本书是智能SAR图像处理与解译领域的一本新著,是作者所在团队10年来在该领域工作的积累。本书在全面总结国内外研究进展的基础上,着重论述了SAR图像噪声抑制方法、桥梁和港口目标的检测和曲线目标检测、基于多尺度几何分析(亦称第三代小波分析、后小波分析等)的SAR图像融合新算法、SAR图像和三维高光谱图像的压缩技术、各种SAR图像分割技术以及SAR图像地物分类与目标识别新方法。本书侧重于新算法的描述和实例的分析,反映了近年来SAR图像处理与解译智能化处理的最新发展概况,为该领域的深入研究提供了借鉴。
本书可以为信息科学、电子科学、计算机科学与地球科学等领域的研究人员提供参考,也可以作为相关专业研究生和高年级本科生教学参考书。
样章试读
目录
- 前言
第1章 绪论
1.1 研究背景及意义
1.2 SAR图像理解的研究现状
1.3 SAR图像处理与理解的研究内容及进展
1.4 几点思考
参考文献
第2章 SAR图像相干斑抑制
2.1 SAR成像原理及斑点噪声特性
2.2 传统SAR图像滤波方法
2.3 基于相关邻域模型的SAR图像滤波
2.4 基于Jeffrey先验概率的贝叶斯估计小波去噪
2.5 基于复小波的图像去噪
2.6 基于复小波邻域隐马尔可夫模型的图像去噪
2.7 基于Contourlet域CHMM的SAR图像相干斑抑制
2.8 基于非下采样Contourlet变换的SAR图像相干斑抑制
2.9 基于脊波域最小熵准则SAR图像相干斑抑制
2.10 本章小结
参考文献
第3章 SAR图像目标检测与变化检测
3.1 引言
3.2 SAR图像中桥梁目标检测和自动分割
3.3 SAR图像中港口目标检测和自动分割
3.4 基于脊波变换的曲线特征检测
3.5 基于广义高斯混合模型的SAR图像变化检测
参考文献
第4章 SAR图像融合
4.1 融合规则及融合算子
4.2 融合效果评价指标
4.3 经典的图像融合方法
4.4 基于概率模型的多传感器图像融合
4.5 脊波变换在图像融合中的应用
4.6 基于Contourlet变换的图像融合
4.7 基于Wedgelet和平稳小波的图像融合
参考文献
第5章 复杂图像压缩
5.1 常用的图像编码方法
5.2 压缩算法评价标准
5.3 基于自适应方向提升变换的图像压缩方法
5.4 Bandelet变换在SAR图像压缩中的应用
5.5 三维多光谱遥感图像压缩
参考文献
第6章 SAR图像分割
6.1 概述
6.2 基于纹理信息的图像分割
6.3 谱聚类及其改进算法在SAR图像分割中的应用
6.4 基于视觉信息的SAR图像分割
6.5 基于似然差函数的SAR图像分割
参考文献
第7章 基于马尔可夫统计模型的SAR图像分割
7.1 引言
7.2 基于多尺度马尔可夫随机场的贝叶斯图像分割
7.3 基于变换域隐马尔可夫模型的多尺度图像分割
参考文献
第8章 SAR图像分类与目标识别
8.1 引言
8.2 支撑矢量机
8.3 基于免疫克隆特征选择的SAR图像分类
8.4 基于商空间粒度计算的SAR图像分类
8.5 基于进化神经网络的雷达目标识别
8.6 基于自适应子波神经网络的雷达目标识别
8.7 基于子波核函数网络的雷达目标识别
8.8 基于谱协同网络的雷达目标识别
8.9 基于特征选择SVMs集成的雷达目标识别
8.10 基于免疫克隆算法的选择性SVMs集成
8.11 基于SVM的SAR遮挡目标识别
参考文献
附录1 逆Gamma分布和Dirichlet分布的概率密度函数
附录2 中英文对照表