掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
雷達圖像解譯技術 版權信息
- ISBN：9787118114980
- 條形碼：9787118114980 ; 978-7-118-11498-0
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
雷達圖像解譯技術 內容簡介
焦李成、侯彪、王爽、劉芳、楊淑媛等著的《雷達圖像解譯技術/雷達與探測前沿技術叢書》針對高分辨力合成孔徑雷達（Synthetic Aperture Radar，SAR）圖像和極化SAR圖像解譯與目標識別的國際前沿及熱點領域，系統地介紹高分辨力SAR和極化SAR的成像機理及其在SAR圖像處理領域的應用。首先，介紹SAR圖像解譯與目標識別的基本原理、研究方法及其發展與應用，重點介紹高分辨力SAR圖像相干斑抑制的方法和極化SAR噪聲抑制技術；其次，介紹基于結合統計信息、區域信息和上下文信息的高分辨力SAR圖像地物分割與分類以及基于極化散射特征、極化統計特征和極化圖像特征的極化SAR圖像分類；*后，討論不同高分辨力SAR圖像（艦船、飛機等）目標檢測、識別及分類的方法。 本書可作為高校電子工程、信號與信息處理、應用數學等專業的高年級本科生或研究生教材，也可供從事雷達圖像解譯方面研究工作的科技工作者參考。
雷達圖像解譯技術 目錄
第1章 緒論
1.1 高分辨力SAR圖像解譯與目標識別研究意義
1.2 高分辨力SAR圖像解譯與目標識別研究現狀
1.3 高分辨力SAR圖像解譯與目標識別的研究進展
參考文獻
第2章 高分辨力SAR圖像干斑抑制
2.1 SAR的基本原理
2.2 高分辨力SAR圖像降斑方法研究現狀
2.2.1 多視處理降斑
2.2.2 空間域降斑
2.2.3 小波域降斑
2.2.4 后小波域降斑
2.2.5 基于馬爾可夫隨機場模型的降斑
2.2.6 基于非局部濾波的降斑
2.2.7 降斑方法研究總結
2.3 相干斑的統計模型與降斑效果評價
2.3.1 相干斑的統計分布與模型
2.3.2 降斑效果評價
2.4 基于方差系數統計的相干斑強度估計
2.4.1 基于均值一標準差平面的相干斑強度估計
2.4.2 基于方差系數統計的相干斑強度估計
2.4.3 實驗結果與分析
2.4.4 小結
2.5 基于統計相似性度量與局部同質區域分割的SAR圖像降斑
2.5.1 背景介紹
2.5.2 傳統的像素相似性度量方法及缺陷
2.5.3 乘性噪聲模型下的比值距離
2.5.4 基于比值距離統計分布的相似性度量
2.5.5 基于像素相似性度量的局部同質區域分割
2.5.6 基于ML準則的降斑圖像估計
2.5.7 實驗結果與分析
2.5.8 小結
2.6 基于圖像塊的統計相似性度量的SAR圖像降斑
2.6.1 背景介紹
2.6.2 期望濾波器與SAR圖像降斑
2.6.3 基于圖像塊的統計相似性度量
2.6.4 基于圖像塊加權的SAR圖像降斑
2.6.5 實驗結果與分析
2.6.6 小結
2.7 基于統計模擬門限的自適應非局部均值降斑濾波器
2.7.1 背景介紹
2.7.2 自適應搜索窗
2.7.3 基于統計模擬的自動相似性門限
2.7.4 實驗結果與分析
2.7.5 小結
參考文獻
第3章 極化SAR相干斑噪聲抑制
3.1 雷達極化的基本理論
3.1.1 散射過程的描述
3.1.2 散射矩陣的描述
3.1.3 極化SAR數據的形式
3.2 相干斑統計模型及去斑效果評價
3.2.1 相干斑統計分布
3.2.2 相干斑模型
3.2.3 相干斑抑制評價指標
3.3 極化SAR處理平臺
3.3.1 ENVI
3.3.2 PCI Geomatica
3.3.3 RAT
3.3.4 PolSARpro
3.3.5 CAESAR-POLSAR
3.4 基于核回歸的極化SAR相干斑抑制
3.4.1 核回歸理論
3.4.2 基于核回歸的SAR圖像相干斑抑制
3.4.3 基于核回歸的極化SAR相干斑抑制
3.4.4 實驗結果及分析
3.5 非局部均值思想用于極化SAR噪聲的抑制
