第1章 绪论 1
第2章 SAR成像原理 6
2.1 引言 6
2.2 SAR系统参数 6
2.3 单脉冲距离向处理 7
2.4 线性调频脉冲与脉冲压缩 11
2.5 SAR方位向处理 15
2.6 SAR线性测量系统 17
2.7 辐射定标 21
2.8 小结 23
参考文献 23
附录2A 星载SAR的方位向处理 25
第3章 图像缺陷及其校正 27
3.1 引言 27
3.2 SAR成像散焦 28
3.2.1 自聚焦方法 30
3.2.2 自聚焦技术的精确性 33
3.2.3 散射体性质对自聚焦的影响 33
3.3 几何失真与辐射失真 34
3.3.1 物理原因及关联的失真 35
3.3.2 基于信号的MOCO方法 37
3.3.3 天线稳定性 37
3.4 残留SAR成像误差 38
3.4.1 残留的几何与辐射失真 38
3.4.2 旁瓣水平 39
3.5 基于信号的MOCO方法的改进 40
3.5.1 包含相位补偿的迭代自聚焦 40
3.5.2 较小失真的高频跟踪 41
3.5.3 常规方法与基于信号方法相结合的MOCO方法 42
3.6 小结 45
参考文献 46
第4章 SAR图像的基本特性 49
4.1 引言 49
4.2 SAR图像信息的特质 50
4.3 单通道图像类型与相干斑 54
4.4 多视处理估计RCS 59
4.5 相干斑的乘性噪声模型 62
4.6 RCS估计——成像与噪声的影响 63
4.7 SAR成像模型的结果 66
4.8 空间相关性对多视处理的影响 67
4.9 系统引入空间相关性的补偿 68
4.9.1 子采样 68
4.9.2 预平均 69
4.9.3 插值 69
4.10 空间相关性估计：平稳性与空间平均 70
4.11 相干斑模型的局限性 72
4.12 多维SAR图像 72
4.13 小结 76
参考文献 76
第5章 数据模型 79
5.1 引言 79
5.2 数据特征 80
5.3 经验数据分布 82
5.4 乘积模型 83
5.4.1 RCS模型 83
5.4.2 强度概率密度函数 85
5.5 概率分布模型的比较 86
5.6 基于有限分辨率成像的目标RCS起伏 87
5.7 数据模型的局限性 90
5.8 计算机仿真 92
5.9 小结 96
参考文献 96
第6章 RCS重建滤波器 101
6.1 引言 101
6.2 相干斑模型和图像质量度量 102
6.3 贝叶斯重建 103
6.4 基于相干斑模型的重建 104
6.4.1 多视处理相干斑抑制 104
6.4.2 最小均方误差相干斑抑制 105
6.5 基于RCS模型的重建 106
6.5.1 伽马MAP相干斑抑制 106
6.6 邻域相关模型 107
6.6.1 邻域相关极大似然相干斑抑制 108
6.6.2 邻域相关伽马MAP相干斑抑制 109
6.7 结构自适应滤波 109
6.8 基于非线性迭代处理的重建 110
6.8.1 迭代MMSE相干斑抑制 110
6.8.2 迭代伽马MAP相干斑抑制 111
6.8.3 迭代邻域相关ML相干斑抑制 111
6.8.4 迭代邻域相关伽马MAP相干斑抑制 112
6.9 基于结构化邻域模型迭代处理的重建 113
6.9.1 模拟退火和结构化邻域模型 113
6.9.2 恒定RCS模型 115
6.9.3 非恒定RCS模型 116
6.9.4 基于结构的退火算法结果讨论 116
6.10 重建算法的比较 118
6.10.1 图像质量 119
6.10.2 执行时间 121
6.10.3 算法选择 121
6.11 讨论 122
参考文献 124
第7章 RGS分类与分割 127
7.1 引言 127
7.2 RCS分类 127
7.3 画块模型与图像分割 128
7.3.1 边缘检测 129
7.3.2 区域合并 131
7.3.3 极大似然分割／合并理论 132
7.3.4 极大似然分割／合并理论的实现 136
7.3.5 区域拟合 136
7.4 分割算法的比较 138
7.4.1 图像质量 138
7.4.2 执行时间 141
7.4.3 算法选择 142
7.5 RCS提取 143
7.5.1 算法性质 143
7.5.2 应用实例 144
参考文献 146
第8章 纹理信息提取 149
8.1 引言 149
8.2 不利用模型的纹理信息提取 150
8.2.1 Kolmogorov-Smirnov检验 150
8.2.2 矩估计 150
8.2.3 最优矩的选择 152
8.2.4 概率密度函数估计 152
8.3 基于模型的纹理参数估计 153
8.3.1 不同概率密度函数的极大似然估计 153
