Structurization of synthetic aperture radar information by using neural networks
Structurization of synthetic aperture radar information by using neural networks
复制标题
利用神经网络构建合成孔径雷达信息
DOI：
10.1109/bigsardata.2017.8124936
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
R. Natsuaki
中科院分区：
文献类型：
--
作者：
A. Hirose;S. Tsuda;R. Natsuaki
最近由星载合成孔径雷达（SAR）系统收集的地球观测数据增长迅速。以前，我们建议将收集的数据结构化为易于使用的形式，以广泛利用数据。在那里，我们采用卷积神经网络提取土地的形状特征，实现自动度量的局部区域补丁的基础上获得的SAR图像的teiTain功能。本文回顾了成功的度量的建议，这导致总的大SAR数据结构化。
Recent earth observation data gathered by satellite-borne synthetic aperture radar (SAR) systems grow vei7 rapidly. Previously we proposed the structurization of the gathered data into an easy-to-use form for extensive utilization of the data. There we employ convolutional neural networks to extract lands shape features to realize automatic metrization of local area patches based on teiTain features obtained as SAR images. This paper reviews successful metrization in the proposal, which leads to total big-SAR-data structurization.
极化合成孔径雷达庞加莱球空间中无监督双阶段学习的自适应土地分类和新类生成
影响因子：
6
作者：
Y. Takizawa;F. Shang;and A. Hirose
通讯作者：
and A. Hirose