...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Polarimetric SAR Image Segmentation Using Statistical Region Merging
【24h】

Polarimetric SAR Image Segmentation Using Statistical Region Merging

机译：使用统计区域合并的极化SAR图像分割

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

The statistical region merging (SRM) algorithm exhibits efficient performance in solving significant noise corruption and does not depend on the data distribution. These advantages make SRM suitable for the segmentation of synthetic aperture radar (SAR) images, which are characterized by speckle noise and different distributions of various data types and spatial resolutions. However, the original SRM algorithm is designed for RGB and gray images characterized by additive noise and having a range of [0, 255]. In this letter, the SRM algorithm is generalized so that it can be applied to images with larger range and multiplicative noise. The original 4-neighborhood models are also generalized into 8-neighborhood models. The effectiveness of the generalized SRM (GSRM) algorithm is demonstrated by AirSAR and ESAR L-band Polarimetric SAR (PolSAR) data. Given that the input data of the GSRM algorithm can be single- or multi-dimensional, the proposed GSRM algorithm can be used for single- and multi-polarized as well as for fully polarimetric SAR data.
机译：统计区域合并（SRM）算法在解决严重噪声破坏方面表现出高效的性能，并且不依赖于数据分布。这些优势使SRM适用于合成孔径雷达（SAR）图像的分割，该图像的特征在于斑点噪声以及各种数据类型和空间分辨率的不同分布。但是，原始的SRM算法是为RGB和灰度图像设计的，这些图像的特征是附加噪声并具有[0，255]的范围。在这封信中，对SRM算法进行了概括，以便可以将其应用于具有较大范围和乘法噪声的图像。原始的4邻域模型也被概括为8邻域模型。 AirSAR和ESAR L波段极化SAR（PolSAR）数据证明了通用SRM（GSRM）算法的有效性。鉴于GSRM算法的输入数据可以是一维或多维的，因此所提出的GSRM算法可以用于单极化和多极化以及全极化SAR数据。

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