CN114779173B - 一种基于极化sar多参数的月球水冰探测方法 - Google Patents
一种基于极化sar多参数的月球水冰探测方法 Download PDFInfo
- Publication number
- CN114779173B CN114779173B CN202210675080.5A CN202210675080A CN114779173B CN 114779173 B CN114779173 B CN 114779173B CN 202210675080 A CN202210675080 A CN 202210675080A CN 114779173 B CN114779173 B CN 114779173B
- Authority
- CN
- China
- Prior art keywords
- parameter
- region
- selecting
- water ice
- scattering
- 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
Images
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
- G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
- G01S7/026—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects involving the transmission of elliptically or circularly polarised waves
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- 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
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Abstract
本发明公开一种基于极化SAR多参数的月球水冰探测方法,主要包括:选择月球两极异常陨石坑作为研究区域,计算圆极化率比CPR,并选择CPR大于1的区域;利用m‑δ分解方法得到研究区域各个散射分量功率,并选择体散射占主导的区域;计算研究区域的粗糙度参数R,并基于该参数选择相对平坦的区域;计算研究区域的后向散射系数σ,并基于该参数选择石块较少区域。同时满足所有上述条件的区域判定为水冰可能存在的区域。本发明通过对异常陨石坑的极化SAR数据进行分析,基于多种参数选择水冰存在的区域,剔除粗糙的月壤表面及沉积物、石块等干扰因素,提高了水冰探测精度。
Description
技术领域
本发明属于雷达技术领域,特别涉及一种基于极化SAR(合成孔径雷达)的月球水冰探测方法。
背景技术
极化SAR是一种发射或接收多个极化状态电磁波的成像雷达。水冰作为一种低介电损耗介质,在一定条件下会产生相干后向散射反相效应(coherent backscatteropposition effect,CBOE)。当雷达波在弱吸收介质(例如,水冰、风化层)中传播时,由于异质性(例如,埋藏的岩石、空隙)会发生一系列随机散射,那些沿相同路径但以相反方向散射的波相干相加,导致反向散射雷达信号具有很高的圆极化率比(Circular PolarizationRatio, CPR)。因此极化SAR被认为是探测水冰最有效的工具之一。月球两极部分区域因长时间范围内无太阳照射而形成永久阴影区(Permanently Shadowed Region,PSR)。PSR内部温度极低,可以存储挥发性物质,因此月球两极可能有水冰的存在。目前基于极化SAR对月球水冰探测方法主要是利用CPR。CPR是指接收的同向圆极化回波与反向圆极化回波功率的比值,当月球两极存在有水冰时,其CPR参数会因CBOE而大于1。基于CPR参数,我们可以推断月球两极PSR内部是否存在水冰以及存在的位置。相较于其他载荷,极化SAR因其较高的分辨率可以对水冰进行较精准的定位。
然而,基于CPR参数的月球水冰探测方法受到了很多质疑。原因在于CPR大于1并不能准确地指向水冰。事实表明,粗糙表面相应的CPR值同样可大于1。月球陨石坑沉积物、熔岩流和岩石表面等地质目标的CPR可高达2到4。因此,仅仅依据CPR指标,我们无法将水冰和粗糙的月壤表面区分开来。当前,月球两极存在的异常陨石坑成为了研究热点。异常陨石坑是指陨石坑内部区域CPR大于1,而外部区域CPR远小于1。陨石坑内外CPR值的差异被解释为水冰的存在导致。陨石坑内部区域因存在PSR而储存水冰,外部区域因太阳直射不可能有水冰存在。但也有学者将异常陨石坑解释为陨石坑内外区域的粗糙度不同,而非水冰的因素。为了准确地探测水冰,需要从CPR大于1的区域中剔除粗糙表面区域及有沉积物、石块等地质目标干扰的区域。
发明内容
鉴于此,本发明的主要目的在于提供一种基于极化SAR多参数的月球水冰探测方法,通过对异常陨石坑的极化SAR数据进行分析,基于多种参数选择水冰存在的区域,剔除粗糙的月壤表面及沉积物、石块等干扰因素,提高了水冰探测精度。
为达到上述目的,本发明采用的技术方案如下:
一种基于极化SAR多参数的月球水冰探测方法,包括如下步骤:
(1)选择月球两极异常陨石坑作为研究区域,并计算CPR参数,选择CPR参数大于1的区域;所述CPR参数为圆极化率比;
(2)基于研究区域的极化SAR数据和m-δ分解方法,计算各个散射分量的功率,选择体散射占主导地位的区域;
