algoritmi multirisoluzione per la determinazione della linea di

More documents

Recommendations

Info

suo valore viene calcolato utilizzando un metodo noto come DAR (Doppler Ambiguity Resolver). A seconda delle modalità di funzionamento utilizzate, vengono usati algoritmi diversi per la determinazione della frequenza Doppler del centro di massa. In particolare, a seconda del tipo di immagine, si utilizzano i seguenti algoritmi: • Immagini ad alta risoluzione in modalità Image e Wave: Multi-Look Cross Correlation (MLCC) • Modalità Alternating Polarisation e prodotti a media risoluzione elaborati con l’algoritmo SPECAN: algoritmo SPECAN per la stima della frequenza Doppler del centro di massa; la Fine Doppler Frequency viene invece stimata con l’algoritmo Look Power Balancing • Modalità Wide Swath: la frequenza Doppler del centro di massa viene stimata con il metodo Madsen e poi si affina ulteriormente la stima con il metodo Power Look Balancing; il fattore di ambiguità si risolve col metodo PRF (Pulse Repetition Frequency) • Modalità Global Monitoring: si usano gli stessi algoritmi presentati per le modalità Wide Swath ad eccezione dell’algoritmo Look Power Balancing, che non viene utilizzato poiché la quantità di dati in modalità Global Monitoring è troppo bassa per l’utilizzazione di tale metodo 1.11 METODO MADSEN Il metodo Madsen è utilizzato per determinare la parte relativa alla PRF (Pulse Repetition Frequency) della frequenza Doppler del centro di massa. E’ molto semplice da implementare ed è particolarmente adatto per l’elaborazione dei dati ScanSAR. Tale metodo stima la funziona di auto-correlazione dei dati e sfrutta il fatto che la fase della funzione di auto-correlazione può essere relazionata ad una traslazione Doppler nella funzione densità spettrale di potenza. - 24 -
I risultati ottenuti, in termini di efficienza, sono ottimi e non è necessario l’utilizzo di alcuna FFT (Fast Fourier Transform), così come è possibile evitare la ricerca dei picchi. Si utilizza questo metodo per una prima elaborazione dell’informazione che produce dati che vengono poi ulteriormente processati attraverso algoritmi più complessi dal punto di vista computazionale. Attraverso il metodo di Madsen si calcola il primo “LAG” della funzione di auto-correlazione, chiamato Coefficiente di Cross-correlazione (CCC) del campione azimutale adiacente. Tali coefficienti di cross-correlazione sono dei numeri complessi la cui fase è relazionata alla frequenza Doppler del centro di massa nella maniera seguente: Fηc = − Faφ/2π Bisogna sottolineare che la fase del coefficiente di cross-correlazione è noto solo all’interno dell’intervallo [0,2π]. Per questo motivo l’equazione riportata sopra non stima effettivamente la frequenza Doppler del centro di massa, ma effettua una stima della Fine Doppler Frequency. I coefficienti di cross-correlazione hanno valori diversi per ogni slant range (distanza radar-target). I vari slant range vengono suddivisi in gruppi e i coefficienti di correlazione ottenuti vengono mediati su ogni gruppo, ottenendo così i coefficienti medi di cross-correlazione (ACCC Average Cross Correlation Coefficients), uno per ogni gruppo. L’argomento di tali coefficienti è utilizzato per il calcolo della frequenza Doppler del centro di massa. 1.12 METODO MULTI-LOOK CROSS CORRELATION Il metodo Multi-Look Cross Correlation (MLCC) è utilizzato per stimare sia la parte intera sia la parte frazionaria della frequenza Doppler del centro di massa dei dati SAR. Lo stimatore determina il valore assoluto della frequenza Doppler, senza aliasing. Questo metodo presenta l’enorme vantaggio di poter - 25 -
