掃一掃
關(guān)注中圖網(wǎng)
官方微博
雷達(dá)圖像解譯技術(shù) 版權(quán)信息
- ISBN：9787118114980
- 條形碼：9787118114980 ; 978-7-118-11498-0
- 裝幀：簡裝本
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
雷達(dá)圖像解譯技術(shù) 內(nèi)容簡介
焦李成、侯彪、王爽、劉芳、楊淑媛等著的《雷達(dá)圖像解譯技術(shù)/雷達(dá)與探測前沿技術(shù)叢書》針對高分辨力合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）圖像和極化SAR圖像解譯與目標(biāo)識別的國際前沿及熱點領(lǐng)域，系統(tǒng)地介紹高分辨力SAR和極化SAR的成像機(jī)理及其在SAR圖像處理領(lǐng)域的應(yīng)用。首先，介紹SAR圖像解譯與目標(biāo)識別的基本原理、研究方法及其發(fā)展與應(yīng)用，重點介紹高分辨力SAR圖像相干斑抑制的方法和極化SAR噪聲抑制技術(shù)；其次，介紹基于結(jié)合統(tǒng)計信息、區(qū)域信息和上下文信息的高分辨力SAR圖像地物分割與分類以及基于極化散射特征、極化統(tǒng)計特征和極化圖像特征的極化SAR圖像分類；*后，討論不同高分辨力SAR圖像（艦船、飛機(jī)等）目標(biāo)檢測、識別及分類的方法。 本書可作為高校電子工程、信號與信息處理、應(yīng)用數(shù)學(xué)等專業(yè)的高年級本科生或研究生教材，也可供從事雷達(dá)圖像解譯方面研究工作的科技工作者參考。
雷達(dá)圖像解譯技術(shù) 目錄
第1章 緒論
1.1 高分辨力SAR圖像解譯與目標(biāo)識別研究意義
1.2 高分辨力SAR圖像解譯與目標(biāo)識別研究現(xiàn)狀
1.3 高分辨力SAR圖像解譯與目標(biāo)識別的研究進(jìn)展
參考文獻(xiàn)
第2章 高分辨力SAR圖像干斑抑制
2.1 SAR的基本原理
2.2 高分辨力SAR圖像降斑方法研究現(xiàn)狀
2.2.1 多視處理降斑
2.2.2 空間域降斑
2.2.3 小波域降斑
2.2.4 后小波域降斑
2.2.5 基于馬爾可夫隨機(jī)場模型的降斑
2.2.6 基于非局部濾波的降斑
2.2.7 降斑方法研究總結(jié)
2.3 相干斑的統(tǒng)計模型與降斑效果評價
2.3.1 相干斑的統(tǒng)計分布與模型
2.3.2 降斑效果評價
2.4 基于方差系數(shù)統(tǒng)計的相干斑強(qiáng)度估計
2.4.1 基于均值一標(biāo)準(zhǔn)差平面的相干斑強(qiáng)度估計
2.4.2 基于方差系數(shù)統(tǒng)計的相干斑強(qiáng)度估計
2.4.3 實驗結(jié)果與分析
2.4.4 小結(jié)
2.5 基于統(tǒng)計相似性度量與局部同質(zhì)區(qū)域分割的SAR圖像降斑
2.5.1 背景介紹
2.5.2 傳統(tǒng)的像素相似性度量方法及缺陷
2.5.3 乘性噪聲模型下的比值距離
2.5.4 基于比值距離統(tǒng)計分布的相似性度量
2.5.5 基于像素相似性度量的局部同質(zhì)區(qū)域分割
2.5.6 基于ML準(zhǔn)則的降斑圖像估計
2.5.7 實驗結(jié)果與分析
2.5.8 小結(jié)
2.6 基于圖像塊的統(tǒng)計相似性度量的SAR圖像降斑
2.6.1 背景介紹
2.6.2 期望濾波器與SAR圖像降斑
2.6.3 基于圖像塊的統(tǒng)計相似性度量
2.6.4 基于圖像塊加權(quán)的SAR圖像降斑
2.6.5 實驗結(jié)果與分析
2.6.6 小結(jié)
2.7 基于統(tǒng)計模擬門限的自適應(yīng)非局部均值降斑濾波器
