- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018年第12届国际通信会议(COMM) - 布加勒斯特 (2018.6.14-2018.6.16)] 2018年国际通信会议(COMM) - 基于自组织映射集成处理小规模训练数据集的SAR图像监督变化检测
摘要： 本文提出了一种提高合成孔径雷达（SAR）影像监督变化检测精度的新方法。该模型基于将小规模标注数据集输入自组织映射集成（ESOM）以生成训练数据（TDG）的思路。ESOM生成的合成数据集替代初始真实标注样本集，用于训练监督变化检测分类器。我们采用日本福岛地区海啸前后获取的400×400像素TerraSAR-X影像评估该方法，比较了支持向量机（SVM）、最近邻（NN）、三近邻（3-NN）和贝叶斯似然分类器的检测效果。实验结果表明，仅需100个真实标注像素即可验证本方法的有效性。
关键词： 合成孔径雷达图像、自组织映射集成（ESOM）、虚拟训练数据生成（VTDG）、变化检测
更新于2025-09-23 15:23:52
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 适用于SAR图像的稀疏编码及其在去斑中的应用
摘要： 本文提出了一种基于稀疏性的去斑方法。本研究的主要贡献之一是设计了一种适应SAR图像统计特性的稀疏编码算法。事实上，大多数针对SAR数据的稀疏编码算法会对数据进行对数变换，从而将乘性噪声转化为加性噪声，随后采用高斯先验。然而，为SAR数据选用更合适的先验可避免引入伪影。另一主要贡献是基于局部图像特征预测每个图像块的最优稀疏度。实验表明，该策略相比采用低误差率停止准则的传统稀疏编码具有更优效果。
关键词： 合成孔径雷达图像、变异系数、斑块、去斑点噪声、稀疏编码
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - SAR图像量化方法对检测精度的影响
摘要： 本文将深度学习与雷达图像处理相结合，探究不同量化方法对强点经量化处理后雷达图像最终检测性能的影响。针对合成孔径雷达（SAR）图像数据特性带来的问题，分别采用深度学习中的LeNet网络模型对量化后的雷达图像进行训练和验证，分析了不同量化方法对SAR图像分类与检测的影响，探索了对实际雷达图像最友好的量化方式?；谏疃妊暗睦状锿枷衲勘昙觳馕颂峁┝搜芯炕 ?
关键词： 检测、合成孔径雷达图像、深度学习、定量方法
更新于2025-09-23 15:21:21
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - SAR图像数据集的数据增强方法
摘要： 大规模、高质量、标准化、可测量且精确的数据是推动雷达遥感算法进步的关键。数据扩展是一种通过特定数据转换来增加标记训练集规模的技术。基于计算机辅助制图模型的合成孔径雷达（SAR）图像模拟器在自动目标识别和图像解译等SAR应用中发挥着重要作用，但该模拟器的准确性受几何误差和电磁计算简化的影响。为了获得具有已知目标和方位角的SAR图像数据集，我们可以直接从已知图像数据库生成所需图像。通过线性合成和生成对抗网络，可以实现SAR图像数据集的增强，从而生成指定方位角的SAR图像。
关键词： 生成对抗网络，合成孔径雷达图像，线性合成
更新于2025-09-23 15:21:21
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度学习的SAR图像雪崩检测
摘要： 雪崩检测对于建立雪崩清单和应急管理至关重要。本文提出一种基于深度学习的SAR图像雪崩检测方法。我们采用现有方法通过多时相SAR图像变化检测来生成候选区域，随后利用卷积神经网络判断候选区域是否包含雪崩。该方法应用了已针对自然RGB图像分类训练的预训练网络。由于SAR图像属于非标准图像，我们提出了一种将SAR图像适配至RGB图像预训练网络的方法。随后对预训练网络进行微调，使其能够区分SAR图像候选区域中的雪崩与相似干扰物。通过交叉验证发现，该方法平均分类错误率为3.5%。
关键词： 雪崩检测、卷积神经网络、深度学习、变化检测、合成孔径雷达图像
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚 (2018.7.22-2018.7.27)] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于Beltrami正则化的SAR图像散斑抑制模型
摘要： 提出了一种新颖的变分模型用于去除合成孔径雷达（SAR）图像中的乘性噪声，以提高SAR数据的解译质量。该模型由数据保真项和Beltrami正则化项组成：前者确保模型的凸性并避免非线性图像变换；后者抑制全变分（TV）正则化导致的阶梯状伪影，有效保持图像几何结构。在合成与真实SAR数据上的实验表明，相比三种先进方法，所提方法在视觉效果和定量指标上均取得具有竞争力的结果。
关键词： 贝尔特拉米正则化、斑点噪声、合成孔径雷达图像
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于模型驱动的哨兵一号雪水当量反演方法
摘要： 本文提出了一种针对哨兵1号（S-1）数据的新颖积雪湿度反演方法。该方法利用水文气候模型AMUNDSEN提供的雪特性信息（通过不同语义层面的对比验证），训练出一个能够有效利用S-1双极化信息的回归器。文中讨论了奥地利罗芬塔尔地区的初步反演结果。
关键词： 支持向量回归、雪湿度、物理雪模型、合成孔径雷达图像
更新于2025-09-10 09:29:36
-
利用高分辨率合成孔径雷达图像和激光雷达数据进行洪水深度估算
摘要： 当洪水侵袭居民区时，通常会在人员影响（即伤亡情况）以及对城市区域、商业与生产场所、基础设施和农业的经济影响两方面造成重大损失。要准确评估这些影响，需要多个参数，其中洪水深度是最重要的参数之一，因为它决定了用于计算经济损失的模型。本文提出了一种简单而有效的半自动方法，可推导出非常精确的淹没深度。首先，采用基于高分辨率合成孔径雷达影像计算的归一化差异洪水指数的变化检测方法，得出精确的洪水范围。其次，通过高分辨率激光雷达数字高程模型，沿已识别洪水区域的边界线对地形高程进行统计分析，从而估算水面高程。文中给出了2010年意大利东北部威尼托地区洪水的实验结果和质量评估。特别是，该方法被证明快速且稳健，并且与水动力模型相比，它需要的输入信息明显更少。
关键词： 洪水深度估算、合成孔径雷达图像、激光雷达数据、高分辨率、归一化洪水差异指数
更新于2025-09-09 09:28:46
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018年7月22日-2018年7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于并发自组织图训练数据生成的SAR图像监督变化检测新神经方法
摘要： 本文提出了一种基于并发自组织映射训练数据生成（TDG-CSOM）的合成孔径雷达（SAR）图像监督变化检测新神经方法。该模型通过用CSOM系统生成的虚拟训练数据替代真实标注样本集。所提变化检测算法包含以下处理阶段：(a) TDG-CSOM；(b) 利用TDG-CSOM获取的虚拟数据集训练多层感知机（MLP）分类器；(c) 拼接SAR双时相图像对应像素；(d) 通过MLP分类获取变化图。该方法在日本福岛地区海啸前后获取的TerraSAR-X影像上实现并评估，实验结果验证了所提方法的有效性。
关键词： 训练数据生成，合成孔径雷达图像，有监督变化检测，并发自组织映射
更新于2025-09-04 15:30:14