根据项目工作计划,本进度报告概述了项目第二年开展的技术活动。更具体地说,它包括

  • 回顾全偏振三维InISAR 算法及其通过伪代码的实现。

  • 3D InISAR 算法的性能分析。在这方面,提出并比较了两种不同的方法,即基于相干的方法和基于跨度的方法。利用模拟数据和真实数据强调了这两种方法的优缺点。事实上,模拟数据可以对三维重建精度进行数值量化,但也有一定的局限性,因为模拟数据无法忠实再现不同角度下的偏振目标散射机制。另一方面,真实数据是真实的(即使是在受控几何条件下获取的),但不能用于对重建精度进行数值量化。

  • 两种 ATR 算法的设计和初步实施(用于初步验证),将在项目的第三年进行全面测试。

图 2.1: 使用基于 Pol-InISAR 的拟议方法进行三维目标形成的总体框图。

该项目正在按照工作计划进行。提出并比较了利用全偏振数据估算目标高度的两种方法。通过定义合适的指标,对已实施的方法进行了仔细深入的分析。结果表明,与单偏振算法相比,在形成三维 InISAR 图像时使用偏振信息非常有效。这些算法在模拟数据和真实数据上都进行了测试。通过模拟数据,我们可以对所建议方法的准确性进行数值量化。真实数据证明了算法在真实数据上的有效性,并证明了基于 SPAN 的算法相对于基于相干性的算法的局限性。最后,我们提出并初步实施了两种 ATR 算法,以验证其可行性。其中一个属于模板匹配方法的分支,第二个属于机器学习的分支。这项工作将继续进行,最终实施和完善分类算法及其性能评估。

成为VIP会员查看完整内容
17

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
实战 | 基于深度学习模型VGG的图像识别(附代码)
七月在线实验室
12+阅读 · 2018年3月30日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
156+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
398+阅读 · 2023年3月31日
Arxiv
66+阅读 · 2023年3月26日
VIP会员
相关资讯
实战 | 基于深度学习模型VGG的图像识别(附代码)
七月在线实验室
12+阅读 · 2018年3月30日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员