排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
GB-InSAR(Ground-based Interferometric Synthetic Aperture Radar,地基干涉合成孔径雷达)是一种新型的形变测量工具,应用于长期连续监测时,为了保证形变测量的准确性和实时性,通常需要将SAR图像进行分组处理,并基于PS(Permanent Scatterer,永久散射体)技术实现形变反演。对长时间SAR图像序列的分析结果表明,像素点的幅值会随时间发生较大的变化,导致采用固定的幅度离差门限来选择PS点时,各组PS的数量会发生极大改变,严重影响形变测量的精度。本文提出了一种基于K-Means(K均值)聚类的时序GB-InSAR图像PS实时选择方法,首先对时序图像进行分组,然后利用各组图像的像素点幅度和相关系数,基于K-Means算法进行两级聚类。对一处露天矿坑实测数据的分析结果表明,本文方法在保证了各组图像的PS点足够多的同时,对PS点数量的稳定性也有大幅提高。 相似文献
2.
1