Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 538950)
Консорциум Контекстум Информационная технология сбора цифрового контента
Уважаемые СТУДЕНТЫ и СОТРУДНИКИ ВУЗов, использующие нашу ЭБС. Рекомендуем использовать новую версию сайта.

Обработка изображений SAR и распознавание целей (949,08 руб.)

0   0
АвторыWu Liangbin
ИздательствоAviation Industry Press
Страниц330
ID717935
АннотацияС учетом практических инженерных требований и характеристик в книге проводится систематическое изучение изображений САР с точки зрения методов, принципов и приложений, а также излагается несколько моделей изображений САР.
ISBN978-7-5165-0121-4
Обработка изображений SAR и распознавание целей [Электронный ресурс] / Liangbin Wu .— : Aviation Industry Press, 2013 .— 330 с. — ISBN 978-7-5165-0121-4 .— Режим доступа: https://rucont.ru/efd/717935

Предпросмотр (выдержки из произведения)

Обработка_изображений_SAR_и_распознавание_целей.pdf
中航工业首席专家技术丛书 “十二五” 国家重点图书出版规划项目 SAR 图像处理与目标识别 吴良斌  编著 北  京
Стр.2
内 容 提 要 本书针对实际工程需求和特点展开, 对 SAR 图像处理与目标识别的方法、 原理和应用进行了系统的研究, 全书共 分为9 章。 第1 章为SAR 图像的特性分析。 第2~第4 章分别介绍了SAR 图像去噪声技术、 图像配准和图像融合。 第5 章和第 6 章主要研究了 SAR 图像目标分割和目标检测的实现方法。 第7 章对 SAR 图像目标识别进行了研究。 第8 章描 述了基于压缩感知的雷达图像重建算法。 第 9 章系统地介绍了基于小波变换的 SAR 图像压缩方法。 本书深入浅出, 涵 盖了 SAR 图像研究及相关领域的前沿成果, 适合信号处理等相关领域的研究人员及在校学生参考使用。 航空工业出版社, 2013􀆰 1 I (中航工业首席专家技术丛书) 理  Ⅰ􀆰 ①S… Ⅱ􀆰 ①吴… Ⅲ􀆰 ①遥感图象 数字图象处 Ⅳ. ①TP751􀆰 1 SBN 978-7-5165-0121-4 中国版本图书馆 CIP 数据核字 (2012) 第 290289 号 图书在版编目 ( C I P ) 数据 SAR 图像处理与目标识别 / 吴良斌编著. --北京 ∶ SAR Tuxiɑng Chuli yu Mubiɑo Shibie 航空工业出版社出版发行 SAR 图像处理与目标识别       印刷厂印刷 2013 年 1 月第 1 版 发(北京市安定门外小关东里 14 号  100029) 行部电话: 010-64815615  010-64978486 全国各地新华书店经售  2013 年 1 月第 1 次印刷 定价: 98􀆰 00 元 开本: 185×260  1 / 16  印张: 19􀆰 5   彩插:4   字数: 487 千字 印数: 1—2000
Стр.3