Page 1 and 2: UNIVERSITA' DEGLI STUDI DI SIENA Fa
Page 3 and 4: CAPITOLO 3 - ALGORITMO SPECAN 3.1 A
Page 5 and 6: Introduzione Lo scopo principale di
Page 7 and 8: 1.1 SAR: OBIETTIVI Il contributo de
Page 9 and 10: • Wave Mode • Wide Swath • Gl
Page 11 and 12: incidenza variabile. Un’altra tec
Page 13 and 14: 1.5 INTRODUZIONE ALGORITMI DI ELABO
Page 15 and 16: Figura 4 - Compressione degli impul
Page 17 and 18: Se si considera un percorso di volo
Page 19 and 20: 1.7 STATISTICA DELLE IMMAGINI SAR A
Page 21 and 22: CVAR Γ ( L) Γ( L) −( Γ( L)) =
Page 23: • Raw Data Correction: si corregg
Page 27 and 28: Questo metodo può essere utilizzat
Page 29 and 30: determinato punto della superficie
Page 31 and 32: dove le dimensioni dell’immagine
Page 33 and 34: F = k F / L offset min a FFT dove L
Page 35 and 36: CAPITOLO 2 ALGORITMO RANGE DOPPLER
Page 37 and 38: fascio d’antenna, ovvero l’ener
Page 39 and 40: insieme e quello che si ottiene è
Page 41 and 42: l’uso della FFT. E’ da ricordar
Page 43 and 44: Nell’interferometria SAR si utili
Page 45 and 46: Figura 15 - Esposizione dei target
Page 47 and 48: Figura 17 - Errore di disallineamen
Page 49 and 50: ursty. L’energia ricevuta da un t
Page 51 and 52: Capitolo 3 ALGORITMO SPECAN - 51 -
Page 53 and 54: Figura 20 - Passi principali dell'a
Page 55 and 56: 3.4 ELABORAZIONE AZIMUTALE L’elab
Page 57 and 58: fase di interpolazione per eliminar
Page 59 and 60: anda di elaborazione. In tal modo
Page 61 and 62: Il secondo metodo, il cui vero nome
Page 63 and 64: Le dimensioni nominali della region
Page 65 and 66: impulsi con ampi prodotti tempo lar
Page 67 and 68: 4.1 GENERALITA’ Tutte le immagini
Page 69 and 70: - 69 - ( ) 1 ⎛t−b⎞ Wψf( a, b
Page 71 and 72: per ogni a a0 ( , ( )) < e 0 2 aba
Page 73 and 74: α = 0 . Per questo motivo il coeff
Page 75 and 76:
5.1 INTRODUZIONE Le immagini delle
Page 77 and 78:
edge vengono classificate come tali
Page 79 and 80:
0 influenza principalmente la scala
Page 81 and 82:
egioni connesse nell’immagine, se
Page 83 and 84:
6.1 INTRODUZIONE L’applicazione d
Page 85 and 86:
6.2 BLOCK BUNDLE ADJUSTMENT La cono
Page 87 and 88:
Figura 34 - Esempio posizionamento
Page 89 and 90:
6.4 CORREZIONE RADIOMETRICA E BILAN
Page 91 and 92:
CAPITOLO 7 ESTRAZIONE DELLA LINEA C
Page 93 and 94:
∇ Ii, j è il gradiente del livel
Page 95 and 96:
2 2 p ⎡ 1 ( x−µ 1) ⎤ 1 − p
Page 97 and 98:
L’accuratezza della posizione rel
Page 99 and 100:
inferiore al pixel, ovvero inferior
Page 101 and 102:
Figura 41 - Confronto con immagine
Page 103 and 104:
7.6 ACCURATEZZA PLANIMETRICA Un ult
Page 105 and 106:
8.1 GENERALITA’ Fino a questo pun
Page 107 and 108:
Nel caso dell’altro algoritmo, in
Page 109 and 110:
Come si nota dalla differenza tra l
Page 111 and 112:
Innanzitutto si è notato come il v
Page 113 and 114:
numero variabile tra 18 e 21, a sec
Page 115 and 116:
Figura 48 - Risultato dell'applicaz
Page 117 and 118:
Figura 51 - Segmentazione tramite s
Page 119 and 120:
A l g 1 A l g 2 Volendo effettuare
Page 121 and 122:
BIBLIOGRAFIA 1. A. Niedermeier, E.
Page 123 and 124:
18. S. Mallat, “A wavelet tour of
Page 125:
37. A.J. Fox, A.P. Cooper, 1994,
show all

algoritmi multirisoluzione per la determinazione della linea di

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?