Detektion i SAR bilder med förändringsanalys

Högupplösande Syntetisk Apertur Radar (SAR) bilder har visat sig allt viktigare för övervakning av land och hav. Antal satellitbaserade system har mer än tiodubblats under de senaste åren. Systemen är mycket viktiga i militära konflikter men tillväxten har skett framför allt i civila sammanhang för t.ex. övervakning av klimatförändringarna.

Syfte
Projektet syftar till att utveckla nya statistiska modeller och detektorer för högupplösta SAR‑bilder för att förbättra prestandan hos förändringsdetektionsalgoritmerna. Målet är att bättre beskriva de statistiska egenskaperna hos högupplöst SAR‑data och därigenom möjliggöra mer träffsäkra detektionsmetoder med färre falsklarm. Arbetet ska samtidigt bidra med nya vetenskapliga resultat inom statistik, signalbehandling och fjärranalys.

Genomförande
Projektet bygger på en hypotes‑deduktiv metod och kombinerar teoretisk modellering, datorsimuleringar och implementering i R, Python och Matlab. Arbetet genomförs genom att:

• ta fram nya sannolikhetsfördelningar och parametriska modeller anpassade för högupplösta SAR‑bilder,
• utveckla tvådimensionella dynamiska modeller som hanterar starkt rumsligt beroende,
• undersöka upplösningsreducering som alternativt angreppssätt,
• validera modeller och detektorer genom omfattande simuleringar och tillämpningar inom relevanta fjärranalys‑ och sensorområden.