2.7.1 背景介紹
2.7.2 自適應(yīng)搜索窗
2.7.3 基于統(tǒng)計模擬的自動相似性門限
2.7.4 實驗結(jié)果與分析
2.7.5 小結(jié)
參考文獻(xiàn)
第3章 極化SAR相干斑噪聲抑制
3.1 雷達(dá)極化的基本理論
3.1.1 散射過程的描述
3.1.2 散射矩陣的描述
3.1.3 極化SAR數(shù)據(jù)的形式
3.2 相干斑統(tǒng)計模型及去斑效果評價
3.2.1 相干斑統(tǒng)計分布
3.2.2 相干斑模型
3.2.3 相干斑抑制評價指標(biāo)
3.3 極化SAR處理平臺
3.3.1 ENVI
3.3.2 PCI Geomatica
3.3.3 RAT
3.3.4 PolSARpro
3.3.5 CAESAR-POLSAR
3.4 基于核回歸的極化SAR相干斑抑制
3.4.1 核回歸理論
3.4.2 基于核回歸的SAR圖像相干斑抑制
3.4.3 基于核回歸的極化SAR相干斑抑制
3.4.4 實驗結(jié)果及分析
3.5 非局部均值思想用于極化SAR噪聲的抑制
3.5.1 非局部均值算法簡介
3.5.2 貝葉斯非局部均值算法用于極化SAR噪聲的抑制
3.5.3 實驗結(jié)果與分析
3.6 基于非局部雙邊濾波的極化SAR相干斑抑制
3.6.1 極化SAR數(shù)據(jù)的相似性度量
3.6.2 極化SAR非局部雙邊的相干斑抑制
3.6.3 實驗結(jié)果與分析
參考文獻(xiàn)
第4章 高分辨力SAR圖像地物分割與分類
4.1 基于三馬爾可夫隨機(jī)場的SAR圖像分割
4.1.1 基于模糊的三馬爾可夫場SAR圖像分割
4.1.2 基于三馬爾可夫場的SAR圖像融合分割
4.1.3 小結(jié)
4.2 多尺度和多層稀疏表示的SAR圖像分類
4.2.1 基于稀疏表示的SAR地物分類
4.2.2 基于稀疏表示的多層SAR地物分類
4.2.3 基于稀疏表示和不同尺度的SAR地物分類
4.2.4 實驗結(jié)果及分析
4.2.5 小結(jié)
4.3 基于簽名框架的SAR圖像分類與分割
4.3.1 背景介紹
4.3.2 基于隨機(jī)投影的Signature局部特征分布描述
4.3.3 地球移動距離的計算
4.3.4 基于Signature框架的SAR圖像地物分類算法
4.3.5 基于Signature框架的SAR圖像分割算法
4.3.6 基于ZigZag掃描和簽名框架的SAR圖像分割算法
4.4 基于圖模型的SAR圖像分割
4.4.1 基于圖模型的SAR圖像分割方法
4.4.2 基于超像素和圖模型的快速并行SAR圖像分割
參考文獻(xiàn)
第5章 高分辨力極化SAR圖像地物分類
5.1 高分辨力極化SAR理論基礎(chǔ)
5.1.1 極化的表征
5.1.2 散射體的極化描述
5.1.3 微波成像的散射機(jī)理
5.1.4 極化目標(biāo)分解
5.1.5 極化SAR統(tǒng)計建模
5.1.6 小結(jié)
5.2 基于Freeman分解的極化SAR圖像分類
5.2.1 背景介紹
5.2.2 傳統(tǒng)基于散射機(jī)理的極化SAR圖像分類方法
5.2.3 基于Freeman分解和同極化比的極化SAR圖像分類方法
5.2.4 基于散射功率熵和同極化比的極化SAR圖像分類方法
5.2.5 小結(jié)
5.3 基于譜聚類的極化SAR圖像分類研究
5.3.1 一種基于Mean Shift和譜聚類的極化SAR圖像分類
5.3.2 基于Freeman分解和譜聚類的極化SAR圖像分類
5.4 基于K-Wishart分布的極化SAR圖像分類
5.4.1 基于Freeman分解和K-Wishart分布的極化SAR圖像分類
5.4.2 基于K-Wishart分類器的極化SAR圖像分類方法
5.4.3 基于MRF和K-Wishart分布的極化SAR圖像分類方法
