The spatial resolution for UAVSAR and TerraSARimagery are 5.5m and 1m  การแปล - The spatial resolution for UAVSAR and TerraSARimagery are 5.5m and 1m  ไทย วิธีการพูด

The spatial resolution for UAVSAR a

The spatial resolution for UAVSAR and TerraSAR
imagery are 5.5m and 1m respectively. This research focuses
on analyzing the ability of each polarization channel in
identifying the landslides with different frequency bands of
synthetic aperture radar imagery. The UAVSAR multi
polarized, multi-look radar image acquired on 25 January,
2010 and the TerraSAR-X dual polarized high resolution
spotlight imagery acquired on 15 September, 2010 were used
in the analysis. In this study, the HH and VV backscattering
behavior of X-band and L-band radar backscatter from the
landslide has been investigated.

A. Study Area
The study area is a stretch of 230 km of levees along the
lower Mississippi River along the western boundary of the
state of Mississippi. At the time of image acquisition there was
one active landslide (latitude 32.5685, longitude -91.0393)
north of Vicksburg, Mississippi. A subset of 0.7 km length
containing this active landslide was chosen as the area of
analysis. The geo-referenced layers used in the analyses have
been masked by a 40 meter buffer from the crown of the levee
on the river side (where the landslides primarily occur). The
ground truth data was collected by the US Army Corp. of
Engineers (USACE) and the landslide polygons were drawn
using a GPS instrument during field data collection trips. This
data contains the location and timing of landslide appearance,
dimensions of the landslides, and their repair status.

III. DISCRETE WAVELET TRANSFORM (DWT) FEATURES
In SAR images, texture and intensity are the two important
parameters for the classification tasks. The roughness and
related textural characteristics of the soil affect the amount and
pattern of radar backscatter. Statistical texture analysis is very
important in this study since it allows better representation and
segmentation of various objects on the levee.
In this study, textural features derived from the SAR
imagery using discrete the wavelet transform (DWT) have
been used in the classification tasks. In DWT, the procedure
starts with passing the original SAR backscatter coefficients
through a set of high-pass and low-pass filters in a filter bank
followed by down sampling by a factor of two as shown in Fig.
1. The outputs from the low-pass branch are called wavelet
approximation coefficients and the outputs from the high-pass
branch are called wavelet detail coefficients. The
approximation features provide coarse textural information
from the image whereas the detail coefficients provide the
detail information.

IV. ANOMALY DETECTION
Detecting anomalies in the radar imagery involves
locating pixels with spectral signatures that are significantly
different from the background. RX Anomaly detector, a
training–free unsupervised classification scheme, detects
signatures that are distinct from the surroundings with no prior
knowledge. These unsupervised techniques are very fast and
do not depend on ground truth information. The algorithm
uses the covariance matrix to calculate the Mahalanobis
distance between the test pixels and the mean of the
background pixels. Suppose D is the number of spectral bands
and r is a Dx1 column pixel vector of the image. Then the RX
detector (RXD) implements a filter specified by

where μ is the global sample mean of the image subset and
KDxD is the sample covariance matrix of the image.

