Models and Methods | Views : 0 下载量: 116 CSCD: 0
  • Export

  • Share

  • Collection

  • Album

    • Adaptive superpixel generation for time-series PolSAR images considering time-varying characteristics

    • 针对多时相、多极化SAR数据的超像素生成技术,研究取得了重要进展。针对单时相超像素分割方法无法充分利用地物时序完整散射信息的问题,研究人员提出了一种基于简单线性迭代聚类(SLIC)模型的多时相极化SAR影像自适应超像素生成方法。该方法结合多个时相的极化协方差矩阵,基于Wishart分布计算时序极化SAR相似性距离,同时利用多时相极化SAR数据进行梯度计算和边缘检测。通过引入基于多时相极化SAR边缘检测的同质性测度因子,该方法能够自适应平衡极化距离和空间距离的权重关系。实验结果表明,该方法在可视化效果和定量精度上均优于单时相极化SAR超像素生成方法和现有的多时相极化SAR超像素方法,超像素能够紧密贴合研究区域地块边界。这一研究成果为对象级数据处理体系的高效处理和应用提供了新的解决方案,对于大数据量的多时相、多极化SAR数据的处理和应用具有重要意义。
    • Vol. 28, Issue 4, Pages: 1066-1075(2024)   

      Published: 07 April 2024

    • DOI: 10.11834/jrs.20221498     

    扫 描 看 全 文

  • Ye J W,Wang C C,Gao H,Shen P,Song T Y and Hu C H. 2024. Adaptive superpixel generation for time-series PolSAR images considering time-varying characteristics. National Remote Sensing Bulletin, 28(4):1066-1075 DOI: 10.11834/jrs.20221498.
  •  
  •  
Alert me when the article has been cited
提交

相关作者

Jiawei YE 中南大学 地球科学与信息物理学院
Changcheng WANG 中南大学 地球科学与信息物理学院
Han GAO 中南大学 地球科学与信息物理学院
Peng SHEN 中南大学 地球科学与信息物理学院
Tianyi SONG 中南大学 地球科学与信息物理学院
Chihao HU 中南大学 地球科学与信息物理学院
FAN Jiyan 南京大学 地理与海洋科学学院
KE Changqing 南京大学 地理与海洋科学学院

相关机构

School of Geographic and Oceanographic Science, Nanjing University
Key Laboratory of Agricultural Remote Sensing, Ministry of Agriculture and Rural Affairs/Institute of Agricultural Resources and Regional Planning Chinese Academy of Agricultural Sciences
Faculty of Land Resource Engineering, Kunming University of Science and Technology
State Key Laboratory of Resources and Environment Information System (LREIS), Institute of Geographic Sciences and Natural Resources Research Chinese Academy of Sciences
Key Laboratory of Radar Imaging and Microwave Photonics, Ministry of Education, Nanjing University of Aeronautics and Astronautics
0