Adaptive sequential estimator for InSAR time series phase estimation
Notice bibliographique
Résumé
The coherence estimation errors in phase linking can be mitigated through the weighted alignment of interferometric pairs and the intermediate filtering of data subsets. The Sequential Estimator (SE) serves as a representative method. It divides the coherence-weighted matrix into smaller subsets, using image compression and recursive estimation to enhance phase linking. However, the SE method has inherent limitations due to its dependence on fixed subset size and manual parameter setting, which hinder its application in complex, natural scenarios. In such environments, the distributions of coherent and low-coherence signals are often unpredictable. To address such limitations, this paper proposes an Adaptive Sequential Estimator (ASE) method. First, an adaptive coherence-weighted matrix partitioning method is proposed. Utilizing Otsu’s algorithm and a local subset merging algorithm, it adaptively generates data subsets which are dynamically tailored to the coherence distribution. Second, a modified sequential estimator is proposed. It selects the optimal subsets from the list with multiple merging degrees, to guide image compression and recursive phase estimation. Based on these, the ASE method adaptively prioritizes coherent information while minimizing the impact of decorrelation noise, thereby improving phase estimation accuracy. Experimental evaluation is conducted using 30 Radarsat-2 SAR images with VV polarization, including the quantitative and visual comparisons between the ASE method and existing methods. The results indicate that the ASE method outperforms other methods, and is particularly well-suited to handling the variable coherence matrix in natural scenarios. Compared to SE, the ASE method increases the distributed scatterer point density with 7%.
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 | 0,000 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».