店铺推荐
【作者】
焦李成，男，汉族，1959年10月生，1992年起任西安电子科技大学教授。现任智能感知与计算靠前联合研究中心主任、智能感知与图像理解重点实验室主任、智能感知与计算靠前合作联合实验室主任、“智能信息处理科学与技术”高等学校学科创新引智基地（“111计划”）主任、科技委靠前合作部学部委员、中国人工智能学会副理事长、IET西安分会主席、IEEE西安分会奖励委员会主席、IEEE计算智能协会西安分会主席、IEEEGRSS西安分会主席，IEEETGRS副主编、创新团队首席专家。国务院学位委员会学科评议组成员、本科教学水平评估专家。1991年被批准为享受国务院政府津贴的专家，1996年首批入选国家“百千万”人才工程。当选为全国模范教师、陕西省师德标兵和曾任第八届全国人大代表。
焦李成教授的主要研究方向为智能感知与计算、图像理解与目标识别、深度学习与类脑计算，培养的十余名博士获全国很好博士学位论文奖、提名奖及陕西省很好博士论文奖。研究成果获包括国家自然科学奖二等奖及省部级一等奖以上科技奖励十余项，出版学术专著十余部，五次获国家很好科技图书奖励及全国首届三个一百很好图书奖。所发表的论著被他人引用超过25000余篇次，H指数为65。
【内容】
本书针对高分辨率SAR图像和极化SAR图像解译和目标识别的靠前前沿和热点领域，介绍了高分辨率SAR和极化SAR的成像机理、以及其在SAR图像处理领域的应用。全书共分7章。本书可作为高校电子工程、信号与信息处理、应用数学等专业的高年级本科生或研究生的教材，也可作为从事雷达图像解译方面研究工作的科技工作者的参考资料。
【目录】
第1章绪论
1.1高分辨力SAR图像解译与目标识别研究意义
1.2高分辨力SAR图像解译与目标识别研究现状
1.3高分辨力SAR图像解译与目标识别的研究进展
参考文献
第2章高分辨力SAR图像干斑抑制
2.1SAR的基本原理
2.2高分辨力SAR图像降斑方法研究现状
2.2.1多视处理降斑
2.2.2空间域降斑
2.2.3小波域降斑
2.2.4后小波域降斑
2.2.5基于马尔可夫随机场模型的降斑
2.2.6基于非局部滤波的降斑
2.2.7降斑方法研究总结
2.3相干斑的统计模型与降斑效果评价
2.3.1相干斑的统计分布与模型
2.3.2降斑效果评价
2.4基于方差系数统计的相干斑强度估计
2.4.1基于均值一标准差平面的相干斑强度估计
2.4.2基于方差系数统计的相干斑强度估计
2.4.3实验结果与分析
2.4.4小结
2.5基于统计相似性度量与局部同质区域分割的SAR图像降斑
2.5.1背景介绍
2.5.2传统的像素相似性度量方法及缺陷
2.5.3乘性噪声模型下的比值距离
2.5.4基于比值距离统计分布的相似性度量
2.5.5基于像素相似性度量的局部同质区域分割
2.5.6基于ML准则的降斑图像估计
2.5.7实验结果与分析
2.5.8小结
2.6基于图像块的统计相似性度量的SAR图像降斑
2.6.1背景介绍
2.6.2期望滤波器与SAR图像降斑
2.6.3基于图像块的统计相似性度量
2.6.4基于图像块加权的SAR图像降斑
2.6.5实验结果与分析
2.6.6小结
2.7基于统计模拟门限的自适应非局部均值降斑滤波器
2.7.1背景介绍
2.7.2自适应搜索窗
2.7.3基于统计模拟的自动相似性门限
2.7.4实验结果与分析
2.7.5小结
参考文献
第3章极化SAR相干斑噪声抑制
3.1雷达极化的基本理论
3.1.1散射过程的描述
3.1.2散射矩阵的描述
3.1.3极化SAR数据的形式
3.2相干斑统计模型及去斑效果评价
3.2.1相干斑统计分布
3.2.2相干斑模型
3.2.3相干斑抑制评价指标
3.3极化SAR处理平台
3.3.1ENVI
