123,123

內(nèi)容簡(jiǎn)介

　　本書是在作者近年來從事海洋目標(biāo)檢測(cè)的理論研究和工程實(shí)踐基礎(chǔ)上編寫而成的，內(nèi)容包括基礎(chǔ)理論知識(shí)和作者近年來的研究成果，此外綜述了一些具有代表性的國(guó)外參考文獻(xiàn)，介紹了國(guó)際上有關(guān)的最新研究?jī)?nèi)容。

作者簡(jiǎn)介

　　種勁松，中國(guó)科學(xué)院電子學(xué)研究所研究員，IEEE高級(jí)會(huì)員。獲吉林大學(xué)理學(xué)學(xué)士、北京航空航天大學(xué)工學(xué)碩士、中國(guó)科學(xué)院研究生院工學(xué)博士學(xué)位。2004年9月至12月澳大利亞Monash大學(xué)電氣與計(jì)算機(jī)系統(tǒng)系訪問學(xué)者，2005年2月至5月新加坡南洋理工大學(xué)電氣與電子工程學(xué)院Tan Chin Tuan Fellow。在國(guó)內(nèi)核心期刊、國(guó)際學(xué)術(shù)會(huì)議上發(fā)表論文30余篇。獲國(guó)防科學(xué)技術(shù)一等獎(jiǎng)、中國(guó)科學(xué)院院長(zhǎng)優(yōu)秀獎(jiǎng)、中國(guó)科學(xué)院科技進(jìn)步二等獎(jiǎng)。從事遙感圖像信息處理、自動(dòng)目標(biāo)識(shí)別、地理信息系統(tǒng)等方面的研究。

圖書目錄

第1章緒論
1．1 起源與發(fā)展
1．2 SAR圖像艦船目標(biāo)及其尾跡研究的實(shí)地實(shí)驗(yàn)
1．2．1 美國(guó)一加拿大JOWIP和SARSEX實(shí)驗(yàn)
1．2．2 挪威NORCSEX’88實(shí)驗(yàn)
1．2．3 英國(guó)一美國(guó)聯(lián)合Linnhe實(shí)驗(yàn)
1．2．4 加拿大MARCOT’96實(shí)驗(yàn)和MARCOT’98實(shí)驗(yàn)
1．2．5 加拿大CRUSADE’2000實(shí)驗(yàn)
1．2．6 中國(guó)MITL’2005實(shí)驗(yàn)
1．3 艦船目標(biāo)檢測(cè)系統(tǒng)
1．3．1 加拿大OMW系統(tǒng)
1．3．2 英國(guó)國(guó)防研究實(shí)驗(yàn)室MaST系統(tǒng)
1．3．3 歐洲聯(lián)合研究中心SUMO系統(tǒng)
1．3．4 挪威防御研究機(jī)構(gòu)NDRE系統(tǒng)
1．3．5 挪威KSAT系統(tǒng)
1．3．6 法國(guó)CLS系統(tǒng)
1．3．7 法國(guó)SARTbol系統(tǒng)
1．3．8 中國(guó)ShipSurvei=llance系統(tǒng)
1．3．9 各艦船目標(biāo)檢測(cè)系統(tǒng)對(duì)比
1．3．10 艦船目標(biāo)檢測(cè)系統(tǒng)流程
1．4 SAR圖像上艦船目標(biāo)特點(diǎn)分析
1．4．1 SAR圖像與光學(xué)圖像上艦船的區(qū)別
1．4．2 SAR圖像上艦船及其尾跡的目標(biāo)類型分析
第2章 SAR圖像海岸線檢測(cè)
2．1 海岸線檢測(cè)目的和意義
2．2 海岸線檢測(cè)方法
2．2．1 邊界追蹤算法
2．2．2 Markovian分割法
2．2．3 活動(dòng)輪廓法
2．2．4 小波變換法
2．2．5 水平截集算法
2．2．6 其他檢測(cè)方法
2．2．7 各種方法比較
第3章 SAR圖像艦船目標(biāo)檢測(cè)
3．1影響艦船目標(biāo)檢測(cè)的因素
3．1．1艦船因素
3．1．2 SAR系統(tǒng)因素
3．1．3海洋因素
3．2艦船目標(biāo)檢測(cè)算法
3．2．1雙參數(shù)cFAR檢測(cè)算法
3．2．2單元平均CFAR檢測(cè)算法
3．2．3 K一分布檢測(cè)算法
3．2．4基于局部窗口的K一分布cFAR算法
3．2．5基于分割的檢測(cè)算法
3．2．6似然比檢測(cè)算法
3．2．7 suM0檢測(cè)算法
3．2．8高分辨率sAR圖像艦船目標(biāo)檢測(cè)
3．2．9其他檢測(cè)算法
3．2．10小結(jié)
第4章 SAR圖像艦船尾跡檢測(cè)
4．1尾跡檢測(cè)的作用
4．2 sAR圖像上艦船尾跡類型
4．2．1開爾文尾跡
4．2．2湍流尾跡
4．2．3窄V型尾跡
4．2．4內(nèi)波尾跡
4．3影響艦船尾跡的因素
4．3．1艦船因素
4．3．2 SAR系統(tǒng)因素
4．3．3海洋因素
4．4尾跡檢測(cè)算法
4．4．1基于RADON變換的算法
4．4．2曲線掃描算法
4．4．3基于歸一化灰度H0uGH變換的尾跡檢測(cè)算法
第5章 sAR圖像艦船目標(biāo)特征參數(shù)提取
5．1艦船特征參數(shù)類別
5．2幾何參數(shù)提取方法
5．3地理參數(shù)提取方法
5．4運(yùn)動(dòng)參數(shù)提取方法
5．4．1根據(jù)艦船方位向位移計(jì)算航速
5．4．2根據(jù)窄V型尾跡夾角計(jì)算航速
5．4．3根據(jù)開爾文尾跡中橫波波長(zhǎng)計(jì)算航速
5．4．4根據(jù)開爾文尾跡中尖波波長(zhǎng)或波數(shù)計(jì)算航速
第6章多極化SAR圖像艦船目標(biāo)檢測(cè)
6．1多極化圖像對(duì)比示例
6．1．1 SIR-c全極化圖像對(duì)比
6．1．2：ENVISAT雙極化圖像對(duì)比
6．2極化目標(biāo)檢測(cè)理論
6．2．1極化SAR雜波模型和目標(biāo)模型
6．2．2全極化SAR目標(biāo)檢測(cè)器
6．2．3雙極化SAR目標(biāo)檢測(cè)器
6．3極化SAR圖像艦船目標(biāo)檢測(cè)性能分析
6．3．1檢測(cè)性能分析
6．3．2像素級(jí)融合與決策級(jí)融合目標(biāo)檢測(cè)性能比較
6．4極化sAR圖像艦船目標(biāo)檢測(cè)算法
6．4．1基于Cameron分解的檢測(cè)算法
6．4．2對(duì)稱散射特性方法(SSCM)
6．4．3極化熵檢測(cè)算法
6．4．4基于IPWF融合的艦船目標(biāo)檢測(cè)算法
6．4．5ENVISAT雙極化圖像艦船目標(biāo)檢測(cè)算法