CN112558017B - 一种极化目标三分量分解结果彩色可视化方法及*** - Google Patents
一种极化目标三分量分解结果彩色可视化方法及*** Download PDFInfo
- Publication number
- CN112558017B CN112558017B CN202011224654.4A CN202011224654A CN112558017B CN 112558017 B CN112558017 B CN 112558017B CN 202011224654 A CN202011224654 A CN 202011224654A CN 112558017 B CN112558017 B CN 112558017B
- Authority
- CN
- China
- Prior art keywords
- color
- component
- span
- target
- power
- 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.)
- Active
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 45
- 230000010287 polarization Effects 0.000 title claims abstract description 23
- 238000007794 visualization technique Methods 0.000 title abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012800 visualization Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims abstract description 13
- 239000002131 composite material Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/04—Display arrangements
- G01S7/046—Display arrangements using an intermediate storage device, e.g. a recording/reproducing device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种极化目标三分量分解结果彩色可视化方法及***,所述方法包括:读入全极化合成孔径雷达数据,得到目标相干矩阵[T];对目标相干矩阵[T]进行Freeman‑Durden三分量分解,得到三个功率分量:表面散射功率分量Ps、二面角散射功率分量Pd和体散射分量Pv;对三个功率分量Ps、Pd和Pv进行归一化;计算总散射功率Span;对总散射功率Span进行快速中值迭代归一化处理得到Span′;根据需求选择颜色模型及对应的颜色通道映射方案,显示伪彩色合成图像。本发明可有效增强全极化合成孔径雷达数据极化目标三分量分解结果的彩色可视化效果,增加图像的可读性,促进目标的检测、识别和分类。
Description
技术领域
本发明涉及极化目标分解结果可视化领域,特别涉及一种极化目标三分量分解结果彩色可视化方法及***。
背景技术
在极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)数据的分析中,基于模型的极化目标非相干分解是一种有效且流行的工具,其是目标分解理论的重要组成部分,具有物理解释明确、实现方便和视觉解译简易等优点。该方法旨在将实测多视极化SAR数据表示为不同散射机制模型的组合,每个模型描述了一种实际的物理散射过程。1998年,Freeman和Durden最早提出了三分量目标分解方法,开创了基于模型的极化目标分解的先河(A.Freeman,S.L.Durden.A three-component scattering model forpolarimetric SAR[J].IEEE Transactions on Geo-science and Remote Sensing,1998,36(3):963-973)。从此,作为雷达回波目标信息提取的重要手段之一,该类方法取得了众多新进展,至今仍是极化目标分解研究领域的关注热点。
快速中值迭代归一化技术通过快速中值迭代处理、取对数处理和最大值-最小值归一化处理三项操作,可调整合成孔径雷达图像的动态范围,增加目标细节,提高图像显示效果。
根据总散射功率Span的定义,其可理解为各极化通道功率的非相干叠加,在此过程中,可得到一定的相干斑抑制效果,另外处于合理动态范围的Span可以较好地保持极化SAR数据的边缘、纹理、尺寸和形状信息,因此可以将Span融入极化SAR图像的展示中。
极化目标分解可以从极化数据中提取出与目标本身性质密切相关的极化特征参数。这些参数的有效展示和形象刻画对于后续极化SAR图像解译以及目标的分类、检测和识别等应用具有重大意义。传统的极化SAR目标分解结果的可视化方法是将分解结果以灰度图像的形式显示出来供目视解译,这样形成的极化SAR图像可读性较差,视觉效果不理想,不利于后期的分析和理解。相比于灰度,人眼对颜色变化