3.5.1 非局部均值算法簡介
3.5.2 貝葉斯非局部均值算法用于極化SAR噪聲的抑制
3.5.3 實驗結果與分析
3.6 基于非局部雙邊濾波的極化SAR相干斑抑制
3.6.1 極化SAR數據的相似性度量
3.6.2 極化SAR非局部雙邊的相干斑抑制
3.6.3 實驗結果與分析
參考文獻
第4章 高分辨力SAR圖像地物分割與分類
4.1 基于三馬爾可夫隨機場的SAR圖像分割
4.1.1 基于模糊的三馬爾可夫場SAR圖像分割
4.1.2 基于三馬爾可夫場的SAR圖像融合分割
4.1.3 小結
4.2 多尺度和多層稀疏表示的SAR圖像分類
4.2.1 基于稀疏表示的SAR地物分類
4.2.2 基于稀疏表示的多層SAR地物分類
4.2.3 基于稀疏表示和不同尺度的SAR地物分類
4.2.4 實驗結果及分析
4.2.5 小結
4.3 基于簽名框架的SAR圖像分類與分割
4.3.1 背景介紹
4.3.2 基于隨機投影的Signature局部特征分布描述
4.3.3 地球移動距離的計算
4.3.4 基于Signature框架的SAR圖像地物分類算法
4.3.5 基于Signature框架的SAR圖像分割算法
4.3.6 基于ZigZag掃描和簽名框架的SAR圖像分割算法
4.4 基于圖模型的SAR圖像分割
4.4.1 基于圖模型的SAR圖像分割方法
4.4.2 基于超像素和圖模型的快速并行SAR圖像分割
參考文獻
第5章 高分辨力極化SAR圖像地物分類
5.1 高分辨力極化SAR理論基礎
5.1.1 極化的表征
5.1.2 散射體的極化描述
5.1.3 微波成像的散射機理
5.1.4 極化目標分解
5.1.5 極化SAR統計建模
5.1.6 小結
5.2 基于Freeman分解的極化SAR圖像分類
5.2.1 背景介紹
5.2.2 傳統基于散射機理的極化SAR圖像分類方法
5.2.3 基于Freeman分解和同極化比的極化SAR圖像分類方法
5.2.4 基于散射功率熵和同極化比的極化SAR圖像分類方法
5.2.5 小結
5.3 基于譜聚類的極化SAR圖像分類研究
5.3.1 一種基于Mean Shift和譜聚類的極化SAR圖像分類
5.3.2 基于Freeman分解和譜聚類的極化SAR圖像分類
5.4 基于K-Wishart分布的極化SAR圖像分類
5.4.1 基于Freeman分解和K-Wishart分布的極化SAR圖像分類
5.4.2 基于K-Wishart分類器的極化SAR圖像分類方法
5.4.3 基于MRF和K-Wishart分布的極化SAR圖像分類方法
5.5 基于區域的無監督極化SAR圖像分類
5.5.1 類別自適應的無監督極化SAR圖像分類
5.5.2 基于改進分水嶺的無監督極化SAR分類
5.6 基于均值漂移和區域WishartMRF的極化SAR地物分類
5.6.1 背景介紹
5.6.2 基于改進的均值漂移和MRF的極化SAR圖像分類
5.6.3 小結
參考文獻
第6章 高分辨力SAR圖像目標檢測
6.1 基于視覺注意的SAR圖像艦船目標檢測
6.1.1 自底向上的圖像顯著區域檢測
6.1.2 自頂向下的SAR圖像水域分割
6.1.3 基于選擇性注意機制的SAR圖像艦船檢測
6.2 基于分層CFAR的高分辨力SAR圖像艦船目標檢測
6.2.1 背景介紹
6.2.2 SAR圖像目標檢測基礎理論及算法
6.2.3 多層CFAR算法目標檢測
6.3 基于壓縮感知的SAR成像和檢測一體化艦船目標檢測
6.3.1 基于壓縮感知的高分辨力SAR稀疏目標成像
6.3.2 基于低秩矩陣重建的高分辨力SAR稀疏目標成像
6.4 基于疏散度的高分辨力SAR圖像橋梁目標檢測
6.4.1 基于疏散度的水域提取
6.4.2 橋梁檢測
6.4.3 實驗及分析
6.4.4 小結
6.5 基于模板匹配的SAR圖像飛機目標檢測
6.5.1 基于機場特征的局部閾值分割
6.5.2 飛機模板設計
6.5.3 實驗結果及分析
6.5.4 小結
參考文獻
第7章 高分辨力SAR圖像目標識別與分類
7.1 基于壓縮感知與流形學習的SAR目標識別