0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
การแก้ปัญหาพื้นที่สำหรับ UAVSAR และ TerraSARภาพ 5.5 เมตรและ 1 เมตรตามลำดับ งานวิจัยนี้มุ่งเน้นในการวิเคราะห์ความสามารถของแต่ละช่องโพลาไรซ์ระบุแผ่นดินถล่มที่ มีแถบความถี่ที่แตกต่างกันของภาพถ่ายเรดาร์สังเคราะห์แสง หลาย UAVSARภาพเรดาร์โพลาไรซ์ หลายลักษณะมาบน 25 มกราคม2010 และขั้วคู่ TerraSAR X ความละเอียดสูงใช้ถ่ายสปอตไลท์มาบน 15 กันยายน 2010ในการวิเคราะห์ ในการศึกษานี้ ชชและเหล่า backscatteringลักษณะการทำงานของวง X และวง L backscatter เรดาร์จากการมีการตรวจสอบดินถล่มพื้นที่การศึกษาอ.พื้นที่ศึกษาคือ ยืดกม. 230 ของ levees ตามต่ำกว่าแม่น้ำมิสซิสซิปปีตามขอบตะวันตกของรัฐมิสซิสซิปปี เมื่อรูปภาพ ถูกซื้อมีดินถล่มที่ใช้งานอยู่หนึ่ง (ละติจูด 32.5685 ลองติจูด-91.0393)ทางตอนเหนือของ Vicksburg มิสซิสซิปปี ย่อยยาว 0.7 kmประกอบด้วยดินถล่มนี้ใช้งานอยู่ถูกเลือกให้เป็นพื้นที่ของวิเคราะห์ เลเยอร์การอ้างอิงทางภูมิศาสตร์ที่ใช้ในการวิเคราะห์ได้การหลอกลวง โดยบัฟเฟอร์ 40 เมตรจากมงกุฎคันดินธรรมชาติบนฝั่งแม่น้ำ (ที่แผ่นดินถล่มที่หลักเกิดขึ้น) ที่พื้นความจริงข้อมูลถูกรวบรวม โดยเรากองทัพ corp.ของวาดรูปหลายเหลี่ยมดินถล่มและวิศวกร (USACE)ใช้เครื่องมือ GPS ในระหว่างการศึกษาเก็บรวบรวมข้อมูล นี้ประกอบด้วยข้อมูลสถานและเวลาของลักษณะดินถล่มขนาดของแผ่นดินถล่ม สถานะการซ่อมแซมIII. แยกกัน WAVELET แปลงคุณลักษณะ (DWT)ในเขตปกครองพิเศษ ภาพ พื้นผิว และความเข้มสำคัญทั้งสองพารามิเตอร์สำหรับงานประเภท ในความหยาบ และลักษณะ textural ของดินส่งผลกระทบต่อจำนวนเงินที่เกี่ยวข้อง และรูปแบบของ backscatter เรดาร์ เนื้อสถิติวิเคราะห์เป็นมากสำคัญในการศึกษานี้เนื่องจากจะช่วยให้การแสดงดี และการแบ่งกลุ่มของวัตถุต่าง ๆ บนคันดินธรรมชาติในการศึกษานี้ คุณลักษณะ textural มาจากเขตปกครองพิเศษภาพที่ใช้เดี่ยว ๆ ได้แปลง wavelet (DWT)การใช้งานประเภท ใน DWT ขั้นตอนเริ่มต้น ด้วยช่วย backscatter สัมประสิทธิ์เดิมของปีการศึกษาผ่านชุดของตัวกรอง ผ่านสูง และ รอบต่ำในธนาคารกรองตามด้วยลงสุ่มตัวอย่าง โดยตัวสองดังที่แสดงในฟิก1. การแสดงผลจากสาขาผ่านต่ำเรียกว่า