更加敏感,所以可用彩色图像的方式对极化目标分解结果进行显示,这样可以将灰度图像中不可区分的灰度差别转化为人眼较易分辨的颜色差异,从而反映出更多的目标信息,有利于图像的目视解译。颜色空间伪彩色处理即彩色可视化是在传统的灰度图像可视化基础上发展而来的效果更佳的极化目标分解结果可视化手段。选择彩色可视化主要基于以下两方面原因:一是颜色作为一个强有力的描绘子,可以挖掘和反映出极化目标分解结果中更多的目标信息和细节,显著丰富极化SAR图像空间,从而有利于目标的识别和区分;二是人眼对于颜色的差异和变化更敏感,即人眼对于颜色的辨别能力更强。彩色可视化可提高图像的分辨力,从而有利于人眼对图像的目视分析和理解。常用的颜色空间有:RGB、HSV、HSI、CIELab等。国内外许多学者针对极化目标分解结果的颜色空间彩色融合开展了相关研究。其中使用最广泛使用的一种传统方法是根据极化目标分解各结果所代表的地物目标属性,将其分别赋给RGB颜色空间的三个通道R,G,B来生成伪彩色合成图。例如,在Freeman-Durden三分量分解中,直接将Ps赋给蓝色通道,直接将Pd赋给红色通道,直接将Pv赋给绿色通道。
发明内容
本发明的目的在于增强极化目标分解结果的彩色可视化效果,促进极化合成孔径雷达图像的解译。
为了实现上述目的,本发明提供了一种极化目标三分量分解结果彩色可视化方法,所述方法包括:
读入全极化合成孔径雷达数据,得到目标相干矩阵[T];
对目标相干矩阵[T]进行Freeman-Durden三分量分解,得到三个功率分量:表面散射功率分量Ps、二面角散射功率分量Pd和体散射分量Pv;
对三个功率分量Ps、Pd和Pv进行归一化;
计算总散射功率Span;
对总散射功率Span进行快速中值迭代归一化处理得到Span′;
根据需求选择颜色模型及对应的颜色通道映射方案并显示伪彩色合成图像。
作为上述方法的一种改进,所述对三个功率分量Ps、Pd和Pv进行归一化;具体包括:
式中,P′s、P′d和P′v分别代表归一化后的表面散射功率分量、二面角散射功率分量和体散射分量。
作为上述方法的一种改进,所述计算总散射功率Span;具体包括:
目标相干矩阵[T]为:
则总散射功率Span为:
Span=T11+T22+T33。
作为上述方法的一种改进,所述根据需求选择颜色模型及对应的颜色通道映射方案,显示伪彩色合成图像,具体包括:
当选择的颜色模型为RGB模型,则映射方案为:
将归一化功率分量P′d、P′v和P′s与快速中值迭代归一化处理后的Span即Span′相乘,如下式:
将Ps RGB和Pv RGB分别映射到红色通道、绿色通道和蓝色通道,如下式:
当选择的颜色模型为HSI模型,则映射方案为:
根据归一化功率分量P′d、P′v和P′s计算HSI模型中色调分量H,计算方法如下:
根据归一化功率分量P′d、P′v和P′s计算HSI模型中饱和度分量S,计算方法如下:
将Span′赋给HSI颜色空间中的亮度分量I,如下式:
I=Span′
基于(H,S,I),将HSI颜色空间转回RGB颜色空间进行显示。
本发明的实施例2提出了一种极化目标三分量分解结果彩色可视化***,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明的优点在于:
本发明的方法及***分别基于两种面向对象不同的颜色模型给出了两种新的分解结果彩色可视化方案,为基于不同展示需求的极化合成孔径雷达图像的视觉效果的快速改善提供了新思路。
附图说明
图1是本发明的极化目标三分量分解结果彩色可视化方法的流程图;
图2是德国Oberpfaffenhofen地区的谷歌光学图像;
图3是全极化合成孔径雷达数据采用传统的RGB直接映射彩色可视化方法得到的Freeman-Durden三分量分解结果的伪彩色合成图;
图4是全极化合成孔径雷达数据经过本发明的方法得到的Freeman-Durden三分量分解结果的基于RGB颜色空间的伪彩色合成图;
图5是全极化合成孔径雷达数据经过本发明的方法得到的Freeman-Durden三分量分解结果的基于HSI颜色空间的伪彩色合成图。
具体实施方式
现结合附图对本发明的技术方案作进一步的描述。
参考图1,本发明的实施例1提出了一种极化目标三分量分解结果彩色可视化方法,包括以下步骤:
步骤1)读入全极化合成孔径雷达数据,得到目标相干矩阵[T];
步骤2)对目标相干矩阵[T]进行Freeman-Durden三分量分解,得到三个功率分量:表面散射功率分量Ps、二面角散射功率分量Pd和体散射分量Pv;
步骤3)对三个功率分量Ps,Pd和Pv进行归一化;
步骤4)计算总散射功率Span;
步骤5)对总散射功率Span进行快速中值迭代归一化处理得到Span′;
步骤6)根据需求选择颜色模型及对应的颜色通道映射方案并显示伪彩色图像。
下面对本发明方法中的步骤做进一步描述。
在步骤1)中,读入全极化合成孔径雷达数据,得到目标的相干矩阵[T];在一个实施例中,所读入的数据为DLR研制的L波段机载ESAR获取的德国Oberpfaffenhofen地区的全极化数据。
