智能SAR图像处理与解译.pdfVIP

智能SAR图像处理与解译 目 录 前言 第一章 绪 论 1.1 研究背景及意义 1.2 SAR图像理解的研究现状 1.3 SAR图像理解的研究内容及进展 第二章 SAR 图像相干斑抑制 2.1 SAR 成像原理及斑点噪声特性 2.1.1 SAR成像原理 2.1.2 斑点噪声模型和统计特性 2.2 传统 SAR 图像滤波方法 2.2.1 统计类滤波 2.2.2 小波域滤波 2.3 基于相关邻域模型的 SAR 图像滤波 2.4 基于 Jeffrey 先验概率的 Bayes 估计小波去噪 2.4.1 小波收缩去噪原理 2.4.2 Bayes判决准则 2.4.3 小波系数的先验概率密度函数p (θ) 2.4.4 信号的估计 2.4.5 去噪结果 2.5 基于复小波的图像去噪 2.5.1 复小波变换 2.5.2 复小波域贝叶斯收缩去噪算法 2.5.3 结合边缘信息的复小波去噪算法 2.5.4 基于DRFB 、CEIB的SAR图像斑点噪声去除 2.6 基于脊波域最小熵准则 SAR 图像滤波 2.6.1 最小熵原理（MEP ） 2.6.2 脊波系数的统计特性 2.6.3 基于最小熵准则的脊波域信号估计 2.6.4 SAR相干斑滤波 2.6.5 实验与结果分析 第三章 SAR 图像目标检测与曲线特征检测 3.1 引 言 3.1.1 SAR 图像目标特征 3.1.2 经典特征检测方法 3.2 SAR 图像中港口目标检测和自动分割 3.2.1 SAR 图像的预处理 3.2.2 图像的二值化及边缘模板点处理 3.3 SAR 图像中的港口目标检测和自动分割 3.3.1 河流主轮廓的检测 3.3.2 港口目标的分割 3.4 基于脊波变换的曲线特征检测 3.4.1 引言 3.4.2 离散脊波变换 3.4.3 基于脊波的自适应曲线特征检测 3.4.4 实验与结果分析 3.5 基于广义高斯混合模型的SAR图像变化检测 3.5.1 引 言 3.5.2 SAR 图像变化检测的研究意义 3.5.3 SAR 图像变化检测的主要方法 3.5.4 基于广义高斯混合模型的统计SAR图像变化检测 3.5.5 实验结果与分析 第四章 复杂图像融合 4.1 图像融合规则及融合算子 4.1.1 简单融合规则 4.1.2 基于区域特性量测的融合规则 4.2 融合效果评价指标 4.3 经典的图像融合方法 4.3.1 线性加权法 4.3.2 高通滤波法 4.3.3 PCA变换融合法 4.3.4 基于IHS变换的遥感图像融合 4.3.5 多分辨塔式融合算法 4.3.6 小波变换实现图像融合 4.3.7 多种算法结合形成的融合算法 4.4 基于概率模型的多传感器图像融合 4.4.1 引言 4.4.2 图像模型的建立 4.4.3 模型参数β, α及∑ 的计算ε