合成孔径雷达目标检测理论、算法及应用PDF|Epub|txt|kindle电子书版本网盘下载

合成孔径雷达目标检测理论、算法及应用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 概论3

1.1 合成孔径雷达发展史3

1.2 SAR图像基本特性9

1.2.1 SAR图像固有特性分析10

1.2.2 地物参数和SAR系统参数对图像解译的影响14

1.2.3 SAR图像质量评估18

1.3 SAR目标识别发展现状24

1.4 SAR目标检测回顾与前瞻27

1.5 本书内容简介31

参考文献33

第2章 SAR图像杂波统计模型39

2.1 引言39

2.2 杂波模型的分类40

2.2.1 经验分布41

2.2.2 由乘积模型发展的统计模型43

2.2.3 由广义中心极限定理发展的统计模型56

2.2.4 其他模型57

2.2.5 各模型之间的关系及其应用60

2.2.6 统计模型研究的主要结论62

2.3 统计模型的参数估计和拟合优度63

2.3.1 参数估计方法63

2.3.2 各种杂波模型的参数估计64

2.3.3 模型拟合精度评价准则65

2.4 实验结果及分析68

2.4.1 典型杂波的统计特性68

2.4.2 大样本杂波数据的统计分析72

2.4.3 计算量分析73

参考文献74

第3章 SAR图像RCS重构滤波器81

3.1 引言81

3.2 基于局域统计的自适应空域滤波算法82

3.2.1 Lee滤波器83

3.2.2 Kuan滤波器83

3.2.3 Frost滤波器及其增强84

3.2.4 MAP滤波器85

3.2.5 Sigma滤波器和Weighting滤波器86

3.2.6 空域滤波器的改进算法87

3.3 基于相关邻域模型的RCS重构算法90

3.3.1 基于相关邻域模型的RCS重构91

3.3.2 改进的相关邻域模型92

3.4 基于结构检测的去斑算法97

3.4.1 基于结构检测的斑点抑制97

3.4.2 改进的基于结构检测的斑点抑制99

3.5 小波域相干斑抑制算法103

3.5.1 基于小波分解的软、硬阈值算法104

3.5.2 基于小波分解的贝叶斯去斑算法106

3.6 相干斑抑制性能的评估110

3.6.1 相干斑抑制程度的量化评估110

3.6.2 后向散射系数保真度的量化评估110

3.6.3 边缘细节信息保留情况的量化评估111

3.6.4 点目标信息保留情况的量化评估112

参考文献114

第4章 SAR图像目标检测基础理论与算法121

4.1 引言121

4.2 SAR图像目标检测算法概述121

4.2.1 基于对比度的目标检测算法122

4.2.2 基于图像的其他特征的目标检测算法129

4.2.3 基于SAR复数据特征的目标检测算法130

4.2.4 存在的问题及进一步的研究方向131

4.3 CFAR检测基础理论133

4.3.1 统计检测理论推导下的CFAR检测133

4.3.2 分辨率对CFAR检测性能的影响134

4.3.3 由参数估计引起的CFAR损失135

4.3.4 模型失配对检测性能影响的讨论136

4.3.5 各种统计模型的CFAR检测阈值推导139

4.3.6 四种基本CFAR检测器143

4.3.7 智能CFAR检测器147

4.4 目标检测后的像素聚类150

4.4.1 密度滤波器151

4.4.2 形态学滤波器151

4.4.3 尺寸滤波器152

4.5 适于乡村背景目标检测的全局CFAR检测152

4.5.1 全局CFAR检测器及其特点153

4.5.2 全局CFAR和局部双参数CFAR的计算复杂度分析153

4.5.3 全局CFAR算法流程154

4.6 基于自动筛选的目标快速智能CFAR检测157

4.6.1 算法原理及详细流程157

4.6.2 算法描述160

4.6.3 快速算法162

4.6.4 算法的理论性能分析165

4.6.5 实验结果与分析167

4.7 基于二次Gamma核的目标检测171

4.7.1 Gamma方程171

4.7.2 特征提取和目标检测173

4.7.3 样本训练175

4.7.4 自动选取二次Gamma核模板参数的方法175

4.7.5 与双参数CFAR检测器的关系177

4.7.6 实验结果及分析177

4.8 基于扩展分形特征的目标检测179

4.8.1 EF特征检测的尺度敏感性180

4.8.2 目标／杂波模型分析181

4.9 基于信息融合的目标检测183

4.9.1 基于对比度特征和阴影特征融合的检测183

4.9.2 利用对比度特征和EF特征的检测184

4.10 基于复数据特征的低频UWB SAR目标检测方法188

4.10.1 基于空域特征的目标检测方法188

4.10.2 基于频域特征的目标检测方法193

参考文献199

第5章 SAR图像目标鉴别技术209

5.1 引言209

5.2 SAR图像目标鉴别算法综述209

5.2.1 算法流派209

5.2.2 主要结论218

5.2.3 有待解决的问题219

5.3 一种目标鉴别新方案：框架、模型与算法222

5.3.1 目标鉴别方案222

5.3.2 “松耦合”模型下的目标鉴别特征提取224

5.3.3 基于遗传算法的特征选择230

5.3.4 加权二次距离鉴别器的设计235

5.3.5 目标编队提取236

5.4 新方案的性能分析237

5.4.1 基于特征选取框架下各算法性能分析237

5.4.2 基于编队知识进一步去虚警方法的性能分析251

参考文献252

第6章 SAR图像边缘及线状目标检测技术259

6.1 引言259

6.2 边缘类型260

6.3 SAR图像边缘检测算子262

6.3.1 差分梯度边缘检测算子263

6.3.2 阶跃边缘检测算子267

6.3.3 屋脊边缘检测算子277

6.4 基于多边缘模型阶跃边缘检测算法280

6.4.1 单边缘模型的不合理性280

6.4.2 基于ROEWA算子的边缘检测281

6.5 线基元提取285

6.5.1 基于相位编组的线基元提取方法286

6.5.2 基于模板的线基元提取方法287

6.5.3 基于RT的线基元提取方法289

6.6 线基元连接293

6.6.1 基于遗传算法（GA）的线基元连接方法293

6.6.2 基于聚类分析的线基元连接方法298

参考文献304

第7章 极化SAR目标检测311

7.1 引言311

7.2 极化SAR数据的统计描述312

7.2.1 高斯模型312

7.2.2 非高斯模型313

7.3 最优极化检测器314

7.3.1 最优极化检测器［2］314

7.3.2 检测概率和虚警概率315

7.4 极化白化滤波器（PWF）316

7.4.1 极化SAR图像最优斑点抑制［3,23］316

7.4.2 极化白化滤波检测器［23］319

7.4.3 检测概率和虚警概率［23］319

7.5 其他极化检测器320

7.5.1 单位似然比检测器320

7.5.2 功率合成检测器321

7.5.3 功率最大合成检测器321

7.6 检测性能评估321

7.6.1 极化SAR图像仿真321

7.6.2 高斯分布杂波描述下的检测性能评估324

7.6.3 广义K分布杂波描述下的检测性能评估326

参考文献328

第8章 典型应用示例333

8.1 半城区道路网自动提取示例333

8.2 机场跑道提取示例340

8.3 典型车辆目标ROI提取示例344