基于步骤1)得到的目标的相干矩阵[T],在步骤2)中,我们对[T]进行Freeman-Durden三分量分解,得到对应三个功率分量:表面散射功率分量Ps、二面角散射功率分量Pd和体散射分量Pv。
基于步骤2)得到的实施例中目标相干矩阵三分量分解得到的三个功率分量,在步骤3)中,对三个功率分量Ps,Pd和Pv按下式进行归一化:
式中,P′s、P′d和P′v分别代表归一化后的表面散射功率分量、二面角散射功率分量和体散射分量。
在步骤4)中,基于步骤1)得到的目标的相干矩阵[T]以及总散射功率Span的定义,按下式计算实施例对应的总散射功率Span:
Span=T11+T22+T33
在步骤5)中,使用快速中值迭代归一化处理技术对实施例对应的总散射功率Span进行处理得到Span′,即先进行快速中值迭代操作,然后进行取对数操作,最后进行最大值-最小值归一化操作。
在步骤6)中首先根据显示需求选择要使用的颜色模型:RGB或HSI,然后按照选取的颜色模型对应的颜色通道映射方案进行分量映射:
当选择RGB模型时,先将归一化功率分量P′d、P′v和P′s与快速中值迭代归一化处理后的Span即Span′相乘,如下式:
再将Ps RGB和Pv RGB分别映射到红色通道、绿色通道和蓝色通道,如下式:
最后将三个通道进行RGB伪彩色合成,得到对应的极化合成孔径雷达RGB伪彩色图像;
当选择HSI模型时,先通过归一化功率分量P′d、P′v和P′s计算HSI模型中色调分量H,如下式:
再通过归一化功率分量P′d、P′v和P′s计算HSI模型中饱和度分量S,计算方法如下:
然后将Span′赋给HSI颜色空间中的亮度分量I,如下式:
I=Span′
最后将HSI颜色空间转回RGB颜色空间,得到实施例对应的极化合成孔径雷达伪彩色图像。
图2为Oberpfaffenhofen地区的谷歌光学图像。图3为全极化合成孔径雷达数据采用传统的RGB直接映射彩色可视化方法得到的Freeman-Durden三分量分解结果的伪彩色合成图,可看到,由于动态范围大等问题,该图显示效果较差,其展示出的目标地物信息有限,细节不清晰。而作为对比,图4和图5是全极化合成孔径雷达数据经过本发明的方法得到的Freeman-Durden三分量分解结果的分别基于RGB颜色模型和HSI颜色模型的伪彩色合成图,其中,总散射功率Span快速中值迭代归一化技术处理选取的迭代次数k=5。可看出,这两幅图显示效果明显增强,目标细节和特征显著增加,可以较清楚地区分出建筑物、森林、道路、居民区以及机场区域的跑道和停机坪等目标,证明了所提出的彩色可视化方案的有效性。另外,与基于RGB颜色模型得到的伪彩色合成图相比,基于HSI颜色模型得到的伪彩色合成图更符合人眼习惯,视觉效果更好。上述图像的尺寸大小均为1300×1200。
本发明的实施例2提出了一种极化目标三分量分解结果彩色可视化***,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1的方法。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种极化目标三分量分解结果彩色可视化方法,所述方法包括:
读入全极化合成孔径雷达数据,得到目标相干矩阵[T];
对目标相干矩阵[T]进行Freeman-Durden三分量分解,得到三个功率分量:表面散射功率分量Ps、二面角散射功率分量Pd和体散射分量Pv;
对三个功率分量Ps、Pd和Pv进行归一化;
计算总散射功率Span;
对总散射功率Span进行快速中值迭代归一化处理得到Span′;
根据需求选择颜色模型及对应的颜色通道映射方案,显示伪彩色合成图像。
2.根据权利要求1所述的极化目标三分量分解结果彩色可视化方法,其特征在于,所述对三个功率分量Ps、Pd和Pv进行归一化;具体包括:
式中,Ps′、P′d和P′v分别代表归一化后的表面散射功率分量、二面角散射功率分量和体散射分量。
3.根据权利要求2所述的极化目标三分量分解结果彩色可视化方法,其特征在于,所述计算总散射功率Span;具体包括:
目标相干矩阵[T]为:
则总散射功率Span为:
Span=T11+T22+T33。
4.根据权利要求3所述的极化目标三分量分解结果彩色可视化方法,其特征在于,所述根据需求选择颜色模型及对应的颜色通道映射方案,显示伪彩色合成图像,具体包括:
当选择的颜色模型为RGB模型,则映射方案为:
将归一化功率分量P′d、P′v和Ps′与快速中值迭代归一化处理后的Span即Span′相乘,如下式:
将和/>分别映射到红色通道、绿色通道和蓝色通道,如下式:
当选择的颜色模型为HSI模型,则映射方案为:
根据归一化功率分量P′d、P′v和Ps′计算HSI模型中色调分量H,计算方法如下:
根据归一化功率分量P′d、P′v和Ps′计算HSI模型中饱和度分量S,计算方法如下:
将Span′赋给HSI颜色空间中的亮度分量I,如下式:
I=Span′
基于(H,S,I),将HSI颜色空间转回RGB颜色空间进行显示。
