第1章 绪论 1
1.1 成像光谱探测 2
1.1.1 基本原理 3
1.1.2 光谱成像设备的发展和现状 4
1.1.3 成像光谱图像分析应用分类 7
1.1.4 成像光谱探测技术应用 10
1.2 成像偏振光谱探测 14
1.2.1 成像偏振光谱探测的发展 14
1.2.2 成像偏振光谱探测的应用 16
参考文献 19
第2章 成像偏振探测 22
2.1 电磁学与偏振分析 22
2.2.1 麦克斯韦方程 22
2.2.2 偏振椭圆 24
2.2.3 Fresnel方程 26
2.2 成像偏振探测原理 28
2.3 成像偏振探测在自动目标识别中的应用 32
2.3.1 目标检测与跟踪 32
2.3.2 边缘检测 33
2.3.3 物质分类和目标识别 35
2.3.4 目标三维重建 37
2.4 影响成像偏振探测性能的因素 38
2.4.1 偏振器件传输特性 38
2.4.2 光照条件 40
2.5 减小测量偏振参数图像误差的主要方法 42
2.5.1 多角度测量 42
2.5.2 图像滤波 46
2.5.3 图像融合 46
2.6 新型偏振探测器件 50
2.7 仿生多波段偏振探测 53
参考文献 59
第3章 偏振光谱成像系统 62
3.1 典型成像偏振光谱探测系统 62
3.1.1 光谱波段调谐方法 62
3.1.2 偏振态调节 65
3.2 基于可调谐滤光片的偏振光谱探测系统 66
3.2.1 LCTF工作原理 67
3.2.2 AOTF工作原理 68
3.2.3 LCVR工作原理 68
3.2.4 几种典型的偏振光谱成像探测系统 69
3.3 基于LCTF的偏振光谱成像探测系统构成 71
3.3.1 成像系统构建 71
3.3.2 主要器件性能 73
3.3.3 偏振光谱图像采集实验装置 75
3.3.4 偏振光谱图像采集 77
3.4 偏振光谱成像探测系统定标 80
3.4.1 光谱谱段定标 80
3.4.2 光谱辐射定标 81
3.4.3 滤光片旋转性能 82
3.4.4 偏振态定标 82
3.5 偏振光谱反演 84
3.5.1 常用的光谱反演方法 85
3.5.2 基于经验线性法的偏振反演 87
3.6 实验分析 88
参考文献 95
第4章 目标和背景偏振光谱二向反射建模 96
4.1 二向反射分布 97
4.1.1 二向反射的测量 98
4.1.2 二向反射的模型 104
4.2 偏振二向反射 107
4.2.1 偏振二向分布函数 107
4.2.2 偏振辐射传输方程 108
4.3 偏振光谱BRDF的测量 112
4.3.1 测量原理 113
4.3.2 偏振光谱BRDF户外实验系统 115
4.3.3 图像数据的反演 116
4.3.4 实验测量流程 117
4.3.5 仿真实验结果及分析 119
4.4 涂层目标的偏振光谱BRDF模型 124
4.4.1 强度分量模型 124
4.4.2 偏振度分量模型 128
4.4.3 涂层目标偏振光谱BRDF与探测角、波长关系分析 130
4.5 背景的偏振光谱BRDF模型 136
4.5.1 强度分量模型 137
4.5.2 偏振度分量模型 143
参考文献 148
第5章 基于偏振光谱图像的目标检测 151
5.1 偏振光谱图像分析 152
5.2 目标检测的基础理论 154
5.2.1 偏振光谱信号混合模型 154
5.2.2 多元正态分布族 155
5.2.3 极大似然估计 156
5.2.4 似然比检验 157
5.2.5 子空间分析 162
5.2.6 随机信号与熵 164
5.2.7 非参核密度估计 165
5.3 常用异常检测算法 168
5.3.1 异常检测统计假设模型 169
5.3.2 低概率目标检测 170
5.3.3 经典RX检测算法 171
5.3.4 由RX算法导出的改进算法 171
5.4 波段子集模糊积分融合检测 172
5.4.1 数据模型及波段子集划分 172
5.4.2 模糊测度及模糊积分 174
5.4.3 非参模糊隶属度函数的构造 176
5.4.4 模糊密度的估计 177
5.4.5 实验分析 181
5.5 多检测器最大熵融合异常检测 182
5.5.1 单似然异常检测模型 182
5.5.2 核密度估计 183
5.5.3 基于最大熵的检测器融合 185
5.5.4 实验分析 188
5.6 基于偏振与光谱特征的融合检测 189
5.6.1 融合检测算法结构 190
5.6.2 实验分析 192
5.7 基于偏振度调制的融合检测 195
5.7.1 偏振度调制融合 195
5.7.2 光谱和偏振图像伪彩色编码融合 198
参考文献 201
第6章 基于偏振光谱图像的目标分类 203
6.1 偏振光谱特性分析 204
6.1.1 地物偏振光谱特征分析 204
6.1.2 目标偏振BRDF特征分析 206
6.2 无监督分类 209
6.2.1 模糊C均值算法 211
6.2.2 迭代自组织数据分析算法 213
6.2.3 Mean-Shift聚类 214
6.3 支持向量机 216
6.3.1 最优分类超平面 217
6.3.2 线性可分的最优分类面 218
6.3.3 线性不可分的最优分类面 219
6.3.4 非线性支持向量机 221
6.4 证据推理 221
6.5 基于聚类融合的偏振光谱图像分类 224
6.5.1 融合聚类算法 224
6.5.2 用分层分类提高分类效果 225
6.5.3 分类结果 225
6.5.4 分类精度评价 229
6.6 基于偏振光谱BRDF融合分类 232
6.6.1 分类结果1 233
6.6.2 分类结果2 237
6.7 基于偏振BRDF模型的目标分类 241
6.7.1 算法流程 242
6.7.2 分类结果分析 244
参考文献 245
第7章 偏振光谱信息处理软件 247
7.1 系统分析 247
7.2 系统实现 249
7.3 系统应用 250