polsarpro中AIRSAR_Flevoland、ESAR_Oberpfaffenhofen数据求助

勤睿 2019-11-19 05:15:34

polSARPro软件里使用到的AIRSAR_Flevoland，AIRSAR_SanFrancisco，ESAR_Oberpfaffenhofen数据下载之后是.stk文件，请问这个文件怎么用？里面包含什么信息？我用polSARPro时convert是灰色的，且网上看到说官网原始数据中有C3矩阵、T3矩阵等，如下图所示，哪位论坛朋友能够提供包含有C3矩阵、T3矩阵的完整数据，非常感谢，50积分送上

...全文

1285 9 打赏收藏转发到动态举报

写回复

9 条回复

切换为时间正序

请发表友善的回复…

发表回复

m0_57064512 2022-09-06

打赏
举报

回复

求数据

m0_57064512 2022-09-06

打赏
举报

回复

博主这两个数据可以提供一下吗？

今天的橘子有点甜 2022-03-27

打赏
举报

回复 1

救命呀，这些数据集哪里下载，我在官网转了一个多小时，一无所获

小五子棒棒的 2022-06-08

举报

回复 1

@今天的橘子有点甜同学，请问找到样例数据了吗，我也想知道怎么下载

weixin_39235133 2021-01-06

打赏
举报

回复

你是没有提取数据吧，生成T3和C3之前都需要先提取数据才能生成

weixin_45937533 2020-09-28

打赏
举报

回复

大神们我想输出T3矩阵，总是报错求教

勤睿 2019-12-22

打赏
举报

回复

引用 3 楼 MiracleHong 的回复:

你把数据导入polsarpro，在import里选择airborne Sensors选择对应的传感器，然后选择对应的hh.bin什么的（ESAR的），这个好像是没有header的。再去import里选择extract。然后选择对应的T3什么的就可以得到了

感谢，刚刚按照您说的方法提取了T3并可以生成pauliRGB图像等

MiracleHong 2019-12-22

打赏
举报

回复

你把数据导入polsarpro，在import里选择airborne Sensors选择对应的传感器，然后选择对应的hh.bin什么的（ESAR的），这个好像是没有header的。再去import里选择extract。然后选择对应的T3什么的就可以得到了

勤睿 2019-12-12

打赏
举报

回复

评论怎么看不到

欧空局的polarsar数据AIRSAR_Flevoland以及转换得到到相干矩阵T3数据，供需要者使用

数据集介绍：卫星遥感多类地物目标检测数据集数据集名称：卫星遥感多类地物目标检测数据集数据规模： - 训练集：3,903张卫星/航拍图片 - 验证集：252张图片 - 测试集：127张图片分类类别： Baseball field（棒球场）、Church（教堂）、Farmlands（农田）、Forest（森林）、Mountains（山脉）、Pond（池塘）、Railway Station（火车站）、River（河流）、School（学校）、aeroplanes（飞机）、bareland（裸地）、beach（海滩）、bridge（桥梁）、building（建筑）、desert（沙漠）、houses（房屋）、parking area（停车场）、playground（操场）、road（道路）、ship（船舶）、tank（储罐）、trees（树林）、triangular building（三角建筑）标注格式：YOLO格式，包含归一化坐标的边界框标注，适配主流目标检测框架数据特性：涵盖卫星影像、无人机航拍等多种高空视角数据，覆盖城市与自然场景地理空间智能系统开发：支持卫星/航拍影像的自动解译，用于构建土地覆盖分类、基础设施识别等地理空间分析系统环境监测与城市规划：通过检测森林、河流、建筑群等地物变化，辅助环境评估和城市扩张分析灾害应急响应：快速识别受灾区域的房屋、道路、储罐等关键设施，支撑灾损评估与救援规划农业遥感应用：精准检测农田、灌溉设施等农业相关目标，支持农作物监测与产量预估多维度地物覆盖：包含23类高频使用的地理要素，涵盖自然地理特征与人造设施，满足复合场景分析需求高适配标注结构：采用标准化YOLO格式标注，支持YOLOv5/v7/v8等主流检测框架快速训练验证跨场景泛化能力：数据包含不同光照条件、拍摄角度和地物密度分布，有效提升模型在复杂遥感场景中的鲁棒性工程实用价值：特别强化储罐、三角建筑等工业设施标注样本量，适用于能源、军事等专业领域检测需求

欧空局最新2020年10米分辨率的的土地利用数据，江苏省的数据，可根据自己研究区范围进行合理的裁剪。

针对极化合成孔径雷达(SAR)应用中存在的特征冗余问题，结合线性判别分析(LDA)和局部线性嵌入(LLE)的思想，提出一种半监督降维算法：半监督局部判别分析(SLDA)。该算法首先基于LLE的局部保持特性建立正则项，以避免学习中的过拟合问题。然后，在标记样本集上进行正则化的判别分析，以增强算法的推广能力，同时保持所有样本点在原始空间的局部几何结构。利用RADARSAT-2和AIRSAR卫星获得的Flevoland地区的全极化SAR数据进行降维实验，结果表明SLDA提取的低维特征具有“类内紧聚，类间分离”的特性；进一步的分类实验结果表明，SLDA只需1‰～2‰的标记样本就能使分类精度达到90%左右，分类性能优于其他对比方法。

数据融合matlab代码GRSL-2020-1自述文件显示了如何使用所编写的代码对提交的文章进行数值测试：GRSL-IEEE Geoscience和RS遥感字母将强度通道中的证据融合以用于PolSAR图像中的边缘检测Anderson A. de Borba ，MaurıcioMarengoni和Alejandro C Frery 在Matlab / Octave中测试Flevoland图像运行/Code_matlab/imagem_real_lin_radial_flev.m 读取数据库/Data/AirSAR_Flevoland_Enxuto.mat 将ray写入：（有9个通道，但我们使用3个强度）/ Data / a）通道hh-flevoland_1.txt b）通道hv-flevoland_2.txt c）通道vv-flevoland_3.txt 将射线坐标写入以下位置：/ Data a）文件xc_flevoland.txt b）文件yc_flevoland.txt 在R 2中）运行/Code_r/evidencias_im_real_sa_param_mu_L.R -读取数据

4,499

社区成员

15,366

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章