5.一种极化目标三分量分解结果彩色可视化***,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011224654.4A CN112558017B (zh) | 2020-11-05 | 2020-11-05 | 一种极化目标三分量分解结果彩色可视化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011224654.4A CN112558017B (zh) | 2020-11-05 | 2020-11-05 | 一种极化目标三分量分解结果彩色可视化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112558017A CN112558017A (zh) | 2021-03-26 |
CN112558017B true CN112558017B (zh) | 2023-08-08 |
Family
ID=75042879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011224654.4A Active CN112558017B (zh) | 2020-11-05 | 2020-11-05 | 一种极化目标三分量分解结果彩色可视化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112558017B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436110B (zh) * | 2021-07-16 | 2022-06-14 | 厦门大学 | 一种对合成孔径雷达灰度图像进行伪彩色处理的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6603424B1 (en) * | 2002-07-31 | 2003-08-05 | The Boeing Company | System, method and computer program product for reducing errors in synthetic aperture radar signals |
CN101344587A (zh) * | 2008-08-15 | 2009-01-14 | 哈尔滨工业大学 | 用于极化合成孔径雷达图像的多成分分解方法 |
CN103020975A (zh) * | 2012-12-29 | 2013-04-03 | 北方工业大学 | 一种结合多源遥感图像特征的码头和船舶分割方法 |
CN103761752A (zh) * | 2014-01-13 | 2014-04-30 | 中国科学院电子学研究所 | 一种极化合成孔径雷达图像的处理方法及装置 |
CN104217410A (zh) * | 2014-09-19 | 2014-12-17 | 西安电子科技大学 | 一种全极化sar伪彩图合成方法 |
CN104751184A (zh) * | 2015-04-08 | 2015-07-01 | 西安电子科技大学 | 基于强度统计稀疏的全极化sar图像分类方法 |
CN108364011A (zh) * | 2018-02-05 | 2018-08-03 | 中国民航大学 | PolSAR图像多级特征提取与无监督分类方法 |
CN110020693A (zh) * | 2019-04-15 | 2019-07-16 | 西安电子科技大学 | 基于特征注意和特征改善网络的极化sar图像分类方法 |
CN110458876A (zh) * | 2019-08-08 | 2019-11-15 | 哈尔滨工业大学 | 基于sar-sift特征的多时相polsar图像配准方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778884A (zh) * | 2016-12-23 | 2017-05-31 | 辽宁工程技术大学 | 基于散射熵和三分量分解平面的极化sar图像分类方法 |
-
2020
- 2020-11-05 CN CN202011224654.4A patent/CN112558017B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6603424B1 (en) * | 2002-07-31 | 2003-08-05 | The Boeing Company | System, method and computer program product for reducing errors in synthetic aperture radar signals |
CN101344587A (zh) * | 2008-08-15 | 2009-01-14 | 哈尔滨工业大学 | 用于极化合成孔径雷达图像的多成分分解方法 |
CN103020975A (zh) * | 2012-12-29 | 2013-04-03 | 北方工业大学 | 一种结合多源遥感图像特征的码头和船舶分割方法 |
CN103761752A (zh) * | 2014-01-13 | 2014-04-30 | 中国科学院电子学研究所 | 一种极化合成孔径雷达图像的处理方法及装置 |
