• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Advanced Unsupervised Classification Methods to Detect Anomalies on Earthen Levees Using Polarimetric SAR Imagery
【2h】

Advanced Unsupervised Classification Methods to Detect Anomalies on Earthen Levees Using Polarimetric SAR Imagery

机译：先进的无监督分类方法利用极化SAR影像检测土堤上的异常

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Fully polarimetric Synthetic Aperture Radar (polSAR) data analysis has wide applications for terrain and ground cover classification. The dynamics of surface and subsurface water events can lead to slope instability resulting in slough slides on earthen levees. Early detection of these anomalies by a remote sensing approach could save time versus direct assessment. We used L-band Synthetic Aperture Radar (SAR) to screen levees for anomalies. SAR technology, due to its high spatial resolution and soil penetration capability, is a good choice for identifying problematic areas on earthen levees. Using the parameters entropy (H), anisotropy (A), alpha (α), and eigenvalues (λ, λ1, λ2, and λ3), we implemented several unsupervised classification algorithms for the identification of anomalies on the levee. The classification techniques applied are H/α, H/A, A/α, Wishart H/α, Wishart H/A/α, and H/α/λ classification algorithms. In this work, the effectiveness of the algorithms was demonstrated using quad-polarimetric L-band SAR imagery from the NASA Jet Propulsion Laboratory’s (JPL’s) Uninhabited Aerial Vehicle Synthetic Aperture Radar (UAVSAR). The study area is a section of the lower Mississippi River valley in the Southern USA, where earthen flood control levees are maintained by the US Army Corps of Engineers.
机译：全极化合成孔径雷达（polSAR）数据分析在地形和地面覆盖物分类方面具有广泛的应用。地表水和地下水事件的动力学可能导致边坡不稳定，从而导致土堤上的滑坡。通过遥感方法及早发现这些异常可以比直接评估节省时间。我们使用L波段合成孔径雷达（SAR）筛选堤坝中的异常情况。 SAR技术具有很高的空间分辨率和土壤渗透能力，是识别土堤上有问题区域的理想选择。使用参数熵（H），各向异性（A），α（α）和特征值（λ，λ1，λ2和λ3），我们实现了几种无监督分类算法来识别堤坝上的异常。应用的分类技术为H /α，H / A，A /α，Wishart H /α，Wishart H / A /α和H /α/λ分类算法。在这项工作中，使用来自NASA喷气推进实验室（JPL）的无人飞行器合成孔径雷达（UAVSAR）的四极化L波段SAR图像证明了算法的有效性。研究区域是美国南部密西西比河下游河谷的一部分，美国陆军工程兵团负责维护土堤防洪堤。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号