123,123,123

內(nèi)容簡(jiǎn)介

　　本書以提高全極化SAR影像處理速度及解譯精度為目標(biāo)，對(duì)極化雷達(dá)基礎(chǔ)理論及現(xiàn)有的極化SAR分割、分類方法進(jìn)行了系統(tǒng)的研究，主要參考了光學(xué)圖像分割中非常優(yōu)秀的數(shù)學(xué)算法，結(jié)合目前極化SAR影像分割算法細(xì)節(jié)信息保持效果差、分割速度慢等研究現(xiàn)狀，提出了新的極化SAR影像分割算法，實(shí)現(xiàn)了極化SAR影像的精確、快速分割；在此基礎(chǔ)上，結(jié)合基于深度學(xué)習(xí)的多分類器集成算法和超像素分割及監(jiān)督分類器，實(shí)現(xiàn)了極化SAR影像的精確、快速分類。通過兩組機(jī)載L波段數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，證明了所提出的算法在處理速度及分割效果和分類精度方面有明顯的優(yōu)勢(shì)。

作者簡(jiǎn)介

暫缺《極化SAR影像超像素分割和面向?qū)ο蠓诸惙椒ā纷髡吆?jiǎn)介

圖書目錄

目錄
第1章緒論 1
1.1 合成孔徑雷達(dá)（SAR）概述 1
1.2 極化SAR影像分類研究動(dòng)態(tài) 2
1.3 極化SAR影像分割研究動(dòng)態(tài) 5
1.4 本書內(nèi)容和組織結(jié)構(gòu) 8
1.4.1 主要內(nèi)容 8
1.4.2 組織結(jié)構(gòu) 9
第2章極化SAR基本理論 11
2.1 極化電磁波的表征 11
2.1.1 極化橢圓 12
2.1.2 Jones矢量 13
2.1.3 Stokes矢量 14
2.2 極化SAR數(shù)據(jù)的矩陣描述 15
2.2.1 極化散射矩陣 15
2.2.2 協(xié)方差矩陣與相干矩陣 16
2.2.3 Mueller矩陣 18
2.2.4 Stokes矩陣 19
2.3 極化合成 20
2.4 極化SAR數(shù)據(jù)的統(tǒng)計(jì)特性 21
2.4.1 單極化SAR數(shù)據(jù)統(tǒng)計(jì)特性 22
2.4.2 全極化SAR數(shù)據(jù)統(tǒng)計(jì)特性 25
2.5 極化目標(biāo)分解 27
2.5.1 基本散射機(jī)制 28
2.5.2 Pauli分解 33
2.5.3 Cloude-Pottier分解 35
2.5.4 Freeman-Durden三分量分解 38
2.6 本章小結(jié) 40
第3章極化SAR影像超像素分割 41
3.1 常用的超像素分割方法 42
3.1.1 Ncut分割42
3.1.2 GBMS分割 46
3.2 PolSLIC超像素分割 50
3.2.1 SLIC算法 51
3.2.2 PolSLIC算法 53
3.3 實(shí)驗(yàn)數(shù)據(jù)及其預(yù)處理 59
3.4 分割效果評(píng)價(jià) 61
3.4.1 與原始SLIC算法的比較 61
3.4.2 與Ncut和GBMS算法的比較 64
3.5 實(shí)驗(yàn)結(jié)論 67
3.6 本章小結(jié) 68
第4章面向?qū)ο蟮臉O化SAR影像分類 69
4.1 常用的極化SAR分類器 70
4.1.1 Wishart**似然分類器 70
4.1.2 隨機(jī)森林 71
4.2 集成學(xué)習(xí)基本思想 73
4.2.1 Bagging方法 73
4.2.2 Boosting方法 74
4.3 極化SARRBM-AdaBoost分類算法 76
4.3.1 受限玻爾茲曼機(jī) 76
4.3.2 自適應(yīng)提升框架 78
4.3.3 RBM-AdaBoost算法 79
4.4 實(shí)驗(yàn)數(shù)據(jù)及其預(yù)處理 80
4.5 實(shí)驗(yàn)結(jié)果分析 82
4.5.1 評(píng)價(jià)指標(biāo) 82
4.5.2 RBM分類效果分析 82
4.5.3 與其他方法的比較 86
4.6 實(shí)驗(yàn)結(jié)論 89
4.7 本章小結(jié) 90
參考文獻(xiàn) 91
縮寫索引 102