CN104217410A (zh) * | 2014-09-19 | 2014-12-17 | 西安电子科技大学 | 一种全极化sar伪彩图合成方法 |
CN104751184A (zh) * | 2015-04-08 | 2015-07-01 | 西安电子科技大学 | 基于强度统计稀疏的全极化sar图像分类方法 |
CN108364011A (zh) * | 2018-02-05 | 2018-08-03 | 中国民航大学 | PolSAR图像多级特征提取与无监督分类方法 |
CN110020693A (zh) * | 2019-04-15 | 2019-07-16 | 西安电子科技大学 | 基于特征注意和特征改善网络的极化sar图像分类方法 |
CN110458876A (zh) * | 2019-08-08 | 2019-11-15 | 哈尔滨工业大学 | 基于sar-sift特征的多时相polsar图像配准方法 |
Non-Patent Citations (1)
Title |
---|
基于改进三分量模型的全极化SAR图像分类;徐一凡 等;电子测量技术;第40卷(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112558017A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108629835B (zh) | 基于高光谱、真彩图与点云互补的室内重建方法及*** | |
Yuan et al. | Remote sensing image segmentation by combining spectral and texture features | |
WO2018024030A1 (zh) | 一种夜视红外图像中的基于显著性的道路目标提取方法 | |
CN104700381B (zh) | 一种基于显著目标的红外与可见光图像融合方法 | |
Huang et al. | A multi-index learning approach for classification of high-resolution remotely sensed images over urban areas | |
CN107229933B (zh) | 自适应体散射模型的freeman/特征值分解方法 | |
CN103247059B (zh) | 一种基于整数小波与视觉特征的遥感图像感兴趣区检测方法 | |
CN103177458B (zh) | 一种基于频域分析的可见光遥感图像感兴趣区域检测方法 | |
CN106815601A (zh) | 基于递归神经网络的高光谱图像分类方法 | |
CN104103082A (zh) | 一种基于区域描述和先验知识的图像显著性检测方法 | |
JP2012517652A (ja) | シーン補間及び登録性能評価のための2d電子光学的画像及び3d点群データの融合 | |
CN102842044B (zh) | 高分辨率可见光遥感图像变化检测方法 | |
JP2012517650A (ja) | 場面の内容に基づく点群データの視覚化のための方法及びシステム | |
CN103218832B (zh) | 基于图像中全局颜色对比度和空域分布的视觉显著性算法 | |
CN111027497B (zh) | 基于高分辨率光学遥感影像的弱小目标快速检测方法 | |
CN103093478B (zh) | 基于快速核空间模糊聚类的异源图像粗大边缘检测方法 | |
CN109740631B (zh) | 基于对象的obia-svm-cnn遥感影像分类方法 | |
Im et al. | An automated binary change detection model using a calibration approach | |
Casanova et al. | Texture analysis using fractal descriptors estimated by the mutual interference of color channels | |
CN105405132A (zh) | 基于视觉反差和信息熵的sar图像人造目标检测方法 | |
Shaoqing et al. | The comparative study of three methods of remote sensing image change detection | |
CN102063627B (zh) | 基于多小波变换的自然图像和计算机生成图像的识别方法 | |
CN109308451A (zh) | 一种高分数据信息提取***及方法 | |
CN112558017B (zh) | 一种极化目标三分量分解结果彩色可视化方法及*** | |
Xu et al. | Vegetation information extraction in karst area based on UAV remote sensing in visible light band |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |