Synthetic aperture radar phase unwrapping using region-growing with polynomial-based phase prediction
Notice bibliographique
Résumé
Phase unwrapping for interferometric synthetic aperture radar (InSAR) remains a challenge due to the presence of speckle noise and temporal decorrelation in many interferograms. This paper proposes a polynomial-based region-growing phase unwrapping (PBRGPU) approach that is built on the region-growing phase unwrapping (RGPU) approach in Xu and Cumming (Xu and Cumming. 1996. A region growing algorithm for insar phase unwrapping. IGARSS 96. International Geoscience and Remote Sensing Symposium. 31–31 May 1996. Lincoln, NE, USA. doi:https://doi.org/10.1109/igarss.1996.516883). The proposed approach iteratively performs phase unwrapping at the edges of multiple seeded regions using a least-squares polynomial phase prediction, which allows for the use of statistically rigorous quality assurance to remove low quality pixels from further processing. Here, a user-specified statistical confidence interval is more intuitive to users than the threshold parameters used by other algorithms. The proposed approach is currently the only phase unwrapping approach to take this strategy with its quality assurance. The proposed approach was found to improve upon the solution quality of the RGPU approach, in some cases achieving a tenfold decrease in root-mean-square error for simulated data. The PBRGPU approach performed well when applied to RADARSAT-2 data collected over Polar Bear Provincial Park (Ontario, Canada). The PBRGPU solutions were consistently on par with or superior to those generated by SNAPHU in terms of accuracy. While the PBRGPU approach does lag behind SNAPHU in terms of the domain of the solution, with SNAPHU unwrapping a significantly larger portion of the interferogram in all test cases, this issue could readily be mitigated through post-processing of the unwrapped interferogram. The proposed approach provides a solid foundation for region-growing algorithms that adapt to local noise levels and integrate all available information rather than relying on preprocessing strategies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».