目录 第 1 章 SAR 图像特性分析 1.1 合成孔径雷达成像的基本原理 1.2 SAR 图像的分辨率特征 1.3 SAR 图像的强度特征 1.4 SAR 图像的几何特征 1.5 SAR 图像的统计分布特征 1.6 SAR 图像的噪声特征 1.6.1 SAR 图像相干斑形成机理 1.6.2 SAR 图像相干斑模型 1.7 SAR 图像指标 1.8 本章小结 参考文献 第 2 章 SAR 图像去噪声 2.1 SAR 图像分布模型 2.2 SAR 图像滤波 2.2.1 空间域滤波算法 2.2.2 小波域全局阈值滤波 2.2.3 基于纹理模型的空间自适应小波滤波 2.2.4 基于隐马尔可夫树模型的小波滤波算法 2.2.5 基于双正交小波域局部统计特性的滤波算法 2.2.6 基于正交带波域的滤波算法 2.2.7 基于曲波变换域的滤波算法 2.2.8 基于轮廓波变换域的滤波算法 2.2.9 基于带波变换域的滤波算法 2.3 滤波算法的效果对比 2.4 本章小结 参考文献 第 3 章 SAR 图像配准 3.1 SAR 图像配准概况 3.1.1 图像配准的定义 3.1.2 图像配准的模型 3.1.3 图像变换 3.1.4 图像配准的一般方法 3.2 图像配准预处理 3.2.1 图像增强 3.2.2 图像的几何校正 3.3 基于灰度的图像配准方法 3.3.1 基于互信息的图像配准算法 3.3.2 基于联合直方图的图像配准算法 3.4 基于特征的图像配准方法 3.4.1 基于 SIFT 特征的图像配准算法 3.4.2 基于角点特征的图像配准算法 1 1 9 11 14 15 16 16 17 22 24 24 26 26 29 31 34 35 36 38 40 56 59 65 68 70 71 75 75 75 76 76 77 77 77 79 80 80 84 88 88 94
Стр.6
3.4.3 基于灰度和特征的配准方法的局限性 3.4.4 基于特征与灰度相结合的图像配准新方法 3.5 基于变换域的图像配准方法 3.5.1 平移变化的配准原理 95 96 3.5.2 旋转变化和比例变化的配准原理 3.5.3 基于快速傅里叶变换的图像配准算法 3.5.4 仿真结果 3.6 本章小结 参考文献 第 4 章 SAR 图像融合 4.1 SAR 图像融合概况 4.1.1 图像融合的层次划分 4.1.2 图像融合效果评价 4.2 加权平均融合算法 4.3 基于拉普拉斯金字塔算法的图像融合算法 4.4 基于小波变换的图像融合方法 4.4.1 基于小波变换的图像融合算法 4.4.2 小波变换域内不同融合算法比较 4.5 基于轮廓波变换的融合算法 4.6 基于 Bandlet 变换的图像融合算法 4.7 基于 PCNN 的图像融合新算法 4.7.1 脉冲耦合神经网络 4.7.2 基于DWT 的 PCNN 的融合新算法 4.7.3 基于DWT 的并行 PCNN 融合算法 4.7.4 基于方向性激励的 PCNN 融合算法 4.7.5 基于 Grouplet 变换和 PCNN 的图像融合算法 4.8 仿真结果 4.9 本章小结 参考文献 第 5 章 SAR 图像目标分割 5.1 SAR 图像目标分割技术发展概况 5.2 CFAR 分割技术 5.2.1 单参数 CFAR 分割 5.2.2 双参数 CFAR 分割 5.2.3 多分辨率 CFAR 5.3 基于 MRF 的 SAR 图像目标分割 5.4 基于全局 Maxflow的 SAR 图像目标分割 5.4.1 能量函数最小化理论 5.4.2 最小割集与最大流 5.4.3 Otsu 算法 5.4.4 基于Maxflow的最大熵算法的 SAR 图像目标分割 5.4.5 基于全局 Maxflow 的邻域生长算法的 SAR 图像目标分割 5.5 本章小结 参考文献 100 100 100 101 101 104 104 106 106 107 109 109 112 113 113 114 117 119 121 121 124 126 130 131 133 135 136 138 138 139 140 141 143 143 147 148 150 161 167 173 177 178
Стр.7
