A Novel Successive Cancellation Method to Retrieve Sea Wave Components from Spatio-Temporal Remote Sensing Image Sequences
Notice bibliographique
Résumé
In this paper, we consider retrieving individual wave components in a multi-directional sea wave model. To solve this problem, a currently and commonly used method is three-dimensional discrete Fourier transform (3D DFT) on the radar image sequence. However, the uniform frequency and the uniform wavenumber in a wavenumber frequency domain can not always strictly satisfy the dispersion relation, and the spectral leakage in both temporal and spatial domains exists due to the limited analysis area selected from an image sequence. As a result, the DFT method incurs undesirable error performance in retrieving directional wave components. By deeply investigating the data structure of the multi-directional sea wave model, we obtain a new and decomposable matrix representation for processing the wave components. Then, a novel successive cancellation method is proposed to efficiently and effectively extract individual wave components, whose frequency and wavenumber rigorously satisfy the liner dispersion relation. Thus, it avoids spectral leakage in the spatial domain. The algorithm is evaluated by using linear synthetic wave image sequences. The validity of the proposed novel algorithm is verified by comparing the retrieved parameters of amplitude, phase, and direction of the individual wave components with the simulated parameters as well as those obtained by using the 3D DFT method. In addition, the reconstructed sea field using the retrieved wave components is also compared with the simulated remote sensing images as well as those attained using the inverse 3D DFT method. All the simulation results demonstrate that our proposed algorithm is more effective and has better performance for retrieving individual wave components from the spatio-temporal remote sensing image sequences than the 3D DFT method.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».