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