CN105676203A - 一种全极化雷达目标极化相干特征的可视化方法 - Google Patents
一种全极化雷达目标极化相干特征的可视化方法 Download PDFInfo
- Publication number
- CN105676203A CN105676203A CN201610046659.XA CN201610046659A CN105676203A CN 105676203 A CN105676203 A CN 105676203A CN 201610046659 A CN201610046659 A CN 201610046659A CN 105676203 A CN105676203 A CN 105676203A
- Authority
- CN
- China
- Prior art keywords
- polarization
- theta
- max
- coherent
- radar
- 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.)
- Granted
Links
- 230000001427 coherent effect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012800 visualization Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 230000010287 polarization Effects 0.000 claims description 100
- 238000012545 processing Methods 0.000 claims description 12
- 238000007794 visualization technique Methods 0.000 claims description 7
- 230000021615 conjugation Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims 1
- 238000012512 characterization method Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 244000061456 Solanum tuberosum Species 0.000 description 2
- 235000002595 Solanum tuberosum Nutrition 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种全极化雷达目标极化相干特征的可视化方法。技术方案包括以下步骤:第一步,极化散射矩阵绕雷达视线旋转处理;第二步,计算旋转域中的极化相干特征序列;第三步,旋转域中极化相干特征的可视化处理;第四步,极化相干特征可视化图的参数化刻画。本发明结合可视化图和相关刻画参数,可得到雷达目标极化相干特征的可视化描述,为目标分类识别等应用提供支撑。本发明实现简单,可直接应用于具有不同用途的全极化雷达系统获得的目标极化散射矩阵数据。
Description
技术领域
本发明属于雷达极化信息处理与应用技术领域,涉及一种全极化雷达目标极化相干特征的可视化解译方法。
背景技术
全极化雷达通过收发一组极化状态正交的电磁波,能够获得目标的全极化信息,为目标散射机理解译、特征参数反演、目标探测与识别等提供重要支撑。具备全极化测量能力的雷达系统已在对地观测、防空反导、气象探测、海面监测等诸多重要领域成为主流传感器,得到了广泛应用。
全极化雷达获得的目标全极化信息可以由极化散射矩阵进行表征。不同极化通道间的极化相干特征是一种常用的极化特征量,可应用于目标检测与分类等领域。极化相干特征十分敏感于目标姿态与雷达视线的相对几何关系。对同一目标,当其相对于全极化雷达视线的姿态不同时,其极化散射特性(如极化相干特征的取值)可以是显著不同的。这种现象给全极化雷达极化信息处理与应用造成诸多不便,是当前全极化雷达目标极化散射机理精细解译和定量应用面临的技术瓶颈之一。如何有效挖掘和刻画目标极化相干特征在绕雷达视线旋转域中的隐含信息并克服解译模糊,成为提升目标散射机理解译与应用性能的关键。因此,发展全极化雷达目标极化相干特征的可视化方法及其参数化刻画方法对雷达目标散射机理解译和应用都非常有价值。
发明内容
本发明为精细解译目标在绕雷达视线旋转域中的散射特性,提供一种全极化雷达目标极化相干特征的可视化方法。本方法在旋转域对目标极化相干特征进行可视化处理和参数化刻画,可适用于多种用途(如对空监视、对地观测、气象探测、海面监视等)的全极化雷达系统,并在空中目标分类识别、地物类别鉴别、损毁评估等领域具有应用价值。
