第1章绪论001

1.1高分辨力SAR图像解译与目标识别研究意义001

1.2高分辨力SAR图像解译与目标识别研究现状004

1.3高分辨力SAR图像解译与目标识别的研究进展008

参考文献011

第2章高分辨力SAR图像相干斑抑制016

2.1SAR的基本原理016

2.2高分辨力SAR图像降斑方法研究现状017

2.2.1多视处理降斑017

2.2.2空间域降斑018

2.2.3小波域降斑019

2.2.4后小波域降斑020

2.2.5基于马尔可夫随机场模型的降斑022

2.2.6基于非局部滤波的降斑022

2.2.7降斑方法研究总结023

2.3相干斑的统计模型与降斑效果评价023

2.3.1相干斑的统计分布与模型023

2.3.2降斑效果评价031

2.4基于方差系数统计的相干斑强度估计035

2.4.1基于均值—标准差平面的相干斑强度估计036

2.4.2基于方差系数统计的相干斑强度估计037

2.4.3实验结果与分析039

2.4.4小结045

2.5基于统计相似性度量与局部同质

区域分割的SAR图像降斑046

2.5.1背景介绍046

2.5.2传统的像素相似性度量方法及缺陷047

2.5.3乘性噪声模型下的比值距离049

2.5.4基于比值距离统计分布的相似性度量050

2.5.5基于像素相似性度量的局部同质区域分割052

2.5.6基于ML准则的降斑图像估计054

2.5.7实验结果与分析055

2.5.8小结072

2.6基于图像块的统计相似性度量的SAR图像降斑072

2.6.1背景介绍072

2.6.2期望滤波器与SAR图像降斑073

2.6.3基于图像块的统计相似性度量074

2.6.4基于图像块加权的SAR图像降斑080

2.6.5实验结果与分析082

2.6.6小结099

2.7基于统计模拟门限的自适应

非局部均值降斑滤波器099

2.7.1背景介绍099

2.7.2自适应搜索窗101

2.7.3基于统计模拟的自动相似性门限102

2.7.4实验结果与分析105

2.7.5小结119

参考文献119

第3章极化SAR相干斑噪声抑制128

3.1雷达极化的基本理论128

3.1.1散射过程的描述128

3.1.2散射矩阵的描述130

3.1.3极化SAR数据的形式131

3.2相干斑统计模型及去斑效果评价133

3.2.1相干斑统计分布133

3.2.2相干斑模型135

3.2.3相干斑抑制评价指标137

3.3极化SAR处理平台138

3.3.1ENVI139

3.3.2PCI Geomatica139

3.3.3RAT139

3.3.4PolSARpro140

3.3.5CAESARPOLSAR140

3.4基于核回归的极化SAR相干斑抑制140

3.4.1核回归理论141

3.4.2基于核回归的SAR图像相干斑抑制146

3.4.3基于核回归的极化SAR相干斑抑制150

3.4.4实验结果及分析152

3.5非局部均值思想用于极化SAR噪声的抑制156

3.5.1非局部均值算法简介156

3.5.2贝叶斯非局部均值算法用于极化SAR噪声的抑制158

3.5.3实验结果与分析163

3.6基于非局部双边滤波的极化SAR相干斑抑制167

3.6.1极化SAR数据的相似性度量167

3.6.2极化SAR非局部双边的相干斑抑制168

3.6.3实验结果与分析172

参考文献182

第4章高分辨力SAR图像地物分割与分类186

4.1基于三马尔可夫随机场的SAR图像分割186

4.1.1基于模糊的三马尔可夫场SAR图像分割186

4.1.2基于三马尔可夫场的SAR图像融合分割193

4.1.3小结199

4.2多尺度和多层稀疏表示的SAR图像分类200

4.2.1基于稀疏表示的SAR地物分类200

4.2.2基于稀疏表示的多层SAR地物分类208

4.2.3基于稀疏表示和不同尺度的SAR地物分类211

4.2.4实验结果及分析213

4.2.5小结227

4.3基于签名框架的SAR图像分类与分割228

4.3.1背景介绍228

4.3.2基于随机投影的Signature局部特征分布描述229

4.3.3地球移动距离的计算231

4.3.4基于Signature框架的SAR图像地物分类算法233

4.3.5基于Signature框架的SAR图像分割算法237

4.3.6基于ZigZag扫描和签名框架的SAR图像分割算法245

4.4基于图模型的SAR图像分割251

