elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Neural Network based automatic Sea Ice Classification for CL-pol RISAT-1 Imagery

Ressel, Rudolf und Singha, Suman und Lehner, Susanne (2016) Neural Network based automatic Sea Ice Classification for CL-pol RISAT-1 Imagery. In: Geoscience and Remote Sensing Symposium (IGARSS), 2016 IEEE International, Seiten 4835-4838. IEEE Xplore. IGARSS 2016, 2016-07-10 - 2016-07-15, Peking, China. doi: 10.1109/IGARSS.2016.7730261. ISBN 978-1-5090-3332-4. ISSN 2153-7003.

[img] PDF
3MB

Offizielle URL: http://dx.doi.org/10.1109/IGARSS.2016.7730261

Kurzfassung

SAR Polarimetry has become a valuable tool in spaceborne SAR based sea ice analysis. The two major objectives in SAR based remote sensing of sea ice is on the one hand to have a large coverage of the imaged ground area, and on the other hand to obtain a radar response that carries as much Information as possible. Whereas single-polarimetric acquisitions of existing sensors offer a wide coverage on the ground, dual polarimetric, or even better fully polarimetric data offer a higher information content which allows for a more reliable automated sea ice analysis. In order to reconcile the advantages of fully polarimetric acquisitions with the higher ground coverage of acquisitions with fewer polarimetric channels, hybrid polarimetric acquisitions offer a trade-off between the mentioned objectives. With the advent of the RISAT-1 satellite platform, we are able to explore the potential of hybrid dual pol acquisitions for sea ice analysis and classification. Our algorithmic approach for an automated sea ice classificationconsists of two steps. In the first step, we perform a Feature etraction procedure. The resulting feature vectors are then ingested into a trained neural network classifier to arrive at a pixelwise supervised classification. We present first results on a dataset acquired off the eastern Greenland coast.

elib-URL des Eintrags:https://elib.dlr.de/102298/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Neural Network based automatic Sea Ice Classification for CL-pol RISAT-1 Imagery
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Ressel, RudolfRudolf.Ressel (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Singha, Sumansuman.singha (at) dlr.dehttps://orcid.org/0000-0002-1880-6868NICHT SPEZIFIZIERT
Lehner, SusanneSusanne.Lehner (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:3 November 2016
Erschienen in:Geoscience and Remote Sensing Symposium (IGARSS), 2016 IEEE International
Referierte Publikation:Nein
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.1109/IGARSS.2016.7730261
Seitenbereich:Seiten 4835-4838
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
NICHT SPEZIFIZIERTIEEENICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Verlag:IEEE Xplore
ISSN:2153-7003
ISBN:978-1-5090-3332-4
Status:veröffentlicht
Stichwörter:Sea Ice; Feature Extraction; SAR, Compact Pol; RISAT
Veranstaltungstitel:IGARSS 2016
Veranstaltungsort:Peking, China
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:10 Juli 2016
Veranstaltungsende:15 Juli 2016
Veranstalter :IEEE
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben Entwicklung und Erprobung von Verfahren zur Gewässerfernerkundung (alt)
Standort: Bremen , Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung
Institut für Methodik der Fernerkundung > SAR-Signalverarbeitung
Hinterlegt von: Kaps, Ruth
Hinterlegt am:22 Jan 2016 14:04
Letzte Änderung:24 Apr 2024 20:08

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.