本发明的基本思路是:极化相干特征敏感于目标姿态与雷达视线的相对几何关系。同一目标在不同姿态条件下,其极化相干特征的取值可能会发生显著变化。通过将获取的极化散射矩阵绕雷达视线进行旋转处理,能够改变目标姿态与雷达视线的相对几何关系。这样,通过遍历绕雷达视线旋转域中的每一个旋转角,能够得到旋转域中的极化相干特征序列。对旋转域中的极化相干特征序列进行可视化处理和参数化刻画,可以完整地描述目标极化相干特征在旋转域中的特性,用于精细解译目标在绕雷达视线旋转域中的散射机理,进而用于物理参数反演和目标分类识别等领域。
本发明的技术方案是:一种全极化雷达目标极化相干特征的可视化方法,具体包括下述步骤:
利用全极化雷达获得的目标极化散射矩阵 作为本发明的输入。X和Y代表任意两种不同的极化通道。其中,SXX为在X极化发射和X极化接收条件下获取的复后向散射系数;SYX为在X极化发射和Y极化接收条件下获取的复后向散射系数;SXY为在Y极化发射和X极化接收条件下获取的复后向散射系数;SYY为在Y极化发射和Y极化接收条件下获取的复后向散射系数。
第一步,极化散射矩阵绕雷达视线旋转处理:
在绕全极化雷达视线方向,对极化散射矩阵S进行旋转处理,对旋转域中的旋转角θ,θ∈[-π,π],计算旋转处理后的旋转极化散射矩阵S(θ)的表达式,为:
其中,旋转矩阵 上标T为转置处理。
旋转极化散射矩阵S(θ)各元素在旋转域中的表达式为:
SXX(θ)=SXXcos2θ+SXYcosθsinθ+SYXcosθsinθ+SYYsin2θ
SXY(θ)=-SXXcosθsinθ+SXYcos2θ-SYXsin2θ+SYYcosθsinθ
SYX(θ)=-SXXcosθsinθ-SXYsin2θ+SYXcos2θ+SYYcosθsinθ
SYY(θ)=SXXsin2θ-SXYcosθsinθ-SYXcosθsinθ+SYYcos2θ
第二步,计算旋转域中的极化相干特征序列:
将旋转域中的旋转角θ进行离散化处理,得到离散化的旋转角序列θi,N的取值根据实际情况确定。对极化通道X和Y,计算旋转角序列θi对应的极化相干特征序列|γX-Y(θi)|,为:
其中,<·>为集合平均处理,|·|为取绝对值处理,上标*为共轭处理。可见0≤|γX-Y(θi)|≤1。
第三步,旋转域中极化相干特征的可视化处理:
将旋转角序列θi和极化相干特征序列|γX-Y(θi)|在极坐标系中进行表示,即得到旋转域中极化相干特征的可视化图。
第四步,极化相干特征可视化图的参数化刻画:
旋转域中极化相干特征的可视化图表征了全极化雷达目标在绕雷达视线旋转域中的散射特性。为便于利用该可视化图,提取以下特征参数对其进行参数化刻画:
1.原始极化相干特征值|γX-Y|,为:
|γX-Y|=|γX-Y(0)|
2.极化相干特征最大值|γX-Y|max,为:
|γX-Y|max=max{|γX-Y(θi)|}
3.极化相干特征最小值|γX-Y|min,为:
|γX-Y|min=min{|γX-Y(θi)|}
4.极化相干度|γX-Y|mean,为:
|γX-Y|mean=mean{|γX-Y(θi)|}
5.极化相干起伏度|γX-Y|std,为:
|γX-Y|std=std{|γX-Y(θi)|}
6.极化相干对比度|γX-Y|max-min,为:
|γX-Y|max-min=|γX-Y|max-|γX-Y|min
7.最大化旋转角θγ-max,为:
8.最小化旋转角θγ-min,为:
9.极化相干宽度BWα,为:
BWα=θ″-θ′,其中|γX-Y(θ″)|=|γX-Y(θ′)|=α·|γX-Y|max且θ″>θ′
其中,max{·}为求序列的最大值;min{·}为求序列的最小值;mean{·}为求序列的均值;std{·}为求序列的标准差;α为调节因子,根据实际情况确定,通常取α=0.95。
结合可视化图和上述刻画参数,就得到了雷达目标极化相干特征的可视化方法,为目标分类识别等应用提供支撑。
用本发明可取得以下技术效果:
本发明所述的雷达目标极化相干特征的可视化方法,能够可视化和参数化刻画目标在绕雷达视线旋转域中的散射特性,并通过提取可视化图的特征参数为后续的目标分类识别、损毁评估等应用服务。本发明实现简单,实施起来也非常方便,可直接应用于具有不同用途的全极化雷达系统获得的目标极化散射矩阵数据。本发明对于对空监视、对地观测、气象探测、海面监视、减灾防灾等应用领域都有着重要的参考价值。
附图说明
图1本发明的实施流程图;
图2不同农作物目标的极化相干特征可视化图;
图3建筑物震灾倒损前后的极化相干特征可视化图;
具体实施方式
为了更好地理解本发明的技术方案,以下结合附图对本发明的实施方式作进一步描述。
