基本介紹
內容簡介
《SAR圖像處理與目標識別》深入淺出，涵蓋了SAR圖像研究及相關領域的前沿成果，適合信號處理等相關領域的研究人員及在校學生參考使用。
作者簡介
吳良斌，1965年1月5日出生，重慶梁平人，1988年西北工業大學研究生畢業，自然科學研究員，現任中航工業雷達與電子設備研究院總工程師、中航工業集團公司首席技術專家，同時兼任中國航空學會電子專業委員會副主任委員、中國雷達行業協會資深專家委員會副主任委員、中國電子學會無線電定位分會委員、總裝飛機機載系統技術專業組成員等。吳良斌長期從事機載雷達及相關技術的理論研究和工程型號研製工作，先後主持完成數十項國防科技預先研究和型號研製項目。屢次受到國家、行業的表彰，榮獲國家科技進步獎、國防科技進步獎和中航工業集團公司科技進步獎等近20項榮譽。2004年獲“全國國防科技工業系統勞動模範”稱號，2011年獲中航工業“航空報國突出貢獻獎”。吳良斌專業理論基礎紮實，在工程設計及套用方面有較深造詣，先後發表專業論文、譯文和科研技術報告等30餘篇，主持編著了《現代電子系統的電磁兼容性設計》。《機載雷達手冊》，入選國防科技工業“511人才工程”學術帶頭人。
圖書目錄
第1章SAR圖像特性分析
1.1合成孔徑雷達成像的基本原理
1.2SAR圖像的解析度特徵
1.3SAR圖像的強度特徵
1.4SAR圖像的幾何特徵
1.5SAR圖像的統計分布特徵
1.6SAR圖像的噪聲特徵
1.6.1SAR圖像相干斑形成機理
1.6.2SAR圖像相干斑模型
1.7SAR圖像指標
1.8本章小結
參考文獻
第2章SAR圖像去噪聲
2.1SAR圖像分布模型
2.2SAR圖像濾波
2.2.1空間域濾波算法
2.2.2小波域全局閾值濾波
2.2.3基於紋理模型的空間自適應小波濾波
2.2.4基於隱馬爾可夫樹模型的小波濾波算法
2.2.5基於雙正交小波域局部統計特性的濾波算法
2.2.6基於正交帶波域的濾波算法
2.2.7基於曲波變換域的濾波算法
2.2.8基於輪廓波變換域的濾波算法
2.2.9基於帶波變換域的濾波算法
2.3濾波算法的效果對比
2.4本章小結
參考文獻
第3章SAR圖像配準
3.1SAR圖像配準概況
3.1.1圖像配準的定義
3.1.2圖像配準的模型
3.1.3圖像變換
3.1.4圖像配準的一般方法
3.2圖像配準預處理
3.2.1圖像增強
3.2.2圖像的幾何校正
3.3基於灰度的圖像配準方法
3.3.1基於互信息的圖像配準算法
3.3.2基於聯合直方圖的圖像配準算法
3.4基於特徵的圖像配準方法
3.4.1基於SIFT特徵的圖像配準算法
3.4.2基於角點特徵的圖像配準算法
3.4.3基於灰度和特徵的配準方法的局限性
3.4.4基於特徵與灰度相結合的圖像配準新方法
3.5基於變換域的圖像配準方法
3.5.1平移變化的配準原理
3.5.2旋轉變化和比例變化的配準原理
3.5.3基於快速傅立葉變換的圖像配準算法
3.5.4仿真結果
3.6本章小結
參考文獻
第4章SAR圖像融合
4.1SAR圖像融合概況
4.1.1圖像融合的層次劃分
4.1.2圖像融合效果評價
4.2加權平均融合算法
4.3基於拉普拉斯金字塔算法的圖像融合算法
4.4基於小波變換的圖像融合方法
4.4.1基於小波變換的圖像融合算法
4.4.2小波變換域內不同融合算法比較
4.5基於輪廓波變換的融合算法
4.6基於Bandlet變換的圖像融合算法
4.7基於PCNN的圖像融合新算法
4.7.1脈衝耦合神經網路
4.7.2基於DWT的PCNN的融合新算法
4.7.3基於DWT的並行PCNN融合算法
4.7.4基於方向性激勵的PCNN融合算法
4.7.5基於Grouplet變換和PCNN的圖像融合算法
4.8仿真結果
4.9本章小結
參考文獻
第5章SAR圖像目標分割
5.1SAR圖像目標分割技術發展概況
5.2CFAR分割技術
5.2.1單參數CFAR分割
5.2.2雙參數CFAR分割
5.2.3多解析度CFAR
5.3基於MRF的SAR圖像目標分割
5.4基於全局Maxflow的SAR圖像目標分割
5.4.1能量函式最小化理論
5.4.2最小割集與最大流
5.4.3Otsu算法
5.4.4基於Maxflow的最大熵算法的SAR圖像目標分割
5.4.5基於全局Maxflow的鄰域生長算法的SAR圖像目標分割
5.5本章小結
參考文獻
第6章SAR圖像目標檢測
6.1SAR圖像目標檢測概況
6.2SAR圖像目標檢測的基本算法
6.2.1SAR圖像目標檢測的知識檢測
6.2.2基於數據相關的基與固定基相結合的SAR圖像檢測算法
6.2.3SAR圖像目標檢測算法實用性
6.3基於Beamlet的SAR圖像目標檢測
6.3.1Beamlet的基本理論
6.3.2小線檢測
6.3.3基於Beamlet的SAR圖像目標檢測仿真
6.3.4Beamlet的其他套用
6.4本章小結
參考文獻
第7章SAR圖像目標識別
7.1SAR圖像目標識別概況
7.1.1SAR目標識別概述及研究現狀
7.1.2SAR圖像目標自動識別的難點
7.1.3SAR圖像目標自動識別的關鍵技術
7.1.4SAR圖像目標識別流程
7.2基於PCA、KPCA及2DPCA的SAR圖像識別
7.2.1PCA特徵提取
7.2.2KPCA及2DPCA特徵提取方法
7.2.3SAR圖像分類識別性能驗證
7.2.4投影特徵的缺點
7.3SAR圖像融合目標特徵提取
7.3.1SAR圖像融合目標特徵概述
7.3.2基於形狀特徵的Hu不變矩特徵提取
7.3.3基於紋理特徵的Gabor特徵提取
7.3.4基於頻域特徵的FFT特徵提取
7.3.5基於HGF混合特徵矩的融合特徵
7.4支持矢量機分類器
7.4.1SVM分類器
7.4.2SVM體系結構
7.5基於融合特徵和sVM分類器的SAR圖像目標識別
7.5.1基於融合特徵和SVM分類器的SAR圖像目標識別的處理流程
7.5.2聯合特徵提取及類歸一化
7.5.3SVM分類器設計
7.5.4融合特徵分類效果驗證
7.6本章小結
參考文獻
第8章基於壓縮感知的雷達圖像重建算法
8.1壓縮感知概況
8.1.1研究的背景和意義
8.1.2國內外研究現狀
8.1.3壓縮感知的套用
8.2壓縮感知理論
8.2.1信號的稀疏表示
8.2.2壓縮感知算法
8.2.3常用測量矩陣
8.2.4信號重建算法
8.2.5壓縮感知在雷達成像中的套用
8.3基於小波樹的正交匹配追蹤重建算法
8.3.1正交匹配追蹤算法
8.3.2TOMP算法
8.3.3TOMP算法的仿真
8.4基於分塊的三維小波樹的正交匹配追蹤算法
8.4.1三維的基於小波樹的正交匹配追蹤算法（3D—TOMP）
8.4.2基於分塊的三維小波樹的正交匹配追蹤算法（3D—TOMP—BL）
8.4.3驗證結果及分析
8.5本章小結
參考文獻
第9章基於小波變換的SAR圖像壓縮方法
9.1SAR圖像壓縮技術發展概況
9.1.1SAR數據壓縮背景
9.1.2SAR圖像壓縮的意義
9.1.3圖像壓縮算法概述
9.2SAR圖像統計特徵與率失真特性
9.2.1SAR圖像統計特徵
9.2.2SAR圖像的率失真特性
9.2.3傳統圖像壓縮原理
9.2.4圖像壓縮的評估標準
9.3基於小波變換的SAR圖像壓縮方法
9.3.1小波變換
9.3.2圖像統計特性和適合圖像數據壓縮小波基的確定
9.3.3基於小波變換的嵌入式壓縮編碼
9.4SAR圖像壓縮性能仿真測試
9.5本章小結
參考文獻
名詞術語表