waveletประมาณสัมประสิทธิ์และผลจากรอบสูงสาขาเรียกว่าสัมประสิทธิ์ wavelet รายละเอียด ที่ประมาณคุณลักษณะให้ข้อมูลหยาบ texturalจากภาพ โดยให้ค่าสัมประสิทธิ์รายละเอียดข้อมูลรายละเอียด IV. ช่วยตรวจสอบเกี่ยวข้องกับการตรวจหาความผิดในภาพเรดาร์ค้นหาพิกเซลกับลายเซ็นสเปกตรัมที่มีอย่างมีนัยสำคัญแตกต่างจากพื้นหลัง เครื่องตรวจจับความผิดปกติของจำนวน การ-ฝึกอบรมฟรี unsupervised ประเภทโครงร่าง ตรวจพบลายเซ็นที่แตกต่างจากสภาพแวดล้อมที่มีก่อนไม่ความรู้ เทคนิค unsupervised เหล่านี้ได้อย่างรวดเร็ว และไม่ขึ้นอยู่กับข้อมูลความจริงดิน อัลกอริทึมการใช้เมตริกซ์ความแปรปรวนร่วมเพื่อคำนวณการ Mahalanobisระยะห่างระหว่างเซลทดสอบค่าเฉลี่ยของการพิกเซลพื้นหลัง สมมติว่า D คือ จำนวนแถบสเปกตรัมและ r คือ เวกเตอร์ Dx1 คอลัมน์พิกเซลของรูปภาพ แล้วจำนวนเครื่องตรวจจับ (RXD) ใช้ตัวกรองที่ระบุโดย หมายความว่าตัวอย่างโลกของรายการย่อยรูปμ และKDxD เป็นเมตริกซ์ความแปรปรวนร่วมของตัวอย่างของรูปภาพ
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
ความละเอียดเชิงพื้นที่สำหรับ UAVSAR และ TerraSAR
ภาพเป็น 5.5m และ 1 เมตรตามลำดับ การวิจัยครั้งนี้มุ่งเน้นไปที่การวิเคราะห์ความสามารถของแต่ละช่องทางโพลาไรซ์ในการระบุถล่มด้วยคลื่นความถี่ที่แตกต่างกันของรูรับแสงภาพเรดาร์สังเคราะห์ UAVSAR หลายขั้วดูหลายภาพเรดาร์ที่ได้มาวันที่25 มกราคมปี2010 และ TerraSAR-X ความละเอียดสูงแบบคู่ขั้วภาพปอตไลท์ที่ได้มาเมื่อวันที่15 กันยายน 2010 ถูกนำมาใช้ในการวิเคราะห์ ในการศึกษาครั้งนี้เอชเอชและ backscattering VV พฤติกรรมของ X-band และ L-วงแสงสะท้อนเรดาร์จากดินถล่มได้รับการตรวจสอบ. เอ การศึกษาเขตพื้นที่การศึกษาการยืดของ 230 กิโลเมตรจากเขื่อนไปตามที่ต่ำกว่าแม่น้ำมิสซิสซิปปีตามแนวพรมแดนด้านตะวันตกของรัฐมิสซิสซิปปี้ ในช่วงเวลาของการเข้าซื้อกิจการของภาพมีหนึ่งถล่มที่ใช้งาน (ละติจูด 32.5685 ลองจิจูด -91.0393) ทางตอนเหนือของวิกสเบิร์ก ส่วนหนึ่งของความยาว 0.7 กิโลเมตรมีดินถล่มท่านนี้ได้รับเลือกให้เป็นพื้นที่ของการวิเคราะห์ ชั้นอ้างอิงทางภูมิศาสตร์ที่ใช้ในการวิเคราะห์ได้รับการหลอกลวงโดยบัฟเฟอร์ 40 