图1为本发明的实施流程图,主要由四步组成。第一步,极化散射矩阵绕雷达视线旋转处理,获得旋转域中的极化散射矩阵;第二步,对旋转域中的每一个旋转角,计算极化相干特征,得到旋转域中的极化相干特征序列;第三步,旋转域中极化相干特征的可视化处理,得到极化相干特征的可视化图;第四步,可视化图的参数化刻画,提取原始极化相干特征值|γX-Y|、极化相干特征最大值|γX-Y|max、极化相干特征最小值|γX-Y|min、极化相干度|γX-Y|mean、极化相干起伏度|γX-Y|std、极化相干对比度|γX-Y|max-min、最大化旋转角θγ-max、最小化旋转角θγ-min和极化相干宽度BWα等刻画参数。
图2和图3均为利用实际数据进行试验的结果。
图2为不同农作物目标的极化相干特征可视化图。数据来自机载L波段AIRSAR系统在荷兰Flevoland地区获得的水平极化和垂直极化基下(即X极化为水平极化H和Y极化为垂直极化V)的极化散射矩阵。对极化通道H和V,左图为土豆作物的极化相干特征|γH-V(θi)|的可视化图,右图为小麦作物的极化相干特征|γH-V(θi)|的可视化图,其中N=1001。从可视化图可以看到,两种农作物目标的可视化图具有明显不同的形状特征,即二者在绕雷达视线的旋转域中的散射特性是不同的。表1给出了两种农作物目标极化相干特征可视化图的刻画参数。因为极化相干特征|γH-V(θi)|在旋转域中的周期为90°,因此在计算最大化旋转角θγ-max和最小化旋转角θγ-min时,只考虑主值区间[-45°,45°)内的取值。下表是两种农作物目标极化相干特征可视化图的刻画参数对比:
刻画参数 | 土豆作物 | 小麦作物 |
原始极化相干特征值|γX-Y| | 0.2981 | 0.4279 |
极化相干特征最大值|γX-Y|max | 0.7894 | 0.5215 |
极化相干特征最小值|γX-Y|min | 0.0927 | 0.3659 |
极化相干度|γX-Y|mean | 0.3598 | 0.4372 |
极化相干起伏度|γX-Y|std | 0.2141 | 0.0549 |
极化相干对比度|γX-Y|max-min | 0.6967 | 0.1557 |
最大化旋转角θγ-max | 43.9200° | -21.6000° |
最小化旋转角θγ-min | -21.6000° | 19.8000° |
极化相干宽度BWα | 24.8400° | -41.4000° |
对比可知,上述刻画参数或刻画参数的组合能够有效区分两种不同的地物。这样,利用本发明建立的可视化方法能够有效实现农作物目标的类别鉴别和分类。
图3为建筑物震灾倒损前后的极化相干特征可视化图。利用本发明对2011年3月11日东日本大地震大海啸受灾严重的石卷市城区进行建筑物倒损分析。数据来自星载ALOS/PALSAR实测多时相水平极化和垂直极化基下的极化散射矩阵。震前ALOS/PALSAR全极化数据获取于2010年11月21日,震后ALOS/PALSAR全极化数据获取于2011年4月8日。选取一块建筑物倒损严重(倒损率约为95%)区域进行分析。对极化通道H和V,左图为建筑物倒损前的极化相干特征|γH-V(θi)|的可视化图,右图为建筑物倒损后的极化相干特征|γH-V(θi)|的可视化图,其中N=1001。从可视化图可以看到,建筑物倒损前后的可视化图具有明显不同的形状特征,即建筑物倒损前后在绕雷达视线的旋转域中的散射特性是不同的。下表给出了建筑物倒损前后极化相干特征可视化图的刻画参数,同样只考虑主值区间[-45°,45°)内的取值。
对比可知,上述刻画参数或刻画参数的组合对建筑物的倒损情况十分敏感。这样,利用本发明建立的可视化方法能够实现建筑物目标损毁区域的检测与损毁程度的评估。
Claims (1)
1.一种全极化雷达目标极化相干特征的可视化方法,利用全极化雷达获得的目标极化散射矩阵 X和Y代表任意两种不同的极化通道;其中,SXX为在X极化发射和X极化接收条件下获取的复后向散射系数;SYX为在X极化发射和Y极化接收条件下获取的复后向散射系数;SXY为在Y极化发射和X极化接收条件下获取的复后向散射系数;SYY为在Y极化发射和Y极化接收条件下获取的复后向散射系数;其特征在于,具体包括下述步骤:
第一步,极化散射矩阵绕雷达视线旋转处理:
在绕全极化雷达视线方向,对旋转域中的旋转角θ,θ∈[-π,π],计算旋转处理后的旋转极化散射矩阵S(θ)的表达式,为:
其中,旋转矩阵 上标T为转置处理;
旋转极化散射矩阵S(θ)各元素在旋转域中的表达式为:
SXX(θ)=SXXcos2θ+SXYcosθsinθ+SYXcosθsinθ+SYYsin2θ
SXY(θ)=-SXXcosθsinθ+SXYcos2θ-SYXsin2θ+SYYcosθsinθ
SYX(θ)=-SXXcosθsinθ-SXYsin2θ+SYXcos2θ+SYYcosθsinθ