5.5 基于區(qū)域的無監(jiān)督極化SAR圖像分類
5.5.1 類別自適應(yīng)的無監(jiān)督極化SAR圖像分類
5.5.2 基于改進(jìn)分水嶺的無監(jiān)督極化SAR分類
5.6 基于均值漂移和區(qū)域WishartMRF的極化SAR地物分類
5.6.1 背景介紹
5.6.2 基于改進(jìn)的均值漂移和MRF的極化SAR圖像分類
5.6.3 小結(jié)
參考文獻(xiàn)
第6章 高分辨力SAR圖像目標(biāo)檢測
6.1 基于視覺注意的SAR圖像艦船目標(biāo)檢測
6.1.1 自底向上的圖像顯著區(qū)域檢測
6.1.2 自頂向下的SAR圖像水域分割
6.1.3 基于選擇性注意機(jī)制的SAR圖像艦船檢測
6.2 基于分層CFAR的高分辨力SAR圖像艦船目標(biāo)檢測
6.2.1 背景介紹
6.2.2 SAR圖像目標(biāo)檢測基礎(chǔ)理論及算法
6.2.3 多層CFAR算法目標(biāo)檢測
6.3 基于壓縮感知的SAR成像和檢測一體化艦船目標(biāo)檢測
6.3.1 基于壓縮感知的高分辨力SAR稀疏目標(biāo)成像
6.3.2 基于低秩矩陣重建的高分辨力SAR稀疏目標(biāo)成像
6.4 基于疏散度的高分辨力SAR圖像橋梁目標(biāo)檢測
6.4.1 基于疏散度的水域提取
6.4.2 橋梁檢測
6.4.3 實驗及分析
6.4.4 小結(jié)
6.5 基于模板匹配的SAR圖像飛機(jī)目標(biāo)檢測
6.5.1 基于機(jī)場特征的局部閾值分割
6.5.2 飛機(jī)模板設(shè)計
6.5.3 實驗結(jié)果及分析
6.5.4 小結(jié)
參考文獻(xiàn)
第7章 高分辨力SAR圖像目標(biāo)識別與分類
7.1 基于壓縮感知與流形學(xué)習(xí)的SAR目標(biāo)識別
7.1.1 基于隨機(jī)觀測矢量與混合因子分析的SAR目標(biāo)識別
7.1.2 基于觀測矢量與正交三角分解的快速目標(biāo)識別
7.2 基于協(xié)同神經(jīng)網(wǎng)絡(luò)的SAR圖像識別
7.2.1 協(xié)同神經(jīng)網(wǎng)絡(luò)
7.2.2 免疫克隆規(guī)劃協(xié)同神經(jīng)網(wǎng)絡(luò)
7.2.3 基于免疫克隆規(guī)劃與協(xié)同神經(jīng)網(wǎng)絡(luò)的SAR圖像識別
7.2.4 基于協(xié)同神經(jīng)網(wǎng)絡(luò)的免疫克隆集成算法
7.2.5 小結(jié)
7.3 基于核匹配追蹤的SAR圖像識別
7.3.1 追蹤算法
7.3.2 核匹配追蹤
7.3.3 基于多尺度幾何分析與核匹配追蹤的圖像識別
7.3.4 基于免疫克隆與核匹配追蹤的快速圖像目標(biāo)識別
7.3.5 小結(jié)
7.4 基于半監(jiān)督學(xué)習(xí)的圖像分類與分割
7.4.1 學(xué)習(xí)方法簡介
7.4.2 基于拉普拉斯正則化*小二乘的半監(jiān)督SAR目標(biāo)識別
7.4.3 結(jié)合Nystrom的圖半監(jiān)督紋理圖像分割
7.4.4 自調(diào)節(jié)參數(shù)的半監(jiān)督譜聚類
7.4.5 總結(jié)與展望
7.5 譜聚類維數(shù)約簡算法研究與應(yīng)用
7.5.1 背景介紹
7.5.2 維數(shù)約簡算法的研究
7.5.3 基于多參數(shù)自調(diào)節(jié)譜聚類維數(shù)約簡的圖像目標(biāo)識別
7.5.4 基于局部標(biāo)度切的監(jiān)督維數(shù)約簡及其應(yīng)用
7.5.5 基于核標(biāo)度切監(jiān)督維數(shù)約簡的圖像目標(biāo)識別
參考文獻(xiàn)
主要符號表
