Analysis of Orientation Angle Shifts on the Polarimetric Data Using Radarsat2 Images
Notice bibliographique
Résumé
Polarization orientation angle (POA) shifts induced by the variations of range and azimuth slopes cause the polarization to rotate about the radar line of sight. Their existence reduces the accuracy measurement of geophysical parameters from polarimetric synthetic aperture radar (PolSAR) images and may generate erroneous scattering characteristics that could be misinterpreted. In real situations, terrain slopes rotate the polarization basis of the polarimetric scattering matrices by an orientation angle shift, and induce significant cross-polarization power. Consequently, it is desirable to compensate the data for the orientation effect before applying scattering model-based decompositions. In this paper, we investigate the compensation effect on the elements of the coherency matrix using the orientation angle extracted from circular polarization technique and from the copolarization signature applied to building areas. The effect of this compensation is that the volume scattering power is consistently decreased, while the double-bounce power is increased. The surface and helix scattering powers are roll invariant. Comparing both methods, we find that the circular polarization algorithm gives mostly the best results except for some targets. In this way, a combined use of both algorithms has been proposed to choose an optimum orientation angle, which can be used directly to compensate POLSAR data to ensure improvement in the overall polarimetric decomposition and classification. We illustrate our results using the polarimetric SAR images acquired on the Algiers city by the RadarSAT2 (FQ19) in C-band.
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 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 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».