原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于深度自编码框架的合成孔径雷达图像变化检测
合成孔径雷达（SyntheticApertureRadar,SAR）是一种主动雷达，拥有独立于天气和时间的观测能力，广泛应用于地球观测、环境监测、国土安全等领域。随着遥感技术的发展和合成孔径雷达的普及，如何利用合成孔径雷达图像进行地物变化检测成为了研究的热点之一。
在传统的合成孔径雷达图像变化检测方法中，常采用的是基于像素的方法，即对图像进行像素级别的比较。然而，这种方法容易受到噪声的干扰，同时在复杂场景下，由于光照和视角等因素的变化，导致像素级别的比较准确度不高。为了克服这些问题，研究人员开始将深度学习引入合成孔径雷达图像
文档评论（0）