8.3.2 阶参数估计的不确定性 156
8.3.3 纹理估计实例 158
8.4 纹理分类 159
8.4.1 拟合分类 159
8.4.2 直接分类 160
8.4.3 退火纹理分类 161
8.5 纹理分割 162
8.5.1 边缘检测 162
8.5.2 基于模型的分割 163
8.5.3 退火分割 163
8.6 讨论 164
参考文献 166
第9章 相关纹理 168
9.1 引言 168
9.2 基于模型的参数估计 169
9.3 纹理分类 172
9.3.1 拟合分类 172
9.3.2 直接频谱分类 172
9.4 相关纹理ML边缘检测 175
9.4.1 ML边缘检测理论 175
9.4.2 边缘检测性能 176
9.5 讨论 177
参考文献 178
第10章 目标信息 180
10.1 引言 180
10.2 目标检测概述 181
10.3 恒定的目标与背景RCS 183
10.3.1 标准恒虚警率目标检测 183
10.3.2 最优目标检测 184
10.4 背景与目标统计特性的影响 186
10.4.1 标准恒虚警率目标检测 186
10.4.2 纹理目标模型的最优检测 188
10.5 目标检测的进一步改进 191
10.6 目标识别概述 193
10.7 目标鉴别 195
10.8 目标分类 199
10.9 目标超分辨率 200
10.9.1 超分辨率理论 200
10.9.2 超分辨率实例 202
10.9.3 有关超分辨率的结论 203
10.10 小结 203
参考文献 204
第11章 多通道SAR数据的信息处理 208
11.1 引言 208
11.2 极化测量 209
11.3 极化数据分布 210
11.3.1 理论表示 211
11.3.2 与相干斑一维乘性噪声模型的关系 212
11.4 多维高斯分布 213
11.4.1 实高斯分布与复高斯分布 215
11.4.2 矩 217
11.5 双极化通道数据的单视分布 217
11.6 统计分布特性 219
11.6.1 相位差分布 219
11.6.2 幅度比分布 222
11.7 极化参数的估计 223
11.7.1 多视相位差分布 224
11.7.2 多视相干系数分布 225
11.7.3 多视强度比分布 226
11.8 极化散射的Stokes散射矩阵 226
11.9 极化数据的纹理信息 228
11.9.1 多视纹理数据 229
11.9.2 参数估计 229
11.9.3 极化数据中的纹理观测 229
11.10 干涉、多频率和多时相数据 231
11.11 小结 232
参考文献 233
附录11A 数目波动和乘积模型 236
第12章 多维SAR图像分析技术 239
12.1 引言 239
12.2 极化重建滤波器 240
12.2.1 多视重建 240
12.2.2 MMSE重建 242
12.2.3 伽马MAP估计 244
12.3 多极化与多通道数据斑点抑制 245
12.3.1 使用协方差矩阵数据 245
12.3.2 只用强度数据的情况 249
12.3.3 多通道滤波 251
12.3.4 多通道SAR数据的主成分分析 253
12.4 图像差异的测量与检测 254
12.4.1 基于像素的变化检测 254
12.4.2 基于区域的差异检测 256
12.5 多通道数据的图像分割 259
12.5.1 多维RGW分割 259
12.5.2 多维退火分割 261
12.6 算法比较的实例分析 264
12.7 小结 269
参考文献 269
第13章 SAR图像的分类 273
13.1 引言 273
13.2 图像分类的经验依据 275
13.2.1 星载多时相数据 276
13.2.2 极化数据 277
13.2.3 纹理在分类中的应用 281
13.3 图像分类的决策准则 281
13.4 图像分类的数据驱动方法 281
13.4.1 高斯分布最大后验概率分类 282
13.4.2 单频率极化分类 283
13.4.3 重复轨道干涉 284
13.4.4 不相关通道 284
13.4.5 最大后验概率分类法的应用 284
13.4.6 其他数据驱动方法 285
13.5 基于散射机理的图像分类 286
13.6 基于知识的图像分类 288
13.7 利用SAR特性的改进分类方法 291
13.8 小结 292
参考文献 293
第14章 现状与前景分析 298
14.1 引言 298
14.2 模型的完整度 299
14.3 模型的精确度 300
14.4 模型的易处理度 301
14.5 模型的可用度 301
14.6 未来发展趋势 303
参考文献 303
索引 305