MétaCan
Menu
Retour à la cohorte
Enregistrement W2166447305 · doi:10.1109/tgrs.2007.907192

A New Application for PolSAR Imagery in the Field of Moving Target Indication/Ship Detection

2007· article· en· W2166447305 sur OpenAlexaff
Chen Liu, Christoph H. Gierull

Notice bibliographique

RevueIEEE Transactions on Geoscience and Remote Sensing · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésClutterComputer scienceSynthetic aperture radarAzimuthMoving target indicationRadar imagingInverse synthetic aperture radarInterferometryRemote sensingStationary target indicationArtificial intelligencePolarization (electrochemistry)Computer visionBistatic radarRadarGeologyPhysicsContinuous-wave radarOpticsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Recent analysis of a polarimetric synthetic aperture radar (PolSAR) velocity experiment has shown that azimuth ambiguities can provide useful information for the detection of moving targets with an across-track velocity component in PolSAR images using cross-polarization clutter cancellation. This paper examines this phenomenon using theoretical analysis and simulations and illustrates its application with experimental results. It is shown that, for reciprocal scatterers, the phase difference between HV and VH images is zero, whereas for HV and VH ambiguities, the phase difference is pi. For land applications, clutter cancellation is essential for the detection of moving targets in PolSAR images. For maritime applications, it can be used to distinguish images from ambiguities. However, it is important to note that the underlying physical reasons for the performance of clutter cancellation are entirely different from ground moving target indication along-track interferometric SAR. It is also shown that cross-pol clutter cancellation is related to filtering of a double-rate-sampled single-channel SAR signal.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,247
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Geoscience and Remote SensingMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207