SYY(θ)=SXXsin2θ-SXYcosθsinθ-SYXcosθsinθ+SYYcos2θ
第二步,计算旋转域中的极化相干特征序列:
将旋转域中的旋转角θ进行离散化处理,得到离散化的旋转角序列θi,N的取值根据实际情况确定;对极化通道X和Y,计算旋转角序列θi对应的极化相干特征序列|γX-Y(θi)|,为:
其中,<·>为集合平均处理,|·|为取绝对值处理,上标*为共轭处理;
第三步,旋转域中极化相干特征的可视化处理:
将旋转角序列θi和极化相干特征序列|γX-Y(θi)|在极坐标系中进行表示,即得到旋转域中极化相干特征的可视化图;
第四步,极化相干特征可视化图的参数化刻画:
提取以下特征参数对全极化雷达目标在绕雷达视线旋转域中的散射特性进行参数化刻画:
1.原始极化相干特征值|γX-Y|,为:
|γX-Y|=|γX-Y(0)|
2.极化相干特征最大值|γX-Y|max,为:
|γX-Y|max=max{|γX-Y(θi)|}
3.极化相干特征最小值|γX-Y|min,为:
|γX-Y|min=min{|γX-Y(θi)|}
4.极化相干度|γX-Y|mean,为:
|γX-Y|mean=mean{|γX-Y(θi)|}
5.极化相干起伏度|γX-Y|std,为:
|γX-Y|std=std{|γX-Y(θi)|}
6.极化相干对比度|γX-Y|max-min,为:
|γX-Y|max-min=|γX-Y|max-|γX-Y|min
7.最大化旋转角θγ-max,为:
8.最小化旋转角θγ-min,为:
9.极化相干宽度BWα,为:
BWα=θ″-θ′,其中|γX-Y(θ″)|=|γX-Y(θ′)|=α·|γX-Y|max且θ″>θ′
其中,max{·}为求序列的最大值;min{·}为求序列的最小值;mean{·}为求序列的均值;std{·}为求序列的标准差;α为调节因子,根据实际情况确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610046659.XA CN105676203B (zh) | 2016-01-23 | 2016-01-23 | 一种全极化雷达目标极化相干特征的可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610046659.XA CN105676203B (zh) | 2016-01-23 | 2016-01-23 | 一种全极化雷达目标极化相干特征的可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105676203A true CN105676203A (zh) | 2016-06-15 |
CN105676203B CN105676203B (zh) | 2018-03-02 |
Family
ID=56302301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610046659.XA Active CN105676203B (zh) | 2016-01-23 | 2016-01-23 | 一种全极化雷达目标极化相干特征的可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105676203B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168661A (zh) * | 2016-08-23 | 2016-11-30 | 中国人民解放军国防科学技术大学 | 随机捷变极化有源假目标的鉴别方法 |
CN106443673A (zh) * | 2016-09-18 | 2017-02-22 | 中国人民解放军国防科学技术大学 | 基于旋转域极化相干特征的建筑物倒损率估计方法 |
CN106596039A (zh) * | 2016-11-22 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 基于上视雷达的降雨条件下飞机尾流速度环量估计方法 |
CN106897741A (zh) * | 2017-02-20 | 2017-06-27 | 中国人民解放军国防科学技术大学 | 结合旋转域极化相干特征的极化sar地物分类方法 |
CN109946670A (zh) * | 2019-03-25 | 2019-06-28 | 河海大学 | 一种光学影像驱动的雷达极化信息提取方法 |
CN111856421A (zh) * | 2020-01-17 | 2020-10-30 | 中国人民解放军国防科技大学 | 一种极化旋转域特征提取与雷达目标增强的方法和装置 |
