• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing Letters, IEEE >On Characterizing High-Resolution SAR Imagery Using Kernel-Based Mixture Speckle Models
【24h】

On Characterizing High-Resolution SAR Imagery Using Kernel-Based Mixture Speckle Models

机译：基于核的混合散斑模型表征高分辨率SAR图像

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

At high resolution, synthetic aperture radar (SAR) speckle tends to be non-Gaussian distributed and diversely textured. Many parametric speckle distributions have been developed to fit specific in-scene content. In contrast, mixture models offer an empirical approximation with the potential to fit arbitrary variations. In this letter, we investigate the feasibility and the efficiency of using finite mixture models of an identical parametric kernel to characterize the wide range of high-resolution speckle. We evaluate and compare the capability of mixture fitting with gamma, , and kernels against various scene types. Despite the characterization disparity among these base kernels, we show that using any of them in a mixture setting rapidly improves speckle modeling. Finite gamma mixtures, even with a simple kernel form, are applicable to high-resolution SAR imagery for consistent description of complex textured speckle variations.
机译：在高分辨率下，合成孔径雷达（SAR）散斑往往是非高斯分布的并且纹理多样。已经开发出许多参数散斑分布以适合特定的场景内含量。相反，混合模型提供了经验近似值，可以拟合任意变化。在这封信中，我们研究了使用相同参数内核的有限混合模型来表征各种高分辨率散斑的可行性和效率。我们评估并比较了针对各种场景类型与gamma，和内核进行混合拟合的能力。尽管这些基本内核之间的特性差异很大，但我们表明在混合设置中使用它们中的任何一个都可以快速改善散斑建模。有限的伽玛混合物，即使具有简单的内核形式，也适用于高分辨率SAR图像，以一致地描述复杂的纹理斑点变化。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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