(3)计算研究区域的粗糙度参数R,并根据所述粗糙度参数R选择相对平坦的区域;
(4)计算研究区域的后向散射系数σ,并根据所述后向散射系数σ选择表面石块较少的区域;
(5)选择研究区域中同时满足步骤(1)至步骤(4)条件的区域作为最终的水冰存在位置。
进一步地,所述步骤(1)包括:
基于stokes参数S 1,S 2,S 3和S 4,计算CPR参数,计算公式表示为:
CPR=(S 1-S 4)/(S 1+S 4)
其中,S 1表示接收回波的总功率,S 2和S 3表示接收回波中不同方向上线极化分量的功率,S 4表示接收回波中左旋圆极化和右旋圆极化分量的功率和。
进一步地,所述步骤(2)包括:
所述m-δ分解方法中包括极化度参数m,其表征雷达回波中的极化度特性,基于stokes参数,所述极化度参数m表示为:
所述m-δ分解方法中包括相对相位参数δ,其为水平和垂直极化通道的相位差;基于stokes参数,相对相位参数δ表示为:
δ=tan-1(-S 4/S 3)
利用m-δ分解方法,得到表面散射f surface 、二次散射f double 及体散射f volume 的功率表达式,选择体散射占主导地位的区域,即满足:f volume >(f double +f surface );
通过解上述表达式得到体散射占主导地位的区域其极化度参数m要满足:0≤m≤0.33。
进一步地,所述步骤(3)包括:根据极化SAR数据的散射矩阵和平坦区域的散射矩阵进行相似度度量,得到粗糙度参数R,所述粗糙度参数R越大,表明该区域越不平坦,所述粗糙度参数R越小,表明区域越平坦;利用所述粗糙度参数R选择研究区域中平坦的部分。
进一步地,所述步骤(4)包括:当所述后向散射系数σ大时,目标场景的表面伴随的石块多,当所述后向散射系数σ小时,目标场景的表面伴随的石块少,利用所述后向散射系数σ选择研究区域中石块少的部分。
有益效果:
和现有水冰探测方法相比,本发明首先将研究区域聚焦在月球两极的异常陨石坑。和其他区域相比,异常陨石坑存在水冰的可能性更大,这提高了水冰探测精度。其次,和单一地仅使用CPR参数来探测水冰的方案相比,本发明还使用了m-δ分解方法得到各个散射分量的功率,通过选择体散射占主导的区域进一步提升水冰存在的可能性。本发明首次提出了基于极化SAR数据的粗糙度参数R并结合后向散射系数σ来排除粗糙表面及石块对探测结果的干扰。
附图说明
图1为采用本发明的基于极化SAR多参数的月球水冰探测方法进行月球水冰探测的流程图;
图2为月球北极异常陨石坑Rozhdestvenskiy N的CPR参数图像,CPR=0为深色,CPR=1为浅色;
图3为月球北极异常陨石坑Rozhdestvenskiy N的极化度参数m图像,m=0为深色,m=1为浅色;
图4为月球北极异常陨石坑Rozhdestvenskiy N的粗糙度参数R图像,R=0为深色,R=3为浅色;
图5(a)为月球北极异常陨石坑Rozhdestvenskiy N的后向散射系数σ图像,陨石坑为图中圆形;图5(b)为基于本发明的基于极化SAR多参数的月球水冰探测方法得到的水冰存在的区域,通过白色像素点表示。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提出一种基于极化SAR多参数的月球水冰探测方法。图1为本发明的基于极化SAR多参数的月球水冰探测方法的流程图。
根据该流程图,所述探测方法包括如下步骤:
第一步,选择极区异常陨石坑的极化SAR数据,计算CPR参数。
所述极化SAR数据来自于月球勘测轨道飞行器(Lunar Reconnaissance Orbiter,LRO)上的Mini-RF载荷。Mini-RF是一个混合极化SAR系统,它记录了雷达回波在水平电场矢量E LH 垂直电场矢量E LV 的数据。这些数据可用于生成stokes矢量S,如下:
其中,Re()表示取实部操作,Im()表示取虚部操作,*表示复共轭。stokes参数S 1表示接收回波的总功率,S 2和S 3表示接收回波中不同方向上线极化分量的功率,S 4表示接收回波中左旋圆极化和右旋圆极化分量的功率和。
CPR参数可以由stokes参数计算得到,如下:
因水冰在一定条件下可产生相干后向散射反相效应CBOE(coherent backscatteropposition effect)从而使CPR参数大于1。因此,基于CPR参数,可以初步获得异常陨石坑中符合条件的区域。但由于CPR参数大于1不能唯一地和水冰相对应,月球熔融物,陨石坑溅射区域等粗糙表面都可使CPR参数大于1,因此,还需要对CPR参数大于1的区域进行更详细的研究。
第二步,基于研究区域的极化SAR数据和m-δ分解方法计算研究区域各个散射分量的功率,并选择体散射占主导地位的区域。
m-δ分解方法中的极化度参数m是指雷达回波中极化功率与总功率的比值,并表征了后向散射的极化特性,可由stokes参数计算得到,如下:
由定义可知极化度参数m取值范围为:0≤m≤1。m越小,表明目标场景越复杂,m越大,表明目标场景越单一。m-δ分解方法中的相对相位参数δ为水平和垂直极化通道的相位差,基于stokes参数,相对相位参数δ可表示:
δ=tan-1(-S 4/S 3)
早期的研究表明:水冰存在的区域往往伴随着体散射,满足以下条件:
f volume >(f double +f surface )
f volume ,f double ,f surface 分别表示体散射、二次散射和表面散射分量功率。利用m-δ分解方法可知三种散射分量功率可表示为:
当体散射占主导地位时,满足以下条件:
求解不等式可得:0≤m≤0.33。因此,根据极化度参数m选择体散射占主导地位的区域。
