SAR图像处理与目标识别PDF电子书下载

第1章SAR图像特性分析 1

1.1合成孔径雷达成像的基本原理 1

1.2 SAR图像的分辨率特征 8

1.3 SAR图像的强度特征 10

1.4 SAR图像的几何特征 13

1.5 SAR图像的统计分布特征 14

1.6 SAR图像的噪声特征 15

1.6.1 SAR图像相干斑形成机理 15

1.6.2 SAR图像相干斑模型 16

1.7 SAR图像指标 21

1.8本章小结 22

参考文献 23

第2章SAR图像去噪声 25

2.1 SAR图像分布模型 25

2.2 SAR图像滤波 27

2.2.1空间域滤波算法 29

2.2.2小波域全局阈值滤波 32

2.2.3基于纹理模型的空间自适应小波滤波 33

2.2.4基于隐马尔可夫树模型的小波滤波算法 34

2.2.5基于双正交小波域局部统计特性的滤波算法 36

2.2.6基于正交带波域的滤波算法 37

2.2.7基于曲波变换域的滤波算法 52

2.2.8基于轮廓波变换域的滤波算法 54

2.2.9基于带波变换域的滤波算法 60

2.3滤波算法的效果对比 63

2.4本章小结 65

参考文献 66

第3章SAR图像配准 70

3.1 SAR图像配准概况 70

3.1.1图像配准的定义 70

3.1.2图像配准的模型 71

3.1.3图像变换 71

3.1.4图像配准的一般方法 72

3.2图像配准预处理 72

3.2.1图像增强 72

3.2.2图像的几何校正 74

3.3基于灰度的图像配准方法 75

3.3.1基于互信息的图像配准算法 75

3.3.2基于联合直方图的图像配准算法 79

3.4基于特征的图像配准方法 82

3.4.1基于SIFT特征的图像配准算法 82

3.4.2基于角点特征的图像配准算法 87

3.4.3基于灰度和特征的配准方法的局限性 89

3.4.4基于特征与灰度相结合的图像配准新方法 90

3.5基于变换域的图像配准方法 94

3.5.1平移变化的配准原理 94

3.5.2旋转变化和比例变化的配准原理 94

3.5.3基于快速傅里叶变换的图像配准算法 95

3.5.4仿真结果 95

3.6本章小结 97

参考文献 97

第4章SAR图像融合 99

4.1 SAR图像融合概况 99

4.1.1图像融合的层次划分 100

4.1.2图像融合效果评价 102

4.2加权平均融合算法 104

4.3基于拉普拉斯金字塔算法的图像融合算法 105

4.4基于小波变换的图像融合方法 106

4.4.1基于小波变换的图像融合算法 106

4.4.2小波变换域内不同融合算法比较 107

4.5基于轮廓波变换的融合算法 110

4.6基于Bandlet变换的图像融合算法 112

4.7基于PCNN的图像融合新算法 114

4.7.1脉冲耦合神经网络 114

4.7.2基于DWT的PCNN的融合新算法 117

4.7.3基于DWT的并行PCNN融合算法 119

4.7.4基于方向性激励的PCNN融合算法 123

4.7.5基于Grouplet变换和PCNN的图像融合算法 124

4.8仿真结果 126

4.9本章小结 128

参考文献 129

第5章SAR图像目标分割 131

5.1 SAR图像目标分割技术发展概况 131

5.2 CFAR分割技术 132

5.2.1单参数CFAR分割 133

5.2.2双参数CFAR分割 134

5.2.3多分辨率CFAR 135

5.3基于MRF的SAR图像目标分割 135

5.4基于全局Maxflow的SAR图像目标分割 138

5.4.1能量函数最小化理论 139

5.4.2最小割集与最大流 141

5.4.3 Otsu算法 152

5.4.4基于Maxflow的最大熵算法的SAR图像目标分割 157

5.4.5基于全局Maxflow的邻域生长算法的SAR图像目标分割 162

5.5本章小结 166

参考文献 167

第6章SAR图像目标检测 170

6.1 SAR图像目标检测概况 170

6.2 SAR图像目标检测的基本算法 171

6.2.1 SAR图像目标检测的知识检测 171

6.2.2基于数据相关的基与固定基相结合的SAR图像检测算法 174

6.2.3 SAR图像目标检测算法实用性 176

6.3基于Beamlet的SAR图像目标检测 176

6.3.1 Beamlet的基本理论 176

6.3.2小线检测 179

6.3.3基于Beamlet的SAR图像目标检测仿真 181

6.3.4 Beamlet的其他应用 184

6.4本章小结 190

参考文献 191

第7章SAR图像目标识别 193

7.1 SAR图像目标识别概况 193

7.1.1 SAR目标识别概述及研究现状 193

7.1.2 SAR图像目标自动识别的难点 194

7.1.3 SAR图像目标自动识别的关键技术 194

7.1.4 SAR图像目标识别流程 195

7.2基于PCA 、 KPCA及2DPCA的SAR图像识别 196

7.2.1 PCA特征提取 197

7.2.2 KPCA及2DPCA特征提取方法 197

7.2.3 SAR图像分类识别性能验证 198

7.2.4投影特征的缺点 199

7.3 SAR图像融合目标特征提取 200

7.3.1 SAR图像融合目标特征概述 200

7.3.2基于形状特征的Hu不变矩特征提取 201

7.3.3基于纹理特征的Gabor特征提取 203

7.3.4基于频域特征的FFT特征提取 206

7.3.5基于HGF混合特征矩的融合特征 210

7.4支持矢量机分类器 212

7.4.1 SVM分类器 212

7.4.2 SVM体系结构 212

7.5基于融合特征和SVM分类器的SAR图像目标识别 218

7.5.1基于融合特征和SVM分类器的SAR图像目标识别的处理流程 218

7.5.2联合特征提取及类归一化 219

7.5.3 SVM分类器设计 221

7.5.4融合特征分类效果验证 221

7.6本章小结 229

参考文献 230

第8章 基于压缩感知的雷达图像重建算法 232

8.1压缩感知概况 232

8.1.1研究的背景和意义 233

8.1.2国内外研究现状 233

8.1.3压缩感知的应用 235

8.2压缩感知理论 236

8.2.1信号的稀疏表示 238

8.2.2压缩感知算法 239

8.2.3常用测量矩阵 240

8.2.4信号重建算法 242

8.2.5压缩感知在雷达成像中的应用 244

8.3基于小波树的正交匹配追踪重建算法 245

8.3.1正交匹配追踪算法 245

8.3.2 TOMP算法 248

8.3.3 TOMP算法的仿真 250

8.4基于分块的三维小波树的正交匹配追踪算法 252

8.4.1三维的基于小波树的正交匹配追踪算法（3D-TOMP） 253

8.4.2基于分块的三维小波树的正交匹配追踪算法（3D-TOMP-BL） 254

8.4.3验证结果及分析 257

8.5本章小结 261

参考文献 263

第9章 基于小波变换的SAR图像压缩方法 267

9.1 SAR图像压缩技术发展概况 267

9.1.1 SAR数据压缩背景 267

9.1.2 SAR图像压缩的意义 268

9.1.3图像压缩算法概述 269

9.2 SAR图像统计特征与率失真特性 271

9.2.1 SAR图像统计特征 271

9.2.2 SAR图像的率失真特性 272

9.2.3传统图像压缩原理 274

9.2.4图像压缩的评估标准 275

9.3基于小波变换的SAR图像压缩方法 276

9.3.1小波变换 277

9.3.2图像统计特性和适合图像数据压缩小波基的确定 278

9.3.3基于小波变换的嵌入式压缩编码 279

9.4 SAR图像压缩性能仿真测试 283

9.5本章小结 287

参考文献 288

名词术语表 290