7.1.1 基于隨機觀測矢量與混合因子分析的SAR目標識別
7.1.2 基于觀測矢量與正交三角分解的快速目標識別
7.2 基于協同神經網絡的SAR圖像識別
7.2.1 協同神經網絡
7.2.2 免疫克隆規劃協同神經網絡
7.2.3 基于免疫克隆規劃與協同神經網絡的SAR圖像識別
7.2.4 基于協同神經網絡的免疫克隆集成算法
7.2.5 小結
7.3 基于核匹配追蹤的SAR圖像識別
7.3.1 追蹤算法
7.3.2 核匹配追蹤
7.3.3 基于多尺度幾何分析與核匹配追蹤的圖像識別
7.3.4 基于免疫克隆與核匹配追蹤的快速圖像目標識別
7.3.5 小結
7.4 基于半監督學習的圖像分類與分割
7.4.1 學習方法簡介
7.4.2 基于拉普拉斯正則化*小二乘的半監督SAR目標識別
7.4.3 結合Nystrom的圖半監督紋理圖像分割
7.4.4 自調節參數的半監督譜聚類
7.4.5 總結與展望
7.5 譜聚類維數約簡算法研究與應用
7.5.1 背景介紹
7.5.2 維數約簡算法的研究
7.5.3 基于多參數自調節譜聚類維數約簡的圖像目標識別
7.5.4 基于局部標度切的監督維數約簡及其應用
7.5.5 基于核標度切監督維數約簡的圖像目標識別
參考文獻
主要符號表
縮略語
展開全部
雷達圖像解譯技術 作者簡介
焦李成，1959年生，西安電子科技大學人工智能學院教授。IEE EFellow，智能感知與圖像理解教育部重點實驗室主任，國際智能感知與計算研究中心主任，中國人工智能學會首批會士，IEEE西安分會執委會委員、獎勵與認證委員會主席，IEEE計算智能協會西安分會主席，IET西北分會主席，中國人工智能學會副理事長，IEE ETGRS副主編，第七屆教育部科技委國際合作學部委員，CCF杰出會員，獲“全國模范教師”及陜西省“重點領域人才”、“陜西省師德先進個人”等榮譽稱號，首批入選國家“百千萬”人才工程一、二層次和陜西省“三五”人才層次。獲國家自然科學獎二等獎1項及省部級一等獎7項。主要研究領域為遙感圖像解譯與目標識別、自然計算和智能信息處理。 侯彪，1974年生，西安電子科技大學人工智能學院教授，IEEE會員，智能感知與圖像理解教育部重點實驗室副主任。IET西安分會執行委員會委員，中國電子學會高級會員，陜西信號處理學會理事，教育部創新團隊骨干成員，國家基金委創新群體骨干成員。獲教育部自然科學獎一等獎、二等獎，教育部新世紀優秀人才支持計劃，教育部技術發明獎二等獎、陜西省科學技術獎一等獎以及第十屆陜西青年科技獎各1項。主要從事SAR圖像解譯與目標識別的研究。 王爽，女，1978年生，西安電子科技大學人工智能學院教授.IEEE會員，電工電子國家示范中心主任，智能信息處理研究所副所長。獲教育部新世紀優秀人才支持計劃，陜西省科技新星，陜西省青年科技獎，青年拔尖人才支持計劃，陜西省智能科學與技術教學團隊負責人。IET西安分會執行委員會委員，陜西省自動化學會控制理論及應用專委會委員，中國電子學會高級會員，中國計算機學會高級會員。主要從事SAR圖像解譯與目標識別的研究。劉芳，女，1963年生，西安電子科技大學人工智能學院教授，IEEE高級會員，享受國務院政府特殊津貼，教育部創新團隊學術帶頭人。陜西省計算機學會人工智能與模式識別專業委員會常委會委員，陜西省大數據與云計算產業技術創新聯盟理事。獲國家自然科學獎二等獎1項及省部級一等獎6項，發表論文100余篇，授權專利57項，合作出版專著10部。主要從事人工智能與模式識別、深度學習與智能圖像感知等方向的研究。 楊淑媛，女，1978年出生，西安電子科技大學人工智能學院教授.IEEE高級會員。教育部新世紀優秀人才支持計劃。中國電子學會高級會員。在國際知名期刊發表論文100余篇，以申請人授權發明專利30余項。研究成果獲得陜西省科學技術一等獎3項、陜西省高等學校科學技術一等獎2項。主要從事智能信號與圖像處理、機器學習等方向的研究。
書友推薦
- >
姑媽的寶刀
- >
史學評論
- >
月亮與六便士
- >
苦雨齋序跋文-周作人自編集
- >
二體千字文
- >
經典常談
- >
羅庸西南聯大授課錄
- >
詩經-先民的歌唱
本類暢銷
