当前位置:首页 > 工业技术
智能SAR图象处理与解译
智能SAR图象处理与解译

智能SAR图象处理与解译PDF电子书下载

工业技术

  • 电子书积分:19 积分如何计算积分?
  • 作 者:焦李成,张向荣,侯彪等著
  • 出 版 社:北京:科学出版社
  • 出版年份:2008
  • ISBN:7030211693
  • 页数:665 页
图书介绍:本书基于智能信息处理新方法,对SAR图像处理和解译的各部分内容展开了较深入、全面的讨论。具体包括:SAR图像相干斑抑制、目标检测、融合、增强、分割、分类、目标识别等内容。论述了各部分的一些经典方法,提出了基于智能计算方法的SAR图像处理与解译的新理论、新方法,并且通过充分的实验,详细分析并比较了算法在实际应用中的性能。全书共分八章。第1章介绍SAR图像处理及解译的研究背景、意义及进展;从第2章开始,分别对SAR图像处理及解译的各个内容展开讨论。其中包括:第2章,在分析SAR成像原理及斑点噪声特性基础上,论述了不同的SAR图像噪声抑制方法;第3章论述了SAR图像目标特征,具体分析了桥梁、港口目标的检测和曲线目标检测;第4章首先给出融合基本方法、评价准则以及融合算子,其次详细论述了几种基于多尺度几何分析(亦称第三代小波分析、后小波分析等)的融合新算法;第5章讨论SAR图像和三维高光谱图像的压缩技术;第6章详细讨论基于各种不同方法的SAR图像分割技术;第7章着重研究基于Markov统计模型的SAR图像分割;第8章给出了SAR图像地物分类与目标识别新方法。
上一篇:餐厅下一篇:时装摄影
《智能SAR图象处理与解译》目录