เมตรจากมงกุฎของเขื่อนกั้นน้ำที่ริมแม่น้ำ(ที่ถล่มส่วนใหญ่เกิดขึ้น) ข้อมูลความจริงพื้นดินที่ถูกเก็บรวบรวมโดยกองทัพสหรัฐคอร์ปของวิศวกร (USACE) และรูปหลายเหลี่ยมถล่มถูกดึงโดยใช้เครื่องมือจีพีเอสในระหว่างการเดินทางเก็บข้อมูลสนาม ซึ่งข้อมูลที่มีสถานที่และระยะเวลาของการปรากฏตัวของดินถล่มขนาดของแผ่นดินถล่มและสถานะการซ่อมแซมของพวกเขา. III ไม่ต่อเนื่องเวฟ (DWT) คุณสมบัติในภาพSAR เนื้อและความรุนแรงเป็นสองสิ่งที่สำคัญพารามิเตอร์สำหรับงานการจัดหมวดหมู่ ขรุขระและลักษณะเนื้อสัมผัสที่เกี่ยวข้องของดินส่งผลกระทบต่อจำนวนเงินและรูปแบบของการสะท้อนเรดาร์ การวิเคราะห์ทางสถิติเนื้อเป็นอย่างมากที่มีความสำคัญในการศึกษาครั้งนี้เนื่องจากจะช่วยให้การแสดงที่ดีขึ้นและการแบ่งส่วนของวัตถุต่างๆในเขื่อน. ในการศึกษานี้คุณลักษณะเนื้อสัมผัสที่ได้มาจากเขตปกครองพิเศษภาพต่อเนื่องโดยใช้การแปลงเวฟ (DWT) ได้ถูกนำมาใช้ในงานการจัดหมวดหมู่ DWT ในขั้นตอนเริ่มต้นด้วยการส่งผ่านค่าสัมประสิทธิ์backscatter SAR เดิมผ่านชุดของการส่งผ่านสูงและตัวกรองผ่านต่ำในธนาคารกรองตามด้วยการสุ่มตัวอย่างลงโดยปัจจัยที่สองดังแสดงในรูปได้. 1 ขับจากสาขาต่ำผ่านที่เรียกว่าเวฟค่าสัมประสิทธิ์การประมาณและผลจากสูงผ่านสาขาที่เรียกว่าค่าสัมประสิทธิ์เวฟรายละเอียด คุณสมบัติใกล้เคียงให้ข้อมูลเนื้อสัมผัสหยาบจากภาพในขณะที่ค่าสัมประสิทธิ์รายละเอียดให้ข้อมูลรายละเอียด. IV ความผิดปกติตรวจการตรวจสอบผิดปกติในภาพเรดาร์เกี่ยวข้องกับตำแหน่งพิกเซลที่มีลายเซ็นสเปกตรัมที่มีนัยสำคัญที่แตกต่างจากพื้นหลัง เครื่องตรวจจับความผิดปกติ RX เป็นโครงการประเภทใกล้ชิดการฝึกอบรมฟรีตรวจพบลายเซ็นที่มีความแตกต่างจากสภาพแวดล้อมที่ไม่มีก่อนที่ความรู้ เทคนิคเหล่านี้ใกล้ชิดมีความรวดเร็วและไม่ขึ้นอยู่กับข้อมูลความจริงพื้นดิน ขั้นตอนวิธีการใช้เมทริกซ์ความแปรปรวนในการคำนวณ Mahalanobis ระยะห่างระหว่างพิกเซลและทดสอบค่าเฉลี่ยของพิกเซลพื้นหลัง สมมติว่า D เป็นจำนวนวงดนตรีสเปกตรัมและR คือพิกเซลคอลัมน์ DX1 เวกเตอร์ของภาพ จากนั้น RX ตรวจจับ (RXD) ใช้ตัวกรองที่ระบุโดยที่μคือค่าเฉลี่ยของกลุ่มตัวอย่างทั่วโลกของเซตภาพและKDxD แปรปรวนเมทริกซ์เป็นตัวอย่างของภาพ































































การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
ความละเอียดเชิงพื้นที่และ uavsar terrasar
ภาพถ่ายเป็น 1M และ 5.5 ตามลำดับ การวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ความสามารถของแต่ละคน

เป็นช่องทางในการดินถล่มที่มีแถบความถี่ของ
รูเรดาร์สังเคราะห์ภาพ การ uavsar หลาย
ขั้ว ดูภาพหลายเรดาร์ได้ในวันที่ 25 มกราคม 2553 , และสองขั้ว terrasar-x

ความละเอียดสูงสปอตไลท์ภาพได้มาเมื่อ 15 กันยายน 2010 ใช้
ในการวิเคราะห์ ในการศึกษานี้ และพฤติกรรมของ backscattering HH VV กซ์ แบนด์เรดาร์และกระทันหันกระเจิงกลับจาก
ดินถล่มได้รับการสอบ

A
พื้นที่ศึกษาคือพื้นที่ศึกษายืด 230 km ของเขื่อนตาม
ล่างแม่น้ำมิสซิสซิปปีตามตะวันตกขอบเขตของ
รัฐมิสซิสซิปปี้ในเวลาที่ซื้อ มีรูปเดียวที่ใช้งาน ( 32.5685
ดินถล่มละติจูดลองจิจูด - 91.0393 )
ทางเหนือของวิก มิสซิสซิปปี้ เป็นเซตย่อยของ 0.7 กิโลเมตร
ที่มีดินถล่ม งานนี้ได้เลือกพื้นที่ของ
การวิเคราะห์ ที่อ้างอิงทางภูมิศาสตร์ ชั้น ใช้ในการวิเคราะห์ได้
ถูกหลอกลวงโดย 40 เมตรกันชนจากเขื่อน
มงกุฎบนแม่น้ำข้าง ( ที่แผ่นดินถล่มเป็นหลักเกิดขึ้น ) ข้อมูล
ความจริงพื้นดินรวบรวมโดยกองทัพสหรัฐคอร์ปของ
วิศวกร ( USACE ) และดินถล่มรูปหลายเหลี่ยมวาด
ใช้เครื่องมือ GPS ระหว่างเดินทางเก็บข้อมูลภาคสนาม ข้อมูลนี้มีสถานที่และเวลา

ขนาดของดินถล่ม ลักษณะของดินถล่ม และสถานะการซ่อมของพวกเขา .

3แปลงเวฟเล็ตแบบไม่ต่อเนื่อง ( DWT ) คุณสมบัติ
ใน SAR ภาพ พื้นผิว และความรุนแรงเป็นสำคัญสอง
พารามิเตอร์สำหรับการจำแนกงาน ความขรุขระและ
ที่เกี่ยวข้องเนื้อลักษณะของดินมีผลต่อปริมาณและ
แบบกระเจิงกลับเรดาร์ การวิเคราะห์เนื้อข้อมูลสำคัญในการศึกษานี้มาก

เพราะมันช่วยให้แทนดีกว่า และการแบ่งส่วนของวัตถุต่าง ๆบนคันนา .
ในการศึกษานี้ได้มาจากเนื้อคุณสมบัติเพิ่มภาพถ่ายโดยใช้การแปลงเวฟต่อเนื่อง

( DWT ) ได้ถูกใช้ในการจัดหมวดหมู่งาน ใน DWT , ขั้นตอนเริ่มด้วย

ส่ง SAR กระเจิงกลับค่าเดิมผ่านชุดผ่านสูงและตัวกรองผ่านต่ําในธนาคารกรอง
ตามด้วยลง ) โดยปัจจัยดังแสดงในรูปที่ 2
1 ผลผลิตจากผ่านต่ําสาขาเรียกว่าเวฟ
ประมาณค่าสัมประสิทธิ์ และผลผลิตจากสาขาผ่าน
สูงเรียกว่าเวฟรายละเอียดค่าสัมประสิทธิ์

การประมาณคุณลักษณะให้ข้อมูลเนื้อหยาบจากภาพและรายละเอียดให้ข้อมูลรายละเอียดค่า



ตรวจจับความผิดปกติ IVภาพเรดาร์ตรวจจับความผิดปกติในเกี่ยวข้องกับ
ซึมพิกเซลที่มีลายเซ็นสเปกตรัมที่แตกต่างกัน
แตกต่างจากพื้นหลัง เครื่องตรวจจับความผิดปกติ RX , อบรมฟรีโครงการ unsupervised
–การตรวจสอบ
ลายเซ็นที่แตกต่างจากสภาพแวดล้อมที่ไม่มีความรู้ก่อน
. เทคนิคเหล่านี้มีความรวดเร็วและ unsupervised
ไม่ขึ้นอยู่กับข้อมูลความจริงพื้นดิน
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: