.png){kind=icon}
返回
A Three-Component Polarimetric Target Decomposition Algorithm for Grasslands
.png){kind=icon}
OA
AI
DOI：10.1109/JSTARS.2025.3586945.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
以往的极化目标分解方法已被广泛应用于森林和建筑物，并取得了良好的效果。然而，在研究草地散射特性方面缺乏相应的建模。为了提高草地目标分解的精度，本文充分考虑到草地植被的特性，并将草地植被冠层抽象为一个形状自适应的随机准椭球粒子云。从旋转角、倾斜角和旋转角三个维度模拟草地植被的随机状态，并利用各向异性程度A自适应模拟草地植被的形状，以推广模型的应用性，使粒子云更符合草地植被的整体状态。为更好地处理非自然分布的散射体，即考虑同极化和交叉极化之间的相关性，引入了螺旋散射机制。推导出的体积散射模型由螺旋散射模型和Freeman两分量地表散射模型构建，形成了一种适用于草地的三分量散射模型，并基于此模型提出了一种极化目标分解算法。实验比较了X波段Cosmos-SkyMed、C波段GF-3和L波段AfriSAR全极化数据与其他几种优秀的极化目标分解算法。实验结果表明，本文算法在分解效果上优于其他算法，更能反映不同草地植被区域的散射特性。
Keyword:
Anisotropy degree
grassland
target decomposition
volume scattering
期刊
IF:
5.3
论文数:
1.9K
被引数:
3.0W
机构
引用论文
.png){kind=icon}
Five-Component Decomposition Methods of Polarimetric SAR and Polarimetric SAR Interferometry Using Coupling Scattering Mechanisms利用耦合散射机制的极化SAR和极化干涉SAR的五分量分解方法
OAAI
OAAI分享收藏
查看更多内容