第三步,计算粗糙度参数R,并基于该粗糙度参数R选择相对平坦的区域。
首先介绍极化SAR数据的散射矩阵∑与stokes矢量的关系。所述散射矩阵∑和stokes矢量均为混合的极化SAR数据的存储方式,二者可以等价转换,关系如下:
其中,j为虚数;
由于水冰和粗糙的表面都可以使CPR参数大于1,因此,需要评估极区异常陨石坑内部粗糙程度,并选择相对平坦的区域。粗糙度参数R定义为:
粗糙度参数R表示基于极化SAR的散射矩阵对两个区域之间的相似度进行度量,R越大,相似度越低,反之,R越小,相似度越高。这里,选择将极区异常陨石坑的极化SAR数据和平坦区域的极化SAR数据进行比较。基于结果,可以对极区异常陨石坑内部的粗糙程度进行定量分析。这里采用0≤R≤1的取值范围选择极区异常陨石坑中相对平坦的区域。
第四步,计算后向散射系数σ,并基于后向散射系数σ选择石块较少的区域。
极化SAR对于波长尺度大小的石块十分敏感,表面存在大量石块,往往有着很大的后向散射系数σ,石块较小的表面其回波能量很弱,后向散射系数σ往往较低。这里,对极区异常陨石坑内的后向散射系数σ进行分析,并设置石块较小区域的后向散射系数σ的取值范围为:σ≤0.03。根据该取值范围选择石块少的区域。最后,选择极区异常陨石坑中同时满足第一步至第四步条件的区域作为最终的水冰存在位置。
下面结合具体的极化SAR的数据对本发明的技术方案作进一步详细说明。实例选择的是月球北极的一个异常陨石坑Rozhdestvenskiy N(84.0°N, 156.5°W; 8.6 km 直径)。图2给出了Rozhdestvenskiy N的CPR参数图像。从图2可以看出:陨石坑内部CPR参数值远远高于外部。图3给出了Rozhdestvenskiy N的极化度参数m图像。从图3可知,异常陨石坑外部的m值比内部要大。图4给出了Rozhdestvenskiy N的粗糙度参数R的图像。从图中可以看出,陨石坑内部的粗糙程度差别很大,左侧粗糙程度较大,右侧较小。图5(a)给出异常陨石坑Rozhdestvenskiy N的后向散射系数图,图5(b)给出异常陨石坑内部白色框中最终的水冰的存在位置,用白色像素点表示。
以上所述,仅为本发明的某些实施例而已,并非用于限定本发明的保护范围。本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于极化SAR多参数的月球水冰探测方法,其特征在于,包括如下步骤:
(1)选择月球两极异常陨石坑作为研究区域,基于stokes参数S 1,S 2,S 3和S 4,计算圆极化率比CPR参数,计算公式表示为:
CPR=(S 1-S 4)/(S 1+S 4)
其中,S 1表示接收回波的总功率,S 2和S 3表示接收回波中不同方向上线极化分量的功率,S 4表示接收回波中左旋圆极化和右旋圆极化分量的功率和;选择CPR参数大于1的区域;
(2)基于研究区域的极化SAR数据和m-δ分解方法,计算各个散射分量的功率,并选择体散射占主导地位的区域;所述m-δ分解方法中包括极化度参数m,其表征雷达回波中的极化度特性,基于stokes参数,所述极化度参数m表示为:
所述m-δ分解方法中包括相对相位参数δ,其为水平和垂直极化通道的相位差;基于stokes参数,相对相位参数δ表示为:
δ=tan-1(-S 4/S 3)
利用m-δ分解方法,得到表面散射f surface 、二次散射f double 及体散射f volume 的功率表达式,选择体散射占主导地位的区域,即满足:f volume >(f double +f surface );
通过解上述表达式得到体散射占主导地位的区域其极化度参数m满足:0≤m≤0.33;
(3)计算研究区域的粗糙度参数R包括:
根据所述stokes参数S 1,S 2,S 3和S 4计算所述极化SAR数据的散射矩阵∑,具体公式为:
其中,j为虚数;
所述粗糙度参数R定义为:
根据所述粗糙度参数R的范围0≤R≤1选择相对平坦的区域;
(4)计算研究区域的后向散射系数σ,并根据所述后向散射系数σ选择表面石块较少的区域;设置石块较小区域的后向散射系数σ的取值范围为:σ≤0.03;
(5)选择所述研究区域中同时满足步骤(1)至步骤(4)条件的区域作为最终的水冰存在位置。
2.根据权利要求1所述的基于极化SAR多参数的月球水冰探测方法,其特征在于,所述步骤(3)包括:
根据极化SAR数据的散射矩阵和平坦区域的散射矩阵进行相似度度量,得到粗糙度参数R,所述粗糙度参数R越大,该区域越不平坦,所述粗糙度参数R越小,该区域越平坦;利用所述粗糙度参数R选择研究区域中平坦的部分。
3.根据权利要求2所述的基于极化SAR多参数的月球水冰探测方法,其特征在于,所述步骤(4)包括:
当所述后向散射系数σ大时,目标场景的表面伴随的石块多,当所述后向散射系数σ小时,目标场景的表面伴随的石块少,利用所述后向散射系数σ参数选择研究区域中石块少的部分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675080.5A CN114779173B (zh) | 2022-06-15 | 2022-06-15 | 一种基于极化sar多参数的月球水冰探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675080.5A CN114779173B (zh) | 2022-06-15 | 2022-06-15 | 一种基于极化sar多参数的月球水冰探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114779173A CN114779173A (zh) | 2022-07-22 |