第 6 章 SAR 图像目标检测 6.1 SAR 图像目标检测概况 6.2 SAR 图像目标检测的基本算法 6.2.1 SAR 图像目标检测的知识检测 6.2.2 基于数据相关的基与固定基相结合的 SAR 图像检测算法 6.2.3 SAR 图像目标检测算法实用性 6.3 基于 Beamlet 的 SAR 图像目标检测 6.3.1 Beamlet 的基本理论 6.3.2 小线检测 6.3.3 基于 Beamlet 的 SAR 图像目标检测仿真 6.3.4 Beamlet 的其他应用 6.4 本章小结 参考文献 第 7 章 SAR 图像目标识别 7.1 SAR 图像目标识别概况 7.1.1 SAR 目标识别概述及研究现状 7.1.2 SAR 图像目标自动识别的难点 7.1.3 SAR 图像目标自动识别的关键技术 7.1.4 SAR 图像目标识别流程 7.2 基于 PCA、KPCA 及 2DPCA 的 SAR 图像识别 7.2.1 PCA 特征提取 7.2.2 KPCA 及 2DPCA 特征提取方法 7.2.3 SAR 图像分类识别性能验证 7.2.4 投影特征的缺点 7.3 SAR 图像融合目标特征提取 7.3.1 SAR 图像融合目标特征概述 7.3.2 基于形状特征的 Hu 不变矩特征提取 7.3.3 基于纹理特征的 Gabor 特征提取 7.3.4 基于频域特征的 FFT 特征提取 7.3.5 基于 HGF 混合特征矩的融合特征 7.4 支持矢量机分类器 7.4.1 SVM分类器 7.4.2 SVM体系结构 7.5 基于融合特征和 SVM分类器的 SAR 图像目标识别 7.5.1 基于融合特征和 SVM分类器的 SAR 图像目标识别的处理流程 7.5.2 联合特征提取及类归一化 7.5.3 SVM分类器设计 7.5.4 融合特征分类效果验证 7.6 本章小结 参考文献 第 8 章 基于压缩感知的雷达图像重建算法 8.1 压缩感知概况 8.1.1 研究的背景和意义 8.1.2 国内外研究现状 181 181 182 182 186 189 189 189 192 195 199 206 207 209 209 209 210 210 211 212 213 213 214 216 217 217 218 221 224 228 230 230 230 236 236 237 239 239 250 251 253 253 254 254
Стр.8
8.1.3 压缩感知的应用 8.2 压缩感知理论 8.2.1 信号的稀疏表示 8.2.2 压缩感知算法 8.2.3 常用测量矩阵 8.2.4 信号重建算法 8.2.5 压缩感知在雷达成像中的应用 8.3 基于小波树的正交匹配追踪重建算法 8.3.1 正交匹配追踪算法 8.3.2 TOMP 算法 8.3.3 TOMP 算法的仿真 8.4 基于分块的三维小波树的正交匹配追踪算法 8.4.1 三维的基于小波树的正交匹配追踪算法(3D-TOMP) 8.4.2 基于分块的三维小波树的正交匹配追踪算法(3D-TOMP-BL) 8.4.3 验证结果及分析 8.5 本章小结 参考文献 第 9 章 基于小波变换的 SAR 图像压缩方法 9.1 SAR 图像压缩技术发展概况 9.1.1 SAR 数据压缩背景 9.1.2 SAR 图像压缩的意义 9.1.3 图像压缩算法概述 9.2 SAR 图像统计特征与率失真特性 9.2.1 SAR 图像统计特征 9.2.2 SAR 图像的率失真特性 9.2.3 传统图像压缩原理 9.2.4 图像压缩的评估标准 9.3 基于小波变换的 SAR 图像压缩方法 9.3.1 小波变换 9.3.2 图像统计特性和适合图像数据压缩小波基的确定 9.3.3 基于小波变换的嵌入式压缩编码 9.4 SAR 图像压缩性能仿真测试 9.5 本章小结 参考文献 附录 1 符号表 附录 2 名词术语表 256 257 259 260 261 264 266 267 267 270 272 274 275 276 279 283 285 289 289 289 290 291 293 293 295 297 298 299 300 301 302 306 310 311 313 314
Стр.9

Облако ключевых слов *


* - вычисляется автоматически