MétaCan
Menu
Retour à la cohorte
Enregistrement W4319586840 · doi:10.1109/radar53847.2021.10028338

Video SAR Image Fusion Using the Effective Reflection Coefficient

2021· article· en· W4319586840 sur OpenAlexaff
Dan Song, Ratnasingham Tharmarasa, Kun Han, Guopeng Li, Thiagalingam Kirubarajana, Mike McDonald

Notice bibliographique

Revue2021 CIE International Conference on Radar (Radar) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced SAR Imaging Techniques
Établissements canadiensDefence Research and Development CanadaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSynthetic aperture radarOpticsImage fusionAperture (computer memory)Reflection (computer programming)Artificial intelligenceFusionReflection coefficientComputer visionImage (mathematics)ScatteringImage resolutionComputer sciencePhysicsAcoustics

Résumé

récupéré en direct d'OpenAlex

The video synthetic aperture radar (ViSAR), as a mode for sensing in an ever-wider synthetic aperture by sequentially forming SAR images on a series of contiguous or overlapping sub-apertures, has the promising capability to capture wide-angle scattering behavior of objects. In this paper, a novel method for ViSAR image fusion is proposed. First, the ViSAR imaging mode is analyzed and modeled. Based on this model, the reflection coefficient (RC) is then estimated and the significant RC is detected in each sub-aperture image. These detection results are then fused across sub-aperture images to detect scatterers in the area of interest. The performance of the proposed method is evaluated using a simulated scenario and compared with that of the conventional ViSAR image fusion method based on the generalized likelihood ratio test. Numerical results demonstrate the advantages of the proposed method in capturing the aspect-dependent scattering characteristics as well as the spatial structure of objects.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil0,914

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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,317
Écart entre enseignants0,292 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 CIE International Conference on Radar (Radar)Même sujetAdvanced SAR Imaging TechniquesTravaux en français237 207