Benutzer: Gast  Login
Originaltitel:
Deep Learning for Matching High-Resolution SAR and Optical Imagery
Übersetzter Titel:
Deep Learning für die Zuordnung von hochauflösenden SAR und optischen Bilddaten
Autor:
Hughes, Lloyd Haydn
Jahr:
2020
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Luftfahrt, Raumfahrt und Geodäsie
Betreuer:
Schmitt, Michael (Priv.-Doz. Dr. habil.)
Gutachter:
Schmitt, Michael (Priv.-Doz. Dr. habil.); Zhu, Xiaoxiang (Prof. Dr. habil.); Tupin, Florence (Prof. Dr.)
Sprache:
en
Fachgebiet:
GEO Geowissenschaften
Stichworte:
Deep learning, Image matching, Remote sensing, Data fusion, SAR, Optical
Übersetzte Stichworte:
Deep learning, Bildvergleich, Fernerkundung, Datenfusion, SAR, Optisch
TU-Systematik:
BAU 967d; MSR 915d
Kurzfassung:
The joint exploitation of SAR and optical data constitute the most important application of data fusion within remote sensing. A key first step in data fusion endeavours is the determination of correspondences between the various data sources. However, due to their vastly different geometric and radiometric properties, the SAR and optical matching problem has few generalizable solutions. Thus the main objective of this thesis is to develop a fully automated, deep learning-based, SAR-optical matc...     »
Übersetzte Kurzfassung:
Die gemeinsame Auswertung von SAR- und optischen Daten stellt die wichtigste Anwendung der Datenfusion in der Fernerkundung dar. Ein erster wichtiger Schritt in diese Richtung ist die Bestimmung von Korrespondenzen zwischen den verschiedenen Datenquellen. Aufgrund der erheblichen Unterschiede hinsichtlich ihrer geometrischen und radiometrischen Eigenschaften ist das Matching von SAR- und optischen Daten jedoch von Natur aus komplex. Das Hauptziel dieser Arbeit ist daher die Entwicklung einer vol...     »
WWW:
https://mediatum.ub.tum.de/?id=1552077
Eingereicht am:
09.07.2020
Mündliche Prüfung:
24.08.2020
Dateigröße:
45960249 bytes
Seiten:
159
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20200824-1552077-1-2
Letzte Änderung:
15.09.2020
 BibTeX