Error estimation for lattice methods of stage self-calibration

1997 ◽  
Author(s):  
Michael R. Raugh
Keyword(s):  
Error Estimation ◽  
Self Calibration ◽  
Lattice Methods

scholarly journals Strip-Mode Microwave Staring Correlated Imaging with Self-Calibration of Gain–Phase Errors

Sensors ◽  
2019 ◽  
Vol 19 (5) ◽  
pp. 1079 ◽  
Author(s):  
Rui Xia ◽  
Yuanyue Guo ◽  
Weidong Chen ◽  
Dongjin Wang
Keyword(s):  
Error Estimation ◽  
Phase Error ◽  
Super Resolution ◽  
Image Splicing ◽  
Initial Value ◽  
Self Calibration ◽  
Phase Errors ◽  
Imaging Model ◽  
Multiple Imaging ◽  
Imaging Performance

Microwave staring correlated imaging (MSCI) can realize super resolution imaging without the limit of relative motion with the target. However, gain–phase errors generally exist in the multi-transmitter array, which results in imaging model mismatch and degrades the imaging performance considerably. In order to solve the problem of MSCI with gain–phase error in a large scene, a method of MSCI with strip-mode self-calibration of gain–phase errors is proposed. The method divides the whole imaging scene into multiple imaging strips, then the strip target scattering coefficient and the gain–phase errors are combined into a multi-parameter optimization problem that can be solved by alternate iteration, and the error estimation results of the previous strip can be carried into the next strip as the initial value. All strips are processed in multiple rounds, and the gain–phase error estimation results of the last strip can be taken as the initial value and substituted into the first strip for the correlated processing of the next round. Finally, the whole imaging in a large scene can be achieved by multi-strip image splicing. Numerical simulations validate its potential advantages to shorten the imaging time dramatically and improve the imaging and gain–phase error estimation performance.

443: Can Self-Calibration Prevent Urethral Stricture Recurrence Following Direct Visual Internal Urethrotomy?

2005 ◽  
Vol 173 (4S) ◽  
pp. 121-121
Author(s):  
Hari Siva Gurunadha Rao Tunuguntla ◽  
P.V.L.N. Murthy ◽  
K. Sasidharan
Keyword(s):  
Urethral Stricture ◽  
Internal Urethrotomy ◽  
Self Calibration ◽  
Stricture Recurrence

PENILAIAN KESEHATAN TERUMBU KARANG MENGGUNAKAN CITRA SATELIT WORLDVIEW-2 DI PULAU PAHAWANG, LAMPUNG, INDONESIA

2018 ◽  
Vol 2 ◽  
pp. 125
Author(s):  
Lukman Hakim
Keyword(s):  
Error Estimation ◽  
Standard Error ◽  
Red Edge ◽  
Standard Error Estimation

<p>Perairan laut Lampung sebagai bagian kecil dari ekosistem terumbu karang Indonesia terindikasi memiliki tren penurunan kualitas karena aktivitas pelayaran dan pariwisata yang ekstensif khususnya di Pulau Pahawang. Kontrol kondisi terumbu karang pada wilayah ini menjadi kegiatan vital dalam rangkaian konservasi sumber daya laut. Sayangnya, pemetaan kesehatan terumbu karang memerlukan survei detail yang memakan banyak waktu, biaya, dan tenaga. Citra sebagai produk data penginderaan jauh hadir sebagai solusi monitoring terumbu karang secara cepat, murah, dan dalam jangkauan wilayah yang relatif luas. Tujuan dari penelitian ini adalah untuk memetakan kesehatan terumbu karang melalui citra WorldView-2 (WV-2) serta menguji akurasi peta yang dihasilkan. Metode yang digunakan untuk memetakan kesehatan terumbu karang adalah transformasi nilai <em>pixel</em> pada <em>band-band</em> WV-2 menjadi nilai original objek dengan urutan: 1) koreksi atmosfer (<em>Top of Atmospheric Reflectance)</em>, 2) koreksi kilap air (<em>sun glint</em>), dan 3) koreksi kolom air (metode <em>lyzenga</em>) menghasilkan 15 <em>band</em> DII (<em>depth invariant bottom index</em>). Kelima belas <em>band</em> DII tersebut diubah menjadi nilai kesehatan terumbu karang dengan cara regresi antara nilai <em>pixel</em> pada <em>band</em> DII dengan nilai rasio kesehatan terumbu karang aktual yang diperoleh dari proses kalkulasi acak titik foto transek di lapangan. Tiga tipe regresi (linier, eksponen, dan polinomial) dilakukan untuk melihat persamaan terbaik yang bisa digunakan untuk mentransformasi nilai <em>pixel</em> ke nilai kesehatan terumbu karang. Persamaan terbaik kemudian diimplementasikan menjadi model kesehatan terumbu karang untuk kemudian diuji akurasi menggunakan metode <em>Standard Error Estimation</em>. Hasil terbaik diperoleh pada regresi antara rasio kesehatan terumbu karang dengan <em>b</em><em>and</em> DII <em>Coastal Red-Edge</em> dengan koefisien determinasi (R<sup>2</sup>) sebesar 0,6553 dan akurasi pemetaan sebesar 70,191%. Nilai tersebut menunjukan bahwa citra WV-2 memiliki potensi untuk menjadi instrumen monitoring ekosistem marine yang layak.</p><p><strong>Kata Kunci: </strong>Depth Invariant Bottom Index, Kesehatan Terumbu Karang, Lyzenga, Regresi, WorldView-2<strong></strong></p>

Sign in / Sign up

Export Citation Format

Share Document