第1章 绪论 1

1.1研究背景及意义 1

1.2 SAR图像理解的研究现状 4

1.3 SAR图像处理与理解的研究内容及进展 7

相干斑抑制 7

SAR图像特殊目标检测 10

特征提取与选择 12

图像融合 19

图像分割 21

SAR图像分类 23

SAR图像目标识别 27

SAR图像及多光谱图像压缩 28

1.4几点思考 28

参考文献 29

第2章 SAR图像相干斑抑制 43

2.1 SAR成像原理及斑点噪声特性 43

SAR成像原理 43

相干斑噪声的产生机理 45

斑点噪声模型和统计特性 45

2.2传统SAR图像滤波方法 47

统计类滤波 48

小波域滤波 50

2.3基于相关邻域模型的SAR图像滤波 51

基于Gamma分布的MAP滤波 51

邻域结构模型 53

邻域结构中雷达反射强度的MAP估计 53

基于非线性迭代的RCS重构 54

基于相关邻域模型的SAR图像滤波结果 55

2.4基于Jeffrey先验概率的贝叶斯估计小波去噪 56

小波收缩去噪原理 57

贝叶斯判决准则 61

小波系数的先验概率密度函数P(X) 62

信号的估计 63

去噪结果 64

2.5基于复小波的图像去噪 66

复小波变换 67

复小波域贝叶斯收缩去噪算法 81

结合边缘信息的复小波去噪算法 89

基于DRFB、CEIB的SAR图像斑点噪声去除 96

小结 99

2.6基于复小波邻域隐马尔可夫模型的图像去噪 100

邻域隐马尔可夫模型 101

复小波邻域隐马尔可夫模型 105

基于CW-LCHMM模型的SAR图像去噪 106

2.7基于Contourlet域CHMM的SAR图像相干斑抑制 110

引言 110

SAR图像的Contourlet域统计特性 111

基于Contourlet域CHMM的SAR图像相干斑抑制 113

2.8基于非下采样Contourlet变换的SAR图像相干斑抑制 124

引言 124

非下采样Contourlet变换及其SAR图像的统计特性 126

统计先验指导的NSCT域SAR图像相干斑抑制 128

2.9基于脊波域最小熵准则SAR图像相干斑抑制 146

连续脊波变换 146

离散脊波变换 148

最小熵原理 152

脊波系数的统计特性 153

基于最小熵准则的脊波域信号估计 153

算法实现过程 155

实验与结果分析 156

2.10本章小结 161

参考文献 162

第3章 SAR图像目标检测与变化检测 168

3.1引言 168

SAR图像目标特征 168

经典特征检测方法 169

3.2 SAR图像中桥梁目标检测和自动分割 170

SAR图像的预处理 170

图像的二值化及边缘模板点处理 180

3.3 SAR图像中港口目标检测和自动分割 193

河流主轮廓的检测 193

港口目标的分割 194

3.4基于脊波变换的曲线特征检测 200

引言 200

离散脊波变换 202

基于脊波的自适应曲线特征检测 202

实验与结果分析 205

3.5基于广义高斯混合模型的SAR图像变化检测 209

引言 209

SAR图像变化检测的研究意义 210

SAR图像变化检测的主要方法 211

基于广义高斯混合模型的统计SAR图像变化检测 213

实验结果与分析 220

参考文献 230

第4章 SAR图像融合 236

4.1融合规则及融合算子 237

简单融合规则 237

基于区域特性量测的融合规则 238

4.2融合效果评价指标 240

4.3经典的图像融合方法 242

线性加权法 243

高通滤波法 243

PCA变换融合法 244

基于IHS变换的遥感图像融合 245

多分辨塔式融合算法 245

小波变换实现图像融合 246

多种算法结合形成的融合算法 247

4.4基于概率模型的多传感器图像融合 247

引言 247

图像模型的建立 248

模型参数β,α及∑ε的计算 250

实验结果及分析 251

4.5脊波变换在图像融合中的应用 255

引言 255

基于有限Radon变换的二维离散脊波变换 255

基于脊波变换的图像融合 259

融合结果及分析 264

4.6基于Contourlet变换的图像融合 268

图像的Contourlet分解 269

非下采样Contourlet变换 271

基于非下采样Contourlet变换的图像融合 273

4.7基于Wedgelet和平稳小波的图像融合 279

Wedgelet变换 279

基于Wedgelet和平稳小波的融合方法 280

融合结果及分析 282

参考文献 286

第5章 复杂图像压缩 290

5.1常用的图像编码方法 291

哈夫曼编码 291

香农-弗诺编码 293

游程编码 293

JPEG编解码技术 294

常用嵌入式图像压缩算法 295

5.2压缩算法评价标准 309

5.3基于自适应方向提升变换的图像压缩方法 309

自适应方向提升变换的性质 309

自适应方向提升变换结构分析 310

实验结果与分析 312

5.4 Bandelet变换在SAR图像压缩中的应用 313

Bandelet与小波的对比分析 314

快速离散的Bandelet变换 315

基于Bandelet变换的图像压缩算法 316

实验及结果分析 316

5.5三维多光谱遥感图像压缩 318

发展概况 318

基于Karhunen-Loeve和小波变换的多光谱图像三维集合嵌入零块编码压缩算法 323

多光谱图像三维小波变换编码 336

多光谱图像完全可逆三维小波变换编码 354

多光谱图像任意形状ROI编码 361

参考文献 371

第6章 SAR图像分割 377

6.1概述 377

图像分割的定义 377

图像分割方法简介 378

6.2基于纹理信息的图像分割 382

纹理分析 382

基于复小波的统计纹理特征及分割 386

6.3谱聚类及其改进算法在SAR图像分割中的应用 398

引言 398

谱聚类的研究现状 399

基于初始化独立的多参数核谱聚类的SAR图像分割 406

基于分水岭-谱聚类的图像分割 415

基于谱聚类集成的SAR图像分割 424

6.4基于视觉信息的SAR图像分割 436

研究动机 437

基于各向异性期望转移的自适应分割 438

基于改进的Canny边缘检测 440

基于视觉信息的图像分割算法 442

实验及结果分析 443

6.5基于似然差函数的SAR图像分割 447

似然差函数的定义 447

算法实现 449

实验结果与分析 450

参考文献 452

第7章 基于马尔可夫统计模型的SAR图像分割 460

7.1引言 460

7.2基于多尺度马尔可夫随机场的贝叶斯图像分割 460

马尔可夫随机场模型 462

基于MSMRF模型的图像分割 472

基于不完全分层MRF模型的图像分割 495

7.3基于变换域隐马尔可夫模型的多尺度图像分割 505

隐马尔可夫模型 505

基于小波域HMT模型的非监督图像分割 509

基于Contourlet域HMT模型的多尺度图像分割 536

参考文献 546

第8章 SAR图像分类与目标识别 552

8.1引言 552

8.2支撑矢量机 553

核函数特征空间 553

模式识别支撑矢量机 556

回归支撑矢量机 559

8.3基于免疫克隆特征选择的SAR图像分类 561

免疫克隆算法 562

基于免疫克隆算法的特征选择 564

基于免疫克隆特征选择的SAR图像分类 567

8.4基于商空间粒度计算的SAR图像分类 576

商空间粒度理论 577

基于商空间粒度合成的SAR图像分类 577

实验及结果分析 581

8.5基于进化神经网络的雷达目标识别 585

雷达目标一维距离像特性分析 585

进化神经网络分类 588

基于进化神经网络的雷达目标一维距离像识别 592

8.6基于自适应子波神经网络的雷达目标识别 594

自适应子波神经网络基本模型及其算法 594

自适应子波神经网络分类器的机理分析 596

进化自适应子波神经网络 601

基于模糊子集的进化子波神经网络 604

实验及结果分析 606

8.7基于子波核函数网络的雷达目标识别 607

研究动机 607

子波核函数 607

子波核函数网络模型 608

子波核函数网络学习算法 609

实验及结果分析 611

8.8基于谱协同网络的雷达目标识别 615

基于谱的协同学习算法 616

算法复杂度分析 617

实验结果和分析 618

8.9基于特征选择SVMs集成的雷达目标识别 621

基于特征选择SVMs集成系统的构造 623

集成系统中个体SVM的评价 625

免疫克隆算法在SVMs集成系统特征选择中的应用 625

基于特征选择SVMs集成的雷达目标识别 627

8.10基于免疫克隆算法的选择性SVMs集成 630

选择性集成学习的研究动机 630

集成系统中个体SVMs的构造 631

基于免疫克隆算法的SVMs选择性集成 631

基于选择性SVMs集成的SAR目标识别 633

8.11基于SVM的SAR遮挡目标识别 639

SAR遮挡目标的模拟 639

基于SVM的SAR图像遮挡目标识别 640

实验与结果分析 644

参考文献 654

附录1 逆Gamma分布和Dirichlet分布的概率密度函数 661

附录2 中英文对照表 662

返回顶部