CN114779173B true CN114779173B (zh) | 2022-09-20 |
Family
ID=82421804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210675080.5A Active CN114779173B (zh) | 2022-06-15 | 2022-06-15 | 一种基于极化sar多参数的月球水冰探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114779173B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115840202B (zh) * | 2022-12-30 | 2023-06-02 | 中国科学院空天信息创新研究院 | 一种岩石丰度的确定方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509758A (zh) * | 2022-01-30 | 2022-05-17 | 中国科学院空天信息创新研究院 | 一种基于分形维数和极化分解的月表平坦区域选取方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3324203B1 (de) * | 2016-11-22 | 2024-01-03 | Hexagon Technology Center GmbH | Laserdistanzmessmodul mit polarisationsanalyse |
US10354398B2 (en) * | 2016-12-01 | 2019-07-16 | Macau University Of Science And Technology | Omnidirectional roughness algorithm for topographic signature analysis of lunar craters |
US20190244104A1 (en) * | 2018-02-02 | 2019-08-08 | Macau University Of Science And Technology | Method for improving computations of correlation values between surface roughness and terrain parameters |
-
2022
- 2022-06-15 CN CN202210675080.5A patent/CN114779173B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509758A (zh) * | 2022-01-30 | 2022-05-17 | 中国科学院空天信息创新研究院 | 一种基于分形维数和极化分解的月表平坦区域选取方法 |
Non-Patent Citations (7)
Title |
---|
An Approach for Finding Possible Presence of Water Ice Deposits on Lunar Craters Using MiniSAR Data;Pooja Mishra 等;《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》;20150131;第8卷(第1期);31-34 * |
AN APPROACH TO DETERMINE POSSIBLE EXISTENCE OF WATER ICE DEPOSITS ON LUNAR CRATERS USING MINISAR DATA;Pooja Mishra 等;《IGARSS 2013》;20131231;21-23 * |
DETECTION OF POSSIBLE WATER-ICE DEPOSITS ON LUNAR SURFACE USING CONFORMITY COEFFICIENT: AN APPLICATION OF MINISAR DATA;Nidhi Verma 等;《IGARSS 2018》;20181231;4567-4570 * |
STUDY AND CHARACTERIZATION OF LUNAR CRATERS USING MINI-SAR DATA OF CHANDRAYAAN-1;Pooja Mishra 等;《IEEE》;20131231;1-5 * |
SYNERGETIC USE OF MORPHOLOGICAL AND RADAR PARAMETER FOR LUNAR WATER ICE DETECTION;Urvi Shroff 等;《IGARSS 2020》;20201231;730-733 * |
基于Mini-RF雷达数据的月球水冰探测;张冬华 等;《国土资源遥感》;20140331;第26卷(第1期);112-113 * |
基于混合极化架构的极化SAR:原理与应用(中英文);洪文;《雷达学报》;20161231;第5卷(第6期);559-590 * |
Also Published As
Publication number | Publication date |
---|---|