CN113296050A (zh) * | 2021-04-30 | 2021-08-24 | 中国人民解放军63892部队 | 基于各向异性阵列的极化和角度参数联合估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593669A (zh) * | 2013-11-22 | 2014-02-19 | 中国电子科技集团公司第五十四研究所 | 一种极化合成孔径雷达影像四分量分解的方法 |
CN103901415A (zh) * | 2014-02-28 | 2014-07-02 | 西安电子科技大学 | 极化相似度匹配下的极化相干矩阵散射能量分解方法 |
CN104318572A (zh) * | 2014-10-31 | 2015-01-28 | 中南大学 | 基于极化方向角补偿的polsar图像海上目标检测方法 |
-
2016
- 2016-01-23 CN CN201610046659.XA patent/CN105676203B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593669A (zh) * | 2013-11-22 | 2014-02-19 | 中国电子科技集团公司第五十四研究所 | 一种极化合成孔径雷达影像四分量分解的方法 |
CN103901415A (zh) * | 2014-02-28 | 2014-07-02 | 西安电子科技大学 | 极化相似度匹配下的极化相干矩阵散射能量分解方法 |
CN104318572A (zh) * | 2014-10-31 | 2015-01-28 | 中南大学 | 基于极化方向角补偿的polsar图像海上目标检测方法 |
Non-Patent Citations (2)
Title |
---|
SI-WEI CHEN ETAL.: "Manmade Target Extraction in PolSAR Data using Polarimetric Coherence Optimization", 《RADAR CONFERENCE 2015,IET INTERNATIONAL》 * |
程旭: "弹道中段目标极化特性和特征提取研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168661A (zh) * | 2016-08-23 | 2016-11-30 | 中国人民解放军国防科学技术大学 | 随机捷变极化有源假目标的鉴别方法 |
CN106168661B (zh) * | 2016-08-23 | 2018-07-24 | 中国人民解放军国防科学技术大学 | 随机捷变极化有源假目标的鉴别方法 |
CN106443673B (zh) * | 2016-09-18 | 2018-10-19 | 中国人民解放军国防科学技术大学 | 基于旋转域极化相干特征的建筑物倒损率估计方法 |
CN106443673A (zh) * | 2016-09-18 | 2017-02-22 | 中国人民解放军国防科学技术大学 | 基于旋转域极化相干特征的建筑物倒损率估计方法 |
CN106596039A (zh) * | 2016-11-22 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 基于上视雷达的降雨条件下飞机尾流速度环量估计方法 |
CN106897741B (zh) * | 2017-02-20 | 2019-06-14 | 中国人民解放军国防科学技术大学 | 结合旋转域极化相干特征的极化sar地物分类方法 |
CN106897741A (zh) * | 2017-02-20 | 2017-06-27 | 中国人民解放军国防科学技术大学 | 结合旋转域极化相干特征的极化sar地物分类方法 |
CN109946670A (zh) * | 2019-03-25 | 2019-06-28 | 河海大学 | 一种光学影像驱动的雷达极化信息提取方法 |
CN109946670B (zh) * | 2019-03-25 | 2022-03-18 | 河海大学 | 一种光学影像驱动的雷达极化信息提取方法 |
CN111856421A (zh) * | 2020-01-17 | 2020-10-30 | 中国人民解放军国防科技大学 | 一种极化旋转域特征提取与雷达目标增强的方法和装置 |
CN111856421B (zh) * | 2020-01-17 | 2022-07-15 | 中国人民解放军国防科技大学 | 一种极化旋转域特征提取与雷达目标增强的方法和装置 |
CN113296050A (zh) * | 2021-04-30 | 2021-08-24 | 中国人民解放军63892部队 | 基于各向异性阵列的极化和角度参数联合估计方法 |
