CN107423734A (zh) * | 2016-05-23 | 2017-12-01 | 中国科学院计算技术研究所 | 一种sar图像海洋目标快速检测方法与装置 |
CN108120980A (zh) * | 2017-12-13 | 2018-06-05 | 南京航空航天大学 | 一种星载sar多模式成像信号处理算法的fpga的实现方法 |
CN108596885A (zh) * | 2018-04-16 | 2018-09-28 | 西安电子科技大学 | 基于cpu+fpga的快速sar图像变化检测方法 |
CN108764119A (zh) * | 2018-05-24 | 2018-11-06 | 西安电子科技大学 | 基于迭代最大类间方差的sar图像变化检测方法 |
-
2019
- 2019-01-31 CN CN201910097749.5A patent/CN109886941A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096921A (zh) * | 2011-01-10 | 2011-06-15 | 西安电子科技大学 | 基于邻域对数比值及各向异性扩散的sar图像变化检测方法 |
CN103065320A (zh) * | 2013-01-09 | 2013-04-24 | 西安电子科技大学 | 基于恒虚警阈值的sar图像变化检测方法 |
CN104778717A (zh) * | 2015-05-05 | 2015-07-15 | 西安电子科技大学 | 基于导向差异图的sar图像变化检测方法 |
CN106940782A (zh) * | 2016-01-05 | 2017-07-11 | 程博 | 基于变差函数的高分sar新增建设用地提取软件 |
CN107423734A (zh) * | 2016-05-23 | 2017-12-01 | 中国科学院计算技术研究所 | 一种sar图像海洋目标快速检测方法与装置 |
CN108120980A (zh) * | 2017-12-13 | 2018-06-05 | 南京航空航天大学 | 一种星载sar多模式成像信号处理算法的fpga的实现方法 |
CN108596885A (zh) * | 2018-04-16 | 2018-09-28 | 西安电子科技大学 | 基于cpu+fpga的快速sar图像变化检测方法 |
CN108764119A (zh) * | 2018-05-24 | 2018-11-06 | 西安电子科技大学 | 基于迭代最大类间方差的sar图像变化检测方法 |
Non-Patent Citations (5)
Title |
---|
刘妍等: "结合强度和相干信息的多阈值SAR影像变化检测", 《信号处理》 * |
季 艳等: "基于分布差异的多时相 SAR 图像变化检测", 《遥感技术与应用》 * |
谭洁等: "基于恒虚警率的双阈值检测方法", 《雷达科学与技术》 * |
赵晓辉等: "基于表征转换机的SAR图像目标分割方法", 《雷达学报》 * |
郑瑾等: "基于Radon变换和Jeffrey散度的SAR图像变化检测方法", 《雷达学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688923A (zh) * | 2019-09-19 | 2020-01-14 | 中国电子科技集团公司第二十九研究所 | 一种基于哨兵1a sar数据的城市内涝风险区提取方法 |
CN112070001A (zh) * | 2020-09-07 | 2020-12-11 | 北京航空航天大学 | 一种基于星载合成孔径雷达的洪水区域提取方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ao et al. | Detection and discrimination of ship targets in complex background from spaceborne ALOS-2 SAR images | |
Park et al. | Detection of tropical cyclone genesis via quantitative satellite ocean surface wind pattern and intensity analyses using decision trees | |
Gstaiger et al. | Multi-sensoral and automated derivation of inundated areas using TerraSAR-X and ENVISAT ASAR data | |
Lu et al. | Improving pixel-based change detection accuracy using an object-based approach in multitemporal SAR flood images | |
Hsu et al. | Precipitation estimation from remotely sensed information using artificial neural networks | |
Zheng et al. | Development of a gray-level co-occurrence matrix-based texture orientation estimation method and its application in sea surface wind direction retrieval from SAR imagery | |
Dukhovskoy et al. | Characterization of the uncertainty of loop current metrics using a multidecadal numerical simulation and altimeter observations | |
Yan et al. | Detecting sea ice from TechDemoSat-1 data using support vector machines with feature selection | |
Brignone et al. | A system for beach video-monitoring: Beachkeeper plus | |
CN102968790B (zh) | 基于图像融合的遥感图像变化检测方法 | |
Marzban et al. | Optical flow for verification | |
Zhang et al. | Local spectrum-trend similarity approach for detecting land-cover change by using SPOT-5 satellite images | |
Wang et al. | Saliency detector for SAR images based on pattern recurrence | |
Shaoqing et al. | The comparative study of three methods of remote sensing image change detection | |
Shutler et al. | Evaluating the ability of a hydrodynamic ecosystem model to capture inter-and intra-annual spatial characteristics of chlorophyll-a in the north east Atlantic | |
CN105184804A (zh) | 基于机载红外相机航拍图像的海面小目标检测方法 | |
Zhuang et al. | An improved neighborhood-based ratio approach for change detection in SAR images | |
Wang et al. | A PolSAR ship detector based on a multi-polarimetric-feature combination using visual attention | |
CN109886941A (zh) | 基于fpga的sar洪水影像变化检测方法 | |
CN103065320A (zh) | 基于恒虚警阈值的sar图像变化检测方法 | |
Laverde-Barajas et al. | Decomposing satellite-based rainfall errors in flood estimation: Hydrological responses using a spatiotemporal object-based verification method | |
Marzban et al. | Verification with variograms | |
Tajima et al. | Study on shoreline monitoring system based on satellite SAR imagery | |
Wong et al. | Automatic tropical cyclone eye fix using genetic algorithm | |
Ramesh et al. | Nearshore wave analysis from coastal video monitoring techniques at high energy micro tidal beach under sunlight dominance conditions: a case study from Valiathura beach in southwest coast of India |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190614 |
|
WD01 | Invention patent application deemed withdrawn after publication |