| 54 |
Titel |
TI |
[DE] Computer-implementiertes Verfahren zur Erzeugung eines datengetriebenen Modells basierend auf Informationen aus mehreren interferometrischen Single-Pass-SAR-Akquisitionen |
| 71/73 |
Anmelder/Inhaber |
PA |
Deutsches Zentrum für Luft- und Raumfahrt e.V., 53227, Bonn, DE
;
Universita degli Studi di Trento, Trento, IT
|
| 72 |
Erfinder |
IN |
Bruzzone, Lorenzo, Trento, IT
;
Carcereri, Daniel, 82205, Gilching, DE
;
Rizzoli, Paola, 80686, München, DE
|
| 22/96 |
Anmeldedatum |
AD |
20.02.2024 |
| 21 |
Anmeldenummer |
AN |
102024104673 |
|
Anmeldeland |
AC |
DE |
|
Veröffentlichungsdatum |
PUB |
27.02.2025 |
33
31
32 |
Priorität |
PRC
PRN
PRD |
|
| 51 |
IPC-Hauptklasse |
ICM |
G01S 13/90
(2006.01)
|
| 51 |
IPC-Nebenklasse |
ICS |
|
|
IPC-Zusatzklasse |
ICA |
|
|
IPC-Indexklasse |
ICI |
|
|
Gemeinsame Patentklassifikation |
CPC |
G01S 13/9023
G01S 13/9058
G01S 7/417
|
|
MCD-Hauptklasse |
MCM |
G01S 13/90
(2006.01)
|
|
MCD-Nebenklasse |
MCS |
|
|
MCD-Zusatzklasse |
MCA |
|
| 57 |
Zusammenfassung |
AB |
[DE] Die Erfindung bezieht sich auf ein computer-implementiertes Verfahren zur Erzeugung eines datengetriebenen Modells basierend auf Informationen aus mehreren interferometrischen Single-Pass-SAR-Akquisitionen (IA), welche jeweils ein Paar von SAR-Bildern desselben vorbestimmten Gebiets (AR) auf der Oberfläche eines Himmelskörpers umfassen, die zum selben Zeitpunkt mittels einer Radar-Akquisitions-Geometrie (AG) mit einer unterschiedlichen orthogonalen Basislinie (B0) aufgenommen worden sind, wobei das Verfahren die folgenden Schritte umfasst:a) Bereitstellen von Trainingsdaten (TD), die für jede interferometrische Single-Pass-SAR-Akquisition (IA) einen Trainingsdatensatz (TDS) enthalten, der für eine jeweilige interferometrische Single-Pass-SAR-Akquisition (IA) wenigstens einen ersten Parameter (PA1) und wenigstens einen zweiten Parameter (PA2) umfasst, wobei der wenigstens eine erste Parameter (PA1) von dem Ausmaß der Volumenstreuung von Radarwellen abhängt und wobei der wenigstens eine zweite Parameter (PA2) von der orthogonalen Basislinie (B0) der Radar-Akquisitions-Geometrie (AG) abhängt;b) Trainieren eines vorbestimmten neuronalen Netzes (HAM) basierend auf den Trainingsdaten (TD), wobei das Training das Ziel hat, dass die Ausgabe (OU) des vorbestimmten neuronalen Netzes (HAM), die für den wenigstens einen ersten Parameter (PA1) jedes in das vorbestimmte neuronale Netz (HAM) eingegebenen Trainingsdatensatzes (TDS) erzeugt wird, dem wenigstens einen ersten Parameter (PA1) eines spezifischen Trainingsdatensatzes (TDSref) entspricht, der sich auf eine spezifische Radar-Akquisitions-Geometrie (AG) bezieht. |
| 56 |
Entgegengehaltene Patentdokumente/Zitate,
in Recherche ermittelt |
CT |
|
| 56 |
Entgegengehaltene Patentdokumente/Zitate,
vom Anmelder genannt |
CT |
|
| 56 |
Entgegengehaltene Nichtpatentliteratur/Zitate,
in Recherche ermittelt |
CTNP |
CARCERERI, Daniel [u.a.]: A deep learning framework for the estimation of forest height from bistatic TanDEM-X data. In: IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Bd. 16, 2023, S. 8334-8352. - ISSN 2151-1535 (E); 1939-1404 (P). DOI: 10.1109/JSTARS.2023.3310209. URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10234548 [abgerufen am 2024-04-22]. n;
MARTONE, Michele ; RIZZOLI, Paola ; KRIEGER, Gerhard: Volume decorrelation effects in TanDEM-X interferometric SAR data. In: Computer / IEEE, Bd. 13, 2016, H. 12, S. 1812-1816. - ISSN 1558-0814 (E); 0018-9162 (P). DOI: 10.1109/LGRS.2016.2614103. URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7590078 [abgerufen am 2024-04-08]. n;
RIZZOLI, Paola [u.a.]: On the derivation of volume decorrelation from TanDEM-X bistatic coherence. In: Computer / IEEE, Bd. 15, 2022, S. 3504-3518. - ISSN 1558-0814 (E); 0018-9162 (P). DOI: 10.1109/JSTARS.2022.3170076. URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9763376 [abgerufen am 2024-04-08]. n
|
| 56 |
Entgegengehaltene Nichtpatentliteratur/Zitate,
vom Anmelder genannt |
CTNP |
Carcereri, D., Rizzoli, P., Ienco, D., Bruzzone, L., 2023: Deep Learning for the Estimation of Forest Height from Bistatic TanDEM-X Data, IEEE Journal of Selected Topics in Applied Earth Observation and Remote Sensing, Bd. 16, S. 8334-8352 1;
Martone, M., Rizzoli, P., Krieger, G., 2016. Volume Decorrelation Effects in TanDEM-X Interferometric SAR Data, IEEE Geoscience and Remote Sensing Letters, 13(12), S. 1812-1816 1;
Rizzoli, P., Dell' Amore, L., Bueso-Bello, J.-L., Gollin, N., Carcereri, D., Martone, M., 2022. On the Derivation of Volume Decorrelation from TanDEM-X Bistatic Coherence, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Bd. 15, S. 3504-3518 1
|
|
Zitierende Dokumente |
|
keine Treffer
|
|
Sequenzprotokoll |
|
|
|
Prüfstoff-IPC |
ICP |
G01S 13/90
|
