移不变抗混叠多尺度几何分析及其在SAR图像处理中的应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

移不变抗混叠多尺度几何分析及其在SAR图像处理中的应用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 绪论1

1.1 研究背景、目的及意义1

1.2 小波分析及其局限性3

1.2.1 小波的产生3

1.2.2 小波分析在图像处理中的应用概况4

1.2.3 图像小波分析的局限性5

1.3 多尺度几何分析理论及其存在的问题6

1.3.1 多尺度几何分析理论的发展6

1.3.2 多尺度几何分析理论存在的问题11

1.4 SAR图像处理关键技术研究内容及现状16

1.4.1 SAR图像相干斑抑制16

1.4.2 SAR图像复原18

1.4.3 SAR图像与多光谱遥感图像融合20

1.4.4 遥感图像分类21

1.5 本书主要工作及结构22

1.5.1 本书主要工作22

1.5.2 本书结构25

第2章 移不变抗混叠多尺度几何分析理论基础27

2.1 小波分析基本理论27

2.1.1 连续小波变换28

2.1.2 离散小波变换29

2.1.3 多分辨率分析30

2.1.4 双正交小波变换31

2.1.5 Mallat算法与双通道滤波器组32

2.2 小波分析的局限35

2.3 滤波器组的移不变性与抗混叠性36

2.3.1 滤波器组的平移不变性36

2.3.2 滤波器组的抗混叠性与平移不变性的关系38

2.4 移不变离散小波变换40

2.4.1 平稳小波变换40

2.4.2 过完备离散小波变换41

2.5 移不变多尺度几何分析42

2.5.1 双树复小波变换43

2.5.2 控向金字塔变换47

2.5.3 非下采样Contourlet变换49

2.6 本章小结50

第3章 移不变抗混叠多尺度几何分析方法的构造研究51

3.1 Ridgelet变换及其存在的问题51

3.1.1 连续Ridgelet变换51

3.1.2 单尺度Ridgelet变换52

3.1.3 图像的离散Ridgelet变换53

3.1.4 数字Ridgelet变换存在的问题54

3.2 复数Ridgelet变换的构造55

3.2.1 复数Ridgelet变换55

3.2.2 基于复数Ridgelet变换的软阈值图像去噪56

3.3 Curvelet变换及其存在的问题57

3.3.1 第一代Curvelet变换57

3.3.2 第二代Curvelet变换58

3.3.3 Curvelet变换的性质61

3.3.4 Curvelet变换存在的问题61

3.4 复数Curvelet变换的构造62

3.4.1 复数Curvelet变换62

3.4.2 基于复数Curvelet变换的硬阈值图像去噪64

3.5 Contourlet变换69

3.5.1 拉普拉斯塔型变换69

3.5.2 方向滤波器组70

3.5.3 塔型方向滤波器组73

3.5.4 Contourlet变换的特性73

3.6 Contourlet变换存在的问题75

3.6.1 Contourlet变换的等效滤波器组75

3.6.2 方向滤波器组中的频谱混叠77

3.6.3 拉普拉斯塔型变换中的频谱混叠78

3.7 移不变抗混叠Contourlet变换的构造81

3.7.1 复数方向滤波器组82

3.7.2 移不变抗混叠塔式分解88

3.7.3 移不变抗混叠Contourlet变换92

3.7.4 基于SINACT的硬阈值图像去噪101

3.8 本章小结103

第4章 基于移不变抗混叠多尺度几何分析方法的SAR图像斑点噪声抑制研究104

4.1 SAR成像原理及斑点噪声特征104

4.1.1 SAR成像原理104

4.1.2 相干斑噪声产生机理106

4.1.3 相干斑噪声特性分析106

4.2 传统SAR图像滤波方法108

4.2.1 空域滤波108

4.2.2 小波域滤波109

4.3 复小波包域局部邻域窗口阈值SAR图像去噪114

4.3.1 四树复小波包变换115

4.3.2 选择最优复小波包基116

4.3.3 局部邻域窗口阈值SAR图像去噪117

4.3.4 实验结果118

4.4 基于SINACT的混合统计模型SAR图像去噪121

4.5 本章小结128

第5章 SINACT域SAR图像复原研究129

5.1 图像线性退化模型129

5.2 图像盲复原算法130

5.2.1 IBD复原算法131

5.2.2 SA复原算法132

5.3.2 NAS-RIF复原算法132

5.3 SAR图像降质分析134

5.3.1 回波相干134

5.3.2 成像系统模糊降质134

5.3.3 几何失真137

5.4 SAR图像降质模型138

5.5 基于SINACT域GSM模型SAR图像复原研究140

5.5.1 小波系数的统计特征与GSM模型140

5.5.2 小波域BSL估计与GSM模型检验142

5.5.3 SINACT局部邻域GSM退化模型146

5.5.4 SINACT域GSM模型SAR图像复原算法147

5.5.5 实验结果150

5.6 本章小结156

第6章 基于SINACT的SAR图像与多光谱图像融合研究157

6.1 SAR图像与多光谱图像的各自优势比较157

6.2 传统的图像融合方法158

6.2.1 加权平均图像融合159

6.2.2 PCA融合159

6.2.3 多分辨率塔式融合160

6.2.4 小波变换融合160

6.3 图像融合效果评价162

6.3.1 图像融合质量的主观评价162

6.3.2 图像融合质量的客观评价162

6.4 基于SINACT的图像融合方案164

6.5 基于SINACT的图像融合算法165

6.6 实验结果与评价167

6.7 本章小结169

第7章 基于分形脊波神经网络的SAR图像分类研究171

7.1 SAR图像分类技术现状分析171

7.2 分类器的介绍和评价173

7.2.1 极大似然分类173

7.2.2 最小距离分类174

7.2.3 BP神经网络分类175

7.3 分类精度评价176

7.4 基于遗传算法和分形脊波神经网络的遥感图像分类方法177

7.4.1 分类方案设计177

7.4.2 基于分形理论的纹理特征178

7.4.3 基于不变矩的形状特征179

7.4.4 基于遗传算法的脊波神经网络的构造180

7.4.5 实验结果与评价184

7.5 本章小结186

第8章 结论与展望187

8.1 本书工作总结187

8.2 本书不足之处与后续工作展望191

参考文献193