文献

J-GLOBAL ID：202202287351647821   整理番号：22A0287475

単一ベースラインPバンド偏光SAR干渉測定のための機械学習反転【JST・京大機械翻訳】

Machine Learning Inversion for Single-Baseline P-Band Polarimetric SAR Interferometry

著者 (5件)： Sun Xiaofan (National Key Laboratory of Microwave Imaging Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Wang Bingnan (National Key Laboratory of Microwave Imaging Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Xiang Maosheng (National Key Laboratory of Microwave Imaging Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Fu Xikai (Key Laboratory of Technology in Geo-Spatial Information Processing and Application System, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Jiang Shuai (China Academy of Space Technology, Beijing Institute of Spacecraft System Engineering, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4000305.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本レターは,Pバンド偏光干渉合成開口レーダ(Pol-InSAR)のための機械学習反転方式を提案して,それは,ヌル地上対体積比の仮定なしで,地上(RVoG)モデル反転に関する単一ベースラインランダム体積を達成することができた。第1に,入射角と位相多様性最適化条約で取得したPDHighコヒーレンスを含むポテンシャル変数を,森林垂直構造に関連させて,RVoGモデルにおける消衰係数との相関を分析した。次に,機械学習方式を適用して,それらの潜在的変数によって特徴付けられた消衰係数を予測した。最後に,消衰係数を固定する場合,森林高さを複雑な平面上の幾何学的過程によって推定した。実際のPol-InSARデータ検証は,提案したスキームの反転性能が従来の方式のそれを上回ることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コヒーレンス ,  最適化 ,  *偏光 ,  森林 ,  構造 ,  干渉測定 ,  条約 ,  位相 ,  基準線 ,  入射角 ,  体積率 ,  *機械学習
準シソーラス用語： InSAR ,  消衰係数 ,  データ検証 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： ベースライン ,  バンド ,  偏光 ,  SAR ,  干渉測定 ,  機械学習 ,  反転