4.4.1基于图模型的SAR图像分割方法251

4.4.2基于超像素和图模型的快速并行SAR图像分割255

参考文献264

第5章高分辨力极化SAR图像地物分类267

5.1高分辨力极化SAR理论基础267

5.1.1极化的表征267

5.1.2散射体的极化描述269

5.1.3微波成像的散射机理271

5.1.4极化目标分解273

5.1.5极化SAR统计建模277

5.1.6小结279

5.2基于Freeman分解的极化SAR图像分类280

5.2.1背景介绍280

5.2.2传统基于散射机理的极化SAR图像分类方法281

5.2.3基于Freeman分解和同极化比的极化SAR图像分类方法286

5.2.4基于散射功率熵和同极化比的极化SAR图像分类方法290

5.2.5小结299

5.3基于谱聚类的极化SAR图像分类研究300

5.3.1一种基于Mean Shift和谱聚类的极化SAR图像分类300

5.3.2基于Freeman分解和谱聚类的极化SAR图像分类313

5.4基于KWishart分布的极化SAR图像分类319

5.4.1基于Freeman分解和KWishart分布的极化SAR图像分类319

5.4.2基于KWishart分类器的极化SAR图像分类方法325

5.4.3基于MRF和KWishart分布的极化SAR图像分类方法334

 5.5基于区域的无监督极化SAR图像分类344

5.5.1类别自适应的无监督极化SAR图像分类344

5.5.2基于改进分水岭的无监督极化SAR分类351

 5.6基于均值漂移和区域WishartMRF的

极化SAR地物分类361

5.6.1背景介绍361

5.6.2基于改进的均值漂移和MRF的极化SAR图像分类367

5.6.3小结376

参考文献377

第6章高分辨力SAR图像目标检测383

 6.1基于视觉注意的SAR图像舰船目标检测383

6.1.1自底向上的图像显著区域检测383

6.1.2自顶向下的SAR图像水域分割393

6.1.3基于选择性注意机制的SAR图像舰船检测407

6.2基于分层CFAR的高分辨力SAR图像舰船目标检测415

6.2.1背景介绍415

6.2.2SAR图像目标检测基础理论及算法415

6.2.3多层CFAR算法目标检测424

6.3基于压缩感知的SAR成像和检测一体化舰船目标检测435

6.3.1基于压缩感知的高分辨力SAR稀疏目标成像436

6.3.2基于低秩矩阵重建的高分辨力SAR稀疏目标成像448

6.4基于疏散度的高分辨力SAR图像桥梁目标检测459

6.4.1基于疏散度的水域提取460

6.4.2桥梁检测463

6.4.3实验及分析466

6.4.4小结474

6.5基于模板匹配的SAR图像飞机目标检测474

6.5.1基于机场特征的局部阈值分割475

6.5.2飞机模板设计477

6.5.3实验结果及分析480

6.5.4小结485

参考文献485

第7章高分辨力SAR图像目标识别与分类491

7.1基于压缩感知与流形学习的SAR目标识别491

7.1.1基于随机观测矢量与混合因子分析的SAR目标识别491

7.1.2基于观测矢量与正交三角分解的快速目标识别501

7.2基于协同神经网络的SAR图像识别507

7.2.1协同神经网络507

7.2.2免疫克隆规划协同神经网络510

7.2.3基于免疫克隆规划与协同神经网络的SAR图像识别514

7.2.4基于协同神经网络的免疫克隆集成算法521

7.2.5小结525

7.3基于核匹配追踪的SAR图像识别525

7.3.1追踪算法525

7.3.2核匹配追踪527

7.3.3基于多尺度几何分析与核匹配追踪的图像识别530

7.3.4基于免疫克隆与核匹配追踪的快速图像目标识别537

7.3.5小结551

7.4基于半监督学习的图像分类与分割551

7.4.1学习方法简介551

7.4.2基于拉普拉斯正则化最小二乘的半监督SAR目标识别557

7.4.3结合Nystrm的图半监督纹理图像分割573

7.4.4自调节参数的半监督谱聚类588

7.4.5总结与展望596

7.5谱聚类维数约简算法研究与应用597

7.5.1背景介绍597

7.5.2维数约简算法的研究602

7.5.3基于多参数自调节谱聚类维数约简的图像目标识别607

7.5.4基于局部标度切的监督维数约简及其应用624

7.5.5基于核标度切监督维数约简的图像目标识别638

参考文献645

主要符号表660

缩略语663