Key points are not available for this paper at this time.
Zusammenfassung Multi-Look-Polarimetrische SAR (synthetisches Aperturradar)-Daten können entweder in Form von Mueller-Matrizen oder in Form von komplexen Kovarianzmatrizen dargestellt werden. Letztere hat eine komplexe Wishart-Verteilung. Ein Maximum-Likelihood-Klassifikator zur Segmentierung polarimetrischer SAR-Daten entsprechend den Geländetypen wurde basierend auf der Wishart-Verteilung entwickelt. Dieser Algorithmus kann auch auf multifrequente Multi-Look-Polarimetrische SAR-Daten sowie auf SAR-Daten, die nur Intensitätsinformationen enthalten, angewendet werden. Es wird dann ein Verfahren für die unüberwachte Klassifizierung entwickelt. Der Klassifikationsfehler wird durch Monte-Carlo-Simulation von Multi-Look-Polarimetrischen SAR-Daten bewertet, aufgrund des Mangels an Bodenwahrheit für jedes Pixel. Es werden auch Vergleiche der Klassifikationsfehler unter Verwendung der Trainingssätze und der Single-Look-Daten angestellt. Die Anwendungen dieses Algorithmus werden mit NASA/JPL P-, L- und C-Band Polarimetrischen SAR-Daten demonstriert.
Lee et al. (Wed,) untersuchten diese Frage.