縮略語
展開全部
雷達(dá)圖像解譯技術(shù) 作者簡介
焦李成，1959年生，西安電子科技大學(xué)人工智能學(xué)院教授。IEE EFellow，智能感知與圖像理解教育部重點實驗室主任，國際智能感知與計算研究中心主任，中國人工智能學(xué)會首批會士，IEEE西安分會執(zhí)委會委員、獎勵與認(rèn)證委員會主席，IEEE計算智能協(xié)會西安分會主席，IET西北分會主席，中國人工智能學(xué)會副理事長，IEE ETGRS副主編，第七屆教育部科技委國際合作學(xué)部委員，CCF杰出會員，獲“全國模范教師”及陜西省“重點領(lǐng)域人才”、“陜西省師德先進(jìn)個人”等榮譽(yù)稱號，首批入選國家“百千萬”人才工程一、二層次和陜西省“三五”人才層次。獲國家自然科學(xué)獎二等獎1項及省部級一等獎7項。主要研究領(lǐng)域為遙感圖像解譯與目標(biāo)識別、自然計算和智能信息處理。 侯彪，1974年生，西安電子科技大學(xué)人工智能學(xué)院教授，IEEE會員，智能感知與圖像理解教育部重點實驗室副主任。IET西安分會執(zhí)行委員會委員，中國電子學(xué)會高級會員，陜西信號處理學(xué)會理事，教育部創(chuàng)新團(tuán)隊骨干成員，國家基金委創(chuàng)新群體骨干成員。獲教育部自然科學(xué)獎一等獎、二等獎，教育部新世紀(jì)優(yōu)秀人才支持計劃，教育部技術(shù)發(fā)明獎二等獎、陜西省科學(xué)技術(shù)獎一等獎以及第十屆陜西青年科技獎各1項。主要從事SAR圖像解譯與目標(biāo)識別的研究。 王爽，女，1978年生，西安電子科技大學(xué)人工智能學(xué)院教授.IEEE會員，電工電子國家示范中心主任，智能信息處理研究所副所長。獲教育部新世紀(jì)優(yōu)秀人才支持計劃，陜西省科技新星，陜西省青年科技獎，青年拔尖人才支持計劃，陜西省智能科學(xué)與技術(shù)教學(xué)團(tuán)隊負(fù)責(zé)人。IET西安分會執(zhí)行委員會委員，陜西省自動化學(xué)會控制理論及應(yīng)用專委會委員，中國電子學(xué)會高級會員，中國計算機(jī)學(xué)會高級會員。主要從事SAR圖像解譯與目標(biāo)識別的研究。劉芳，女，1963年生，西安電子科技大學(xué)人工智能學(xué)院教授，IEEE高級會員，享受國務(wù)院政府特殊津貼，教育部創(chuàng)新團(tuán)隊學(xué)術(shù)帶頭人。陜西省計算機(jī)學(xué)會人工智能與模式識別專業(yè)委員會常委會委員，陜西省大數(shù)據(jù)與云計算產(chǎn)業(yè)技術(shù)創(chuàng)新聯(lián)盟理事。獲國家自然科學(xué)獎二等獎1項及省部級一等獎6項，發(fā)表論文100余篇，授權(quán)專利57項，合作出版專著10部。主要從事人工智能與模式識別、深度學(xué)習(xí)與智能圖像感知等方向的研究。 楊淑媛，女，1978年出生，西安電子科技大學(xué)人工智能學(xué)院教授.IEEE高級會員。教育部新世紀(jì)優(yōu)秀人才支持計劃。中國電子學(xué)會高級會員。在國際知名期刊發(fā)表論文100余篇，以申請人授權(quán)發(fā)明專利30余項。研究成果獲得陜西省科學(xué)技術(shù)一等獎3項、陜西省高等學(xué)校科學(xué)技術(shù)一等獎2項。主要從事智能信號與圖像處理、機(jī)器學(xué)習(xí)等方向的研究。
書友推薦
- >
詩經(jīng)-先民的歌唱
- >
姑媽的寶刀
- >
巴金－再思錄
- >
唐代進(jìn)士錄
- >
月亮虎
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
山海經(jīng)
本類暢銷
