[n° ou bulletin]
[n° ou bulletin]
| ![]() |
Exemplaires(1)
Code-barres | Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|---|
059-2021091 | RAB | Revue | Centre de documentation | En réserve L003 | Disponible |
Dépouillements
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
A Bayesian displacement field approach to accurate registration of SAR images / Mingtao Ding in Geocarto international, vol 36 n° 9 ([15/05/2021])
![]()
[article]
Titre : A Bayesian displacement field approach to accurate registration of SAR images Type de document : Article/Communication Auteurs : Mingtao Ding, Auteur ; Hongyan Wang, Auteur ; Lichun Sui, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 1007 - 1026 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] arc
[Termes IGN] enregistrement de données
[Termes IGN] estimation bayesienne
[Termes IGN] image radar moirée
[Termes IGN] implémentation (informatique)
[Termes IGN] inférence
[Termes IGN] méthode de Monte-Carlo par chaînes de Markov
[Termes IGN] méthode du maximum de vraisemblance (estimation)
[Termes IGN] processeur graphique
[Termes IGN] superposition d'images
[Termes IGN] transformationRésumé : (auteur) Precise registration of synthetic aperture radar (SAR) images is a nontrivial task since a change in radar-acquisition geometry generates image shifts. In existing system, either the transformation functions are oversimplified, or external measures such as digital elevation model and flight track are required to be precise. In this paper, we proposed a generative Bayesian approach to modelling the displacement vectors that map the position of each pixel in the image, thus avoiding degradation of the transformation function. Rather than providing a point estimate for the transformation function, the proposed method yields a full posterior density function of the transformation function. Especially, the Bayesian model learns all the parameters adaptively, and the procedure is fully automatic. The proposed model is comparable in accuracy to state-of-the-art optical flow methods on the challenging Sintel benchmarks, and outperforms currently published SAR image registration methods on some real SAR data with critical scenes. Numéro de notice : A2021-343 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1633418 Date de publication en ligne : 07/07/2019 En ligne : https://doi.org/10.1080/10106049.2019.1633418 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97584
in Geocarto international > vol 36 n° 9 [15/05/2021] . - pp 1007 - 1026[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 059-2021091 RAB Revue Centre de documentation En réserve L003 Disponible