对几篇利用CNN进行PolSAR图像分类文献的笔记1、PolSAR Image Classification Using Polarimetric-Feature-Driven Deep Convolutional Neural Network (使用特征驱动的深度CNN网络进行PolSAR图像分类)本文于2018年4月发表于IEEE。作为一篇较早的应用CNN到PolSAR图像处理中的文章,本文主
该数据集提供了土壤地球物理特性的估计值,这些特性来源于机载冠层下和地下微波观测站 (AirMOSS) P 波段极化合成孔径雷达 (PolSAR) 数据,这些数据于 2014 年、2015 年
SAR系统可以通过多种方式获得图像,如单通道或双通道模式(如HH、HH / HV或VV / VH)、干涉 (单轨或多轨)模式、极化模式(HH,HV,VH,VV)、干涉及极化组合采集模式,不同的获取模式对应了不同的处理方法,可分为以下四种:  雷达强度图像处理  雷达干涉测量(InSAR/DInSAR)极化雷达处理(PolSAR)极化雷达干涉测量(PoIInSAR)本文介绍的是雷
SAR系统可以通过多种方式获得图像,如单通道或双通道模式(如HH、HH / HV或VV / VH)、干涉 (单轨或多轨)模式、极化模式(HH,HV,VH,VV)、干涉及极化组合采集模式,不同的获取模式对应了不同的处理方法,可分为以下四种:雷达强度图像处理雷达干涉测量(InSAR/DInSAR)极化雷达处理(PolSAR)极化雷达干涉测量(PoIInSAR)本文介绍的是雷达强度图像的处理。
文章目录一、PolSARpro是什么?二、操作步骤1.打开文件2.读入数据 一、PolSARpro是什么?PolSARpro 是欧空局开发的一个专门用来处理SAR图像的软件,它的功能强大。二、操作步骤1.打开文件 点击ENTER进入界面,,屏幕上方会出现如下图软件。 点击Environment,下方会出现三个可以选择添加的数据,本文打开的是polsar数据,因此选择第一个。选择Single Da
文件修订日期:2019-04-25数据集版本: 1本数据集提供了根据 2014 年、2015 年和 2017 年 8 月和 10 月在阿拉斯加北部 12 个研究地点(除个别地点外)采集的机载次冠层和次表层微波观测站(AirMOSS)P 波段偏振合成孔径雷达(PolSAR)数据得出的土壤地球物理属性估计值。报告的土壤属性包括 12 个飞行横断面上 30 米空间分辨率的有源层厚
原创 2024-05-22 00:39:29
154阅读