CN114779173A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Comparison between back projection algorithm and range migration algorithm in terahertz imaging | |
Debes et al. | Adaptive target detection with application to through-the-wall radar imaging | |
CN114779173B (zh) | 一种基于极化sar多参数的月球水冰探测方法 | |
KR101713173B1 (ko) | 타깃 탐지의 정확성 개선 방법 | |
Chen | Radar Scattering and Imaging of Rough Surfaces: Modeling and Applications with MATLAB® | |
CN110632594A (zh) | 一种长波长星载sar成像方法 | |
CN109061640B (zh) | 一种用于顺轨干涉sar海流反演的方位模糊抑制方法 | |
Wu et al. | Study on characteristics of SAR imagery around the coast for shoreline detection | |
CN113655478B (zh) | 一种成像方法及装置 | |
Xu et al. | Effect analysis and spectral weighting optimization of sidelobe reduction on SAR image understanding | |
Ren et al. | Derivation of sea surface tidal current from spaceborne SAR constellation data | |
Makarevich et al. | Auroral E‐region as a source region for ionospheric scintillation | |
Gao et al. | Joint translational motion compensation method for ISAR imagery under low SNR condition using dynamic image sharpness metric optimization | |
Durmaz et al. | Non-parametric regional VTEC modeling with multivariate adaptive regression B-splines | |
Liu et al. | A new azimuth ambiguity suppression algorithm for surface current measurement in coastal waters and rivers with along-track InSAR | |
CN108549063B (zh) | 一种星载合成孔径雷达图像中运动目标航迹向速度快速估计方法 | |
CN115356732A (zh) | 面向InSAR形变结果的潜在滑坡风险区域识别方法 | |
Iqbal et al. | Doppler centroid estimation for ocean surface current retrieval from Sentinel-1 SAR data | |
Worthmann et al. | Clutter distributions for tomographic image standardization in ground-penetrating radar | |
Caimi et al. | Pulse versus CW laser line scan imaging detection methods: simulation results | |
Yao et al. | High-resolution optical satellite image simulation of ship target in large sea scenes | |
Cui et al. | DNN with similarity constraint for GEO SA-BSAR moving target imaging | |
Rajender et al. | Application of Synthetic Aperture Radar (SAR) based Control Algorithms for the Autonomous Vehicles Simulation Environment | |
Sadiq et al. | De-convolution and De-noising of SAR based GPS images using hybrid particle swarm optimization | |
Gu et al. | Autofocus imaging simulation for through-wall radar by using FDTD with unknown wall characteristics |
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 |