Unsupervised Change Detection in Multitemporal SAR Images Over Large Urban Areas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Unsupervised change detection in multitemporal single-polarization synthetic aperture radar (SAR) images often involves thresholding of the image change indicator. If one class, which is usually the unchanged class, comprises a disproportionately large part of the scene, the image change indicator may have a unimodal histogram. Image thresholding of such a change indicator is a challenging task. In this paper, we present an automatic and effective approach to the thresholding of the log-ratio change indicator whose histogram may have one mode or more than one mode. A bimodality test is performed to determine whether the histogram of the log-ratio image is unimodal or not. If it has more than one mode, the generalized Kittler and Illingworth thresholding (GKIT) algorithm based on the generalized Gaussian model (GG-GKIT) is used to detect the optimal threshold values. If it is unimodal, the log-ratio image is divided into small regions and a multiscale region selection process is carried out to select regions which are a balanced mixture of unchanged and changed classes. The selected regions are combined to generate a new histogram. The optimal threshold value obtained from the new histogram is then used to separate unchanged pixels from changed pixels in the log-ratio image. Experimental results obtained on multitemporal SAR images of Toronto and Beijing demonstrate the effectiveness of the proposed approach.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle