第1章 绪论 1
1.1 高分辨力SAR图像解译与目标识别研究意义 1
1.2 高分辨力SAR图像解译与目标识别研究现状 4
1.3 高分辨力SAR图像解译与目标识别的研究进展 8
参考文献 11
第2章 高分辨力SAR图像相干斑抑制 16
2.1 SAR的基本原理 16
2.2 高分辨力SAR图像降斑方法研究现状 17
2.2.1 多视处理降斑 17
2.2.2 空间域降斑 18
2.2.3 小波域降斑 19
2.2.4 后小波域降斑 20
2.2.5 基于马尔可夫随机场模型的降斑 22
2.2.6 基于非局部滤波的降斑 22
2.2.7 降斑方法研究总结 23
2.3 相干斑的统计模型与降斑效果评价 23
2.3.1 相干斑的统计分布与模型 23
2.3.2 降斑效果评价 31
2.4 基于方差系数统计的相干斑强度估计 35
2.4.1 基于均值—标准差平面的相干斑强度估计 36
2.4.2 基于方差系数统计的相干斑强度估计 37
2.4.3 实验结果与分析 39
2.4.4 小结 45
2.5 基于统计相似性度量与局部同质区域分割的SAR图像降斑 46
2.5.1 背景介绍 46
2.5.2 传统的像素相似性度量方法及缺陷 47
2.5.3 乘性噪声模型下的比值距离 49
2.5.4 基于比值距离统计分布的相似性度量 50
2.5.5 基于像素相似性度量的局部同质区域分割 52
2.5.6 基于ML准则的降斑图像估计 54
2.5.7 实验结果与分析 55
2.5.8 小结 72
2.6 基于图像块的统计相似性度量的SAR图像降斑 72
2.6.1 背景介绍 72
2.6.2 期望滤波器与SAR图像降斑 73
2.6.3 基于图像块的统计相似性度量 74
2.6.4 基于图像块加权的SAR图像降斑 80
2.6.5 实验结果与分析 82
2.6.6 小结 99
2.7 基于统计模拟门限的自适应非局部均值降斑滤波器 99
2.7.1 背景介绍 99
2.7.2 自适应搜索窗 101
2.7.3 基于统计模拟的自动相似性门限 102
2.7.4 实验结果与分析 105
2.7.5 小结 119
参考文献 119
第3章 极化SAR相干斑噪声抑制 128
3.1 雷达极化的基本理论 128
3.1.1 散射过程的描述 128
3.1.2 散射矩阵的描述 130
3.1.3 极化SAR数据的形式 131
3.2 相干斑统计模型及去斑效果评价 133
3.2.1 相干斑统计分布 133
3.2.2 相干斑模型 135
3.2.3 相干斑抑制评价指标 137
3.3 极化SAR处理平台 138
3.3.1 ENVI 139
3.3.2 PCI Geomatica 139
3.3.3 RAT 139
3.3.4 PolSARpro 140
3.3.5 CAESAR-POLSAR 140
3.4 基于核回归的极化SAR相干斑抑制 140
3.4.1 核回归理论 141
3.4.2 基于核回归的SAR图像相干斑抑制 146
3.4.3 基于核回归的极化SAR相干斑抑制 150
3.4.4 实验结果及分析 152
3.5 非局部均值思想用于极化SAR噪声的抑制 156
3.5.1 非局部均值算法简介 156
3.5.2 贝叶斯非局部均值算法用于极化SAR噪声的抑制 158
3.5.3 实验结果与分析 163
3.6 基于非局部双边滤波的极化SAR相干斑抑制 167
3.6.1 极化SAR数据的相似性度量 167
3.6.2 极化SAR非局部双边的相干斑抑制 168
3.6.3 实验结果与分析 172
参考文献 182
第4章 高分辨力SAR图像地物分割与分类 186
4.1 基于三马尔可夫随机场的SAR图像分割 186
4.1.1 基于模糊的三马尔可夫场SAR图像分割 186
4.1.2 基于三马尔可夫场的SAR图像融合分割 193
4.1.3 小结 199
4.2 多尺度和多层稀疏表示的SAR图像分类 200
4.2.1 基于稀疏表示的SAR地物分类 200
4.2.2 基于稀疏表示的多层SAR地物分类 208
4.2.3 基于稀疏表示和不同尺度的SAR地物分类 211
4.2.4 实验结果及分析 213
4.2.5 小结 227
4.3 基于签名框架的SAR图像分类与分割 228
4.3.1 背景介绍 228
4.3.2 基于随机投影的Signature局部特征分布描述 229
4.3.3 地球移动距离的计算 231
4.3.4 基于Signature框架的SAR图像地物分类算法 233
4.3.5 基于Signature框架的SAR图像分割算法 237
4.3.6 基于ZigZag扫描和签名框架的SAR图像分割算法 245
4.4 基于图模型的SAR图像分割 251
4.4.1 基于图模型的SAR图像分割方法 251
4.4.2 基于超像素和图模型的快速并行SAR图像分割 255
参考文献 264
第5章 高分辨力极化SAR图像地物分类 267
5.1 高分辨力极化SAR理论基础 267
5.1.1 极化的表征 267
5.1.2 散射体的极化描述 269
5.1.3 微波成像的散射机理 271
5.1.4 极化目标分解 273
5.1.5 极化SAR统计建模 277
5.1.6 小结 279
5.2 基于Freeman分解的极化SAR图像分类 280
5.2.1 背景介绍 280
5.2.2 传统基于散射机理的极化SAR图像分类方法 281
5.2.3 基于Freeman分解和同极化比的极化SAR图像分类方法 286
5.2.4 基于散射功率熵和同极化比的极化SAR图像分类方法 290
5.2.5 小结 299
5.3 基于谱聚类的极化SAR图像分类研究 300
5.3.1 一种基于Mean Shift和谱聚类的极化SAR图像分类 300
5.3.2 基于Freeman分解和谱聚类的极化SAR图像分类 313
5.4 基于K-Wishart分布的极化SAR图像分类 319
5.4.1 基于Freeman分解和K-Wishart分布的极化SAR图像分类 319
5.4.2 基于K-Wishart分类器的极化SAR图像分类方法 325
5.4.3 基于MRF和K-Wishart分布的极化SAR图像分类方法 334
5.5 基于区域的无监督极化SAR图像分类 344
5.5.1 类别自适应的无监督极化SAR图像分类 344
5.5.2 基于改进分水岭的无监督极化SAR分类 351
5.6 基于均值漂移和区域WishartMRF的极化SAR地物分类 361
5.6.1 背景介绍 361
5.6.2 基于改进的均值漂移和MRF的极化SAR图像分类 367
5.6.3 小结 376
参考文献 377
第6章 高分辨力SAR图像目标检测 383
6.1 基于视觉注意的SAR图像舰船目标检测 383
6.1.1 自底向上的图像显著区域检测 383
6.1.2 自顶向下的SAR图像水域分割 393
6.1.3 基于选择性注意机制的SAR图像舰船检测 407
6.2 基于分层CFAR的高分辨力SAR图像舰船目标检测 415
6.2.1 背景介绍 415
6.2.2 SAR图像目标检测基础理论及算法 415
6.2.3 多层CFAR算法目标检测 424
6.3 基于压缩感知的SAR成像和检测一体化舰船目标检测 435
6.3.1 基于压缩感知的高分辨力SAR稀疏目标成像 436
6.3.2 基于低秩矩阵重建的高分辨力SAR稀疏目标成像 448
6.4 基于疏散度的高分辨力SAR图像桥梁目标检测 459
6.4.1 基于疏散度的水域提取 460
6.4.2 桥梁检测 463
6.4.3 实验及分析 466
6.4.4 小结 474
6.5 基于模板匹配的SAR图像飞机目标检测 474
6.5.1 基于机场特征的局部阈值分割 475
6.5.2 飞机模板设计 477
6.5.3 实验结果及分析 480
6.5.4 小结 485
参考文献 485
第7章 高分辨力SAR图像目标识别与分类 491
7.1 基于压缩感知与流形学习的SAR目标识别 491
7.1.1 基于随机观测矢量与混合因子分析的SAR目标识别 491
7.1.2 基于观测矢量与正交三角分解的快速目标识别 501
7.2 基于协同神经网络的SAR图像识别 507
7.2.1 协同神经网络 507
7.2.2 免疫克隆规划协同神经网络 510
7.2.3 基于免疫克隆规划与协同神经网络的SAR图像识别 514
7.2.4 基于协同神经网络的免疫克隆集成算法 521
7.2.5 小结 525
7.3 基于核匹配追踪的SAR图像识别 525
7.3.1 追踪算法 525
7.3.2 核匹配追踪 527
7.3.3 基于多尺度几何分析与核匹配追踪的图像识别 530
7.3.4 基于免疫克隆与核匹配追踪的快速图像目标识别 537
7.3.5 小结 551
7.4 基于半监督学习的图像分类与分割 551
7.4.1 学习方法简介 551
7.4.2 基于拉普拉斯正则化最小二乘的半监督SAR目标识别 557
7.4.3 结合Nystr？m的图半监督纹理图像分割 573
7.4.4 自调节参数的半监督谱聚类 588
7.4.5 总结与展望 596
7.5 谱聚类维数约简算法研究与应用 597
7.5.1 背景介绍 597
7.5.2 维数约简算法的研究 602
7.5.3 基于多参数自调节谱聚类维数约简的图像目标识别 607
7.5.4 基于局部标度切的监督维数约简及其应用 624
7.5.5 基于核标度切监督维数约简的图像目标识别 638
参考文献 645
主要符号表 660
缩略语 663