SAR图像处理技术研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

SAR图像处理技术研究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 SAR简介1

1.2 SAR技术的国内外发展现状和未来2

1.3 研究工作来源、研究背景及研究意义7

1.4 主要内容9

第2章 SAR图像相干斑噪声抑制13

2.1 SAR图像特征13

2.1.1 SAR成像简介13

2.1.2 SAR图像辐射特征14

2.1.3 SAR图像几何特征15

2.1.4 SAR图像噪声特征17

2.1.5 SAR图像目标特征17

2.2 SAR图像噪声空间分布特性19

2.2.1 相干斑噪声的产生机制19

2.2.2 多视处理和等效视数20

2.2.3 相干斑噪声的仿真模型21

2.2.4 相干斑噪声的统计特性23

2.3 SAR图像噪声小波域分布特性的研究24

2.3.1 SAR图像的小波变换24

2.3.2 信号和噪声的奇异性讨论25

2.3.3 相干斑噪声的小波变换特性27

2.4 传统滤波29

2.4.1 中值类滤波29

2.4.2 均值类滤波30

2.4.3 统计类滤波31

2.5 基于结构信息检测的空间域统计SAR图像滤波方法34

2.5.1 点目标检测35

2.5.2 边界检测36

2.5.3 线性体检测37

2.5.4 方法实现38

2.5.5 方法分析39

2.5.6 实验结果与结论39

2.6 基于小波变换的SAR图像噪声滤波算法42

2.6.1 SAR图像小波滤波思想42

2.6.2 基于小波变换的SAR图像噪声滤波方法的基本步骤43

2.6.3 实验结果与结论44

2.6.4 本节SAR图像滤波方法与2.5节SAR图像滤波方法的比较45

2.7 小结46

第3章 SAR图像边缘提取48

3.1 基于空间域的微分算子边缘提取方法48

3.2 基于恒虚警概率的比值边缘提取方法49

3.2.1 梯度边缘检测算子的虚警概率50

3.2.2 比值边缘检测算子的恒虚警概率51

3.2.3 比值边缘检测算子的判决门限53

3.3 基于指数平滑滤波器的比值边缘提取方法55

3.3.1 多边缘模型56

3.3.2 基于指数平滑滤波器的比值边缘提取方法57

3.3.3 实验结果与结论60

3.4 基于小波变换的SAR图像边缘提取新方法62

3.4.1 SAR图像的滤波处理62

3.4.2 图像的小波变换及其模63

3.4.3 模图像滤波64

3.4.4 阈值化处理和边缘检测65

3.4.5 本节小结68

3.5 基于分形理论的SAR图像边缘检测68

3.5.1 相干斑噪声抑制69

3.5.2 SAR图像的分形边缘检测69

3.5.3 边缘检测准则73

3.5.4 实验结果与结论73

3.6 基于支撑矢量机的SAR图像边缘检测方法74

3.6.1 含噪SAR图像边缘特征提取75

3.6.2 基于支撑矢量机的边缘检测方法77

3.6.3 实验结果与结论78

3.7 4种SAR图像边缘提取方法的比较79

3.8 小结83

第4章 SAR图像分割分类84

4.1 基于灰度信息的SAR图像分割84

4.1.1 基于Rayleigh分布的最小误差分割方法84

4.1.2 基于Rayleigh分布和模糊技术的SAR图像分割87

4.2 基于边缘信息的SAR图像分割96

4.2.1 分水岭算法的思想96

4.2.2 基于形态滤波器的分水岭算法98

4.2.3 区域合并算法99

4.2.4 基于边缘信息的SAR图像分割方法100

4.3 基于纹理信息的SAR图像分割方法103

4.3.1 基于灰度共生矩阵的SAR图像分割104

4.3.2 基于纹理频谱的SAR图像分割105

4.3.3 基于自动的多分辨率分析的SAR图像分割109

4.3.4 基于傅立叶功率谱的自适应四叉树SAR图像分割方法122

4.3.5 基于小波变换的SAR图像分割127

4.3.6 基于分形理论的SAR图像分割130

4.3.7 基于灰度共生矩阵和模糊神经网络的SAR图像分割132

4.4 基于统计特征的SAR图像分类137

4.4.1 基于树型小波能量特征和灰度共生矩阵特征的SAR图像分类137

4.4.2 利用小波尺度共生矩阵和灰度共生矩阵的SAR图像分类142

4.5 本章SAR图像分割分类方法的比较147

4.6 小结152

第5章 SAR图像目标识别154

5.1 SAR图像目标识别概述154

5.1.1 SAR目标所具有的特点155

5.1.2 已经提出的研究方法156

5.2 不变矩特征提取158

5.2.1 规则矩158

5.2.2 矩不变量159

5.3 基于SVM的分类技术160

5.3.1 两类问题161

5.3.2 多分类问题163

5.4 基于SVM的SAR图像目标识别165

5.5 小结170

第6章 极化SAR图像处理171

6.1 极化SAR图像分类技术发展172

6.1.1 极化SAR图像分类技术概述172

6.1.2 极化SAR图像无监督分类技术发展现状173

6.2 基于极化特征和空间域特征的极化SAR图像分类177

6.2.1 极化SAR图像无监督分类技术发展现状177

6.2.2 极化SAR图像的极化特征179

6.2.3 极化SAR图像分类方法的主要步骤182

6.2.4 实验结果与结论183

6.2.5 小结185

第7章 并行SAR图像处理187

7.1 SAR图像并行处理研究背景与研究意义187

7.2 并行SAR图像边缘检测方法194

7.2.1 含噪SAR图像边缘特征提取195

7.2.2 本章SAR图像边缘检测串行算法与并行算法流程198

7.2.3 实验结果与结论199

7.3 并行SAR图像分类204

7.3.1 小波能量特征205

7.3.2 SAR图像分类串行方法与并行方法思想206

7.3.3 实验结果与结论207

7.4 SAR图像并行处理效率分析211

7.4.1 本章实验中组成并行系统的各台机器的性能及网络带宽211

7.4.2 本章并行SAR图像边缘检测方法的实验数据211

7.4.3 本章并行SAR图像分类方法的实验数据218

7.4.4 实验结果与结论225

7.4.5 提高并行效率的措施225

7.5 小结226

第8章 总结与展望227

8.1 总结227

8.2 展望231

参考文献234