CN113296050B (zh) * | 2021-04-30 | 2023-08-25 | 中国人民解放军63892部队 | 基于各向异性阵列的极化和角度参数联合估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105676203B (zh) | 2018-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105676203B (zh) | 一种全极化雷达目标极化相干特征的可视化方法 | |
Mulchrone et al. | Fitting an ellipse to an arbitrary shape: implications for strain analysis | |
Kilbinger | Cosmology with cosmic shear observations: a review | |
CN107589412B (zh) | 一种基于极化功率矩阵特征值的昆虫特征参数反演方法 | |
CN107688169B (zh) | 一种基于极化功率矩阵行列式的昆虫特征参数反演方法 | |
Mulchrone et al. | Finite strain estimation using the mean radial length of elliptical objects with bootstrap confidence intervals | |
Baltzopoulos et al. | Analysis of near‐source ground motion from the 2019 Ridgecrest earthquake sequence | |
CN102401892A (zh) | 一种极化干涉合成孔径雷达系统性能评估方法 | |
CN104237861A (zh) | 一种未知杂波背景下的cfar检测门限获取方法 | |
US9851441B2 (en) | Method and system for generating a distance velocity azimuth display | |
CN112882019A (zh) | 基于旋转式单极化探地雷达的全极化目标辨识分类方法 | |
CN105528767A (zh) | 极化sar图像中目标极化相干特征的增强方法 | |
Shafai et al. | PolInSAR coherence and entropy‐based hybrid decomposition model | |
Novikov | The formation of operators with given properties to solve original image processing tasks | |
Lisle | Strain analysis from point fabric patterns: An objective variant of the Fry method | |
CN111856421B (zh) | 一种极化旋转域特征提取与雷达目标增强的方法和装置 | |
CN108710816B (zh) | 一种基于概率融合的极化sar图像建筑物检测方法 | |
Chen et al. | Polarimetric coherence pattern: A visualization tool for PolSAR data investigation | |
CN106338775B (zh) | 基于干涉合成孔径雷达数据的建筑物倒损程度评估方法 | |
CN108008378A (zh) | 一种sar虚假目标能量比值确定方法及装置 | |
CN106443673B (zh) | 基于旋转域极化相干特征的建筑物倒损率估计方法 | |
CN115291172A (zh) | 简缩极化雷达极化旋转域特征提取和目标检测方法及装置 | |
Wynn et al. | Comparative testing of ellipse-fitting algorithms: implications for analysis of strain and curvature | |
CN108564098B (zh) | 基于散射全卷积模型的极化sar分类方法 | |
Ohki et al. | Flood-area detection using Palsar-2 data for heavy rainfall disasters in Japan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |