-
Patent Agency Ranking
公开(公告)号：CN103616684B
公开(公告)日：2016-02-17
申请号：CN201310642379.1
申请日：2013-12-03
Applicant: 安文韬
Abstract: 本发明提供一种SAR卫星定位误差补偿方法，所述方法包括：步骤一、根据待补偿像素点的初始行列坐标，获取该像素点对应的地面区域中心点的初始经纬度；步骤二、基于严格投影模型，根据所述待补偿像素点的实际地表高程和合成孔径雷达SAR图像高程，确定所述实际地标高程和合成孔径雷达SAR图像高程的差值产生的行列坐标定位误差；步骤三、根据所述行列坐标定位误差，对所述初始行列坐标进行补偿，获取补偿后的行列坐标；步骤四、根据所述补偿后的行列坐标，确定所述待补偿像素点对应的地面区域中心点的最终经纬度。本发明实施例提供的方法，对输入信息要求低，且计算主要为严格投影模型多项式之间的加减乘除运算，因此实现简便计算快速。
-
公开(公告)号：CN103616684A
公开(公告)日：2014-03-05
申请号：CN201310642379.1
申请日：2013-12-03
Applicant: 安文韬
Abstract: 本发明提供一种SAR卫星定位误差补偿方法，所述方法包括：步骤一、根据待补偿像素点的初始行列坐标，获取该像素点对应的地面区域中心点的初始经纬度；步骤二、基于严格投影模型，根据所述待补偿像素点的实际地表高程和合成孔径雷达SAR图像高程，确定所述实际地标高程和合成孔径雷达SAR图像高程的差值产生的行列坐标定位误差；步骤三、根据所述行列坐标定位误差，对所述初始行列坐标进行补偿，获取补偿后的行列坐标；步骤四、根据所述补偿后的行列坐标，确定所述待补偿像素点对应的地面区域中心点的最终经纬度。本发明实施例提供的方法，对输入信息要求低，且计算主要为严格投影模型多项式之间的加减乘除运算，因此实现简便计算快速。
-
公开(公告)号：CN114509737B
公开(公告)日：2025-01-21
申请号：CN202210086102.4
申请日：2022-01-25
Applicant: 国家卫星海洋应用中心 , 安文韬
Abstract: 本发明实施例公开一种CTLR紧缩极化SAR数据散射成分分解方法、装置、设备及介质，其中所述方法包括：获取CTLR紧缩极化SAR数据；调用改进后的m‑α算法，对获取的所述SAR数据进行散射成分的分解，分解结果中的体散射功率占比为f(1‑m)，面散射和二次散射功率占比为1‑f(1‑m)，其中f(1‑m)
-
公开(公告)号：CN114509737A
公开(公告)日：2022-05-17
申请号：CN202210086102.4
申请日：2022-01-25
Applicant: 国家卫星海洋应用中心 , 安文韬
Abstract: 本发明实施例公开一种CTLR紧缩极化SAR数据散射成分分解方法、装置、设备及介质，其中所述方法包括：获取CTLR紧缩极化SAR数据；调用改进后的m‑α算法，对获取的所述SAR数据进行散射成分的分解，分解结果中的体散射功率占比为f(1‑m)，面散射和二次散射功率占比为1‑f(1‑m)，其中f(1‑m)
-
公开(公告)号：CN115424058A
公开(公告)日：2022-12-02
申请号：CN202211010866.1
申请日：2022-08-23
Applicant: 国家卫星海洋应用中心 , 张帅影 , 安文韬
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于极化散射特征的全极化SAR卷积神经网络分类方法，所示方法包括：将获取的极化SAR影像进行辐射定标、滤波预处理后进行反射对称分解处理，得到极化特征参数；对极化特征参数进行归一化处理；通过提取不同数目的极化特征，构建卷积神经网络模型训练样本集；对卷积神经网络模型进行训练；利用训练好的卷积神经网络模型进行极化SAR影像分类；与现有的研究方法相比，本发明通过研究不同极化特征组合方案，基于深度学习的方法结合了极化SAR影像中的后向散射信息和像素邻域间的信息特征，利用多层卷积提取地物的特征，从样本中挖掘有助于分类的信息，从而获得较高精度的分类结果。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
