SAR图像处理技术研究PDF电子书下载

第1章 绪论 1

1.1 SAR简介 1

1.2 SAR技术的国内外发展现状和未来 2

1.3 研究工作来源、研究背景及研究意义 7

1.4 主要内容 9

第2章 SAR图像相干斑噪声抑制 13

2.1 SAR图像特征 13

2.1.1 SAR成像简介 13

2.1.2 SAR图像辐射特征 14

2.1.3 SAR图像几何特征 15

2.1.4 SAR图像噪声特征 17

2.1.5 SAR图像目标特征 17

2.2 SAR图像噪声空间分布特性 19

2.2.1 相干斑噪声的产生机制 19

2.2.2 多视处理和等效视数 20

2.2.3 相干斑噪声的仿真模型 21

2.2.4 相干斑噪声的统计特性 23

2.3 SAR图像噪声小波域分布特性的研究 24

2.3.1 SAR图像的小波变换 24

2.3.2 信号和噪声的奇异性讨论 25

2.3.3 相干斑噪声的小波变换特性 27

2.4 传统滤波 29

2.4.1 中值类滤波 29

2.4.2 均值类滤波 30

2.4.3 统计类滤波 31

2.5 基于结构信息检测的空间域统计SAR图像滤波方法 34

2.5.1 点目标检测 35

2.5.2 边界检测 36

2.5.3 线性体检测 37

2.5.4 方法实现 38

2.5.5 方法分析 39

2.5.6 实验结果与结论 39

2.6 基于小波变换的SAR图像噪声滤波算法 42

2.6.1 SAR图像小波滤波思想 42

2.6.2 基于小波变换的SAR图像噪声滤波方法的基本步骤 43

2.6.3 实验结果与结论 44

2.6.4 本节SAR图像滤波方法与2.5节SAR图像滤波方法的比较 45

2.7 小结 46

第3章 SAR图像边缘提取 48

3.1 基于空间域的微分算子边缘提取方法 48

3.2 基于恒虚警概率的比值边缘提取方法 49

3.2.1 梯度边缘检测算子的虚警概率 50

3.2.2 比值边缘检测算子的恒虚警概率 51

3.2.3 比值边缘检测算子的判决门限 53

3.3 基于指数平滑滤波器的比值边缘提取方法 55

3.3.1 多边缘模型 56

3.3.2 基于指数平滑滤波器的比值边缘提取方法 57

3.3.3 实验结果与结论 60

3.4 基于小波变换的SAR图像边缘提取新方法 62

3.4.1 SAR图像的滤波处理 62

3.4.2 图像的小波变换及其模 63

3.4.3 模图像滤波 64

3.4.4 阈值化处理和边缘检测 65

3.4.5 本节小结 68

3.5 基于分形理论的SAR图像边缘检测 68

3.5.1 相干斑噪声抑制 69

3.5.2 SAR图像的分形边缘检测 69

3.5.3 边缘检测准则 73

3.5.4 实验结果与结论 73

3.6 基于支撑矢量机的SAR图像边缘检测方法 74

3.6.1 含噪SAR图像边缘特征提取 75

3.6.2 基于支撑矢量机的边缘检测方法 77

3.6.3 实验结果与结论 78

3.7 4种SAR图像边缘提取方法的比较 79

3.8 小结 83

第4章 SAR图像分割分类 84

4.1 基于灰度信息的SAR图像分割 84

4.1.1 基于Rayleigh分布的最小误差分割方法 84

4.1.2 基于Rayleigh分布和模糊技术的SAR图像分割 87

4.2 基于边缘信息的SAR图像分割 96

4.2.1 分水岭算法的思想 96

4.2.2 基于形态滤波器的分水岭算法 98

4.2.3 区域合并算法 99

4.2.4 基于边缘信息的SAR图像分割方法 100

4.3 基于纹理信息的SAR图像分割方法 103

4.3.1 基于灰度共生矩阵的SAR图像分割 104

4.3.2 基于纹理频谱的SAR图像分割 105

4.3.3 基于自动的多分辨率分析的SAR图像分割 109

4.3.4 基于傅立叶功率谱的自适应四叉树SAR图像分割方法 122

4.3.5 基于小波变换的SAR图像分割 127

4.3.6 基于分形理论的SAR图像分割 130

4.3.7 基于灰度共生矩阵和模糊神经网络的SAR图像分割 132

4.4 基于统计特征的SAR图像分类 137

4.4.1 基于树型小波能量特征和灰度共生矩阵特征的SAR图像分类 137

4.4.2 利用小波尺度共生矩阵和灰度共生矩阵的SAR图像分类 142

4.5 本章SAR图像分割分类方法的比较 147

4.6 小结 152

第5章 SAR图像目标识别 154

5.1 SAR图像目标识别概述 154

5.1.1 SAR目标所具有的特点 155

5.1.2 已经提出的研究方法 156

5.2 不变矩特征提取 158

5.2.1 规则矩 158

5.2.2 矩不变量 159

5.3 基于SVM的分类技术 160

5.3.1 两类问题 161

5.3.2 多分类问题 163

5.4 基于SVM的SAR图像目标识别 165

5.5 小结 170

第6章 极化SAR图像处理 171

6.1 极化SAR图像分类技术发展 172

6.1.1 极化SAR图像分类技术概述 172

6.1.2 极化SAR图像无监督分类技术发展现状 173

6.2 基于极化特征和空间域特征的极化SAR图像分类 177

6.2.1 极化SAR图像无监督分类技术发展现状 177

6.2.2 极化SAR图像的极化特征 179

6.2.3 极化SAR图像分类方法的主要步骤 182

6.2.4 实验结果与结论 183

6.2.5 小结 185

第7章 并行SAR图像处理 187

7.1 SAR图像并行处理研究背景与研究意义 187

7.2 并行SAR图像边缘检测方法 194

7.2.1 含噪SAR图像边缘特征提取 195

7.2.2 本章SAR图像边缘检测串行算法与并行算法流程 198

7.2.3 实验结果与结论 199

7.3 并行SAR图像分类 204

7.3.1 小波能量特征 205

7.3.2 SAR图像分类串行方法与并行方法思想 206

7.3.3 实验结果与结论 207

7.4 SAR图像并行处理效率分析 211

7.4.1 本章实验中组成并行系统的各台机器的性能及网络带宽 211

7.4.2 本章并行SAR图像边缘检测方法的实验数据 211

7.4.3 本章并行SAR图像分类方法的实验数据 218

7.4.4 实验结果与结论 225

7.4.5 提高并行效率的措施 225

7.5 小结 226

第8章 总结与展望 227

8.1 总结 227

8.2 展望 231

参考文献 234