SAR图像处理与目标识别PDF|Epub|txt|kindle电子书版本网盘下载

SAR图像处理与目标识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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CFAR135

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