3.3.2PCIGeomatica
3.3.3RAT
3.3.4PolSARpro
3.3.5CAESAR-POLSAR
3.4基于核回归的极化SAR相干斑抑制
3.4.1核回归理论
3.4.2基于核回归的SAR图像相干斑抑制
3.4.3基于核回归的极化SAR相干斑抑制
3.4.4实验结果及分析
3.5非局部均值思想用于极化SAR噪声的抑制
3.5.1非局部均值算法简介
3.5.2贝叶斯非局部均值算法用于极化SAR噪声的抑制
3.5.3实验结果与分析
3.6基于非局部双边滤波的极化SAR相干斑抑制
3.6.1极化SAR数据的相似性度量
3.6.2极化SAR非局部双边的相干斑抑制
3.6.3实验结果与分析
参考文献
第4章高分辨力SAR图像地物分割与分类
4.1基于三马尔可夫随机场的SAR图像分割
4.1.1基于模糊的三马尔可夫场SAR图像分割
4.1.2基于三马尔可夫场的SAR图像融合分割
4.1.3小结
4.2多尺度和多层稀疏表示的SAR图像分类
4.2.1基于稀疏表示的SAR地物分类
4.2.2基于稀疏表示的多层SAR地物分类
4.2.3基于稀疏表示和不同尺度的SAR地物分类
4.2.4实验结果及分析
4.2.5小结
4.3基于签名框架的SAR图像分类与分割
4.3.1背景介绍
4.3.2基于随机投影的Signature局部特征分布描述
4.3.3地球移动距离的计算
4.3.4基于Signature框架的SAR图像地物分类算法
4.3.5基于Signature框架的SAR图像分割算法
4.3.6基于ZigZag扫描和签名框架的SAR图像分割算法
4.4基于图模型的SAR图像分割
4.4.1基于图模型的SAR图像分割方法
4.4.2基于超像素和图模型的快速并行SAR图像分割
参考文献
第5章高分辨力极化SAR图像地物分类
5.1高分辨力极化SAR理论基础
5.1.1极化的表征
5.1.2散射体的极化描述
5.1.3微波成像的散射机理
5.1.4极化目标分解
5.1.5极化SAR统计建模
5.1.6小结
5.2基于Freeman分解的极化SAR图像分类
5.2.1背景介绍
5.2.2传统基于散射机理的极化SAR图像分类方法
5.2.3基于Freeman分解和同极化比的极化SAR图像分类方法
5.2.4基于散射功率熵和同极化比的极化SAR图像分类方法
5.2.5小结
5.3基于谱聚类的极化SAR图像分类研究
5.3.1一种基于MeanShift和谱聚类的极化SAR图像分类
5.3.2基于Freeman分解和谱聚类的极化SAR图像分类
5.4基于K-Wishart分布的极化SAR图像分类
5.4.1基于Freeman分解和K-Wishart分布的极化SAR图像分类
5.4.2基于K-Wishart分类器的极化SAR图像分类方法
5.4.3基于MRF和K-Wishart分布的极化SAR图像分类方法
5.5基于区域的无监督极化SAR图像分类
5.5.1类别自适应的无监督极化SAR图像分类
5.5.2基于改进分水岭的无监督极化SAR分类
5.6基于均值漂移和区域WishartMRF的极化SAR地物分类
5.6.1背景介绍
5.6.2基于改进的均值漂移和MRF的极化SAR图像分类
5.6.3小结
参考文献
第6章高分辨力SAR图像目标检测
6.1基于视觉注意的SAR图像舰船目标检测
6.1.1自底向上的图像显著区域检测
6.1.2自顶向下的SAR图像水域分割
6.1.3基于选择性注意机制的SAR图像舰船检测
6.2基于分层CFAR的高分辨力SAR图像舰船目标检测
6.2.1背景介绍
6.2.2SAR图像目标检测基础理论及算法
6.2.3多层CFAR算法目标检测
6.3基于压缩感知的SAR成像和检测一体化舰船目标检测
6.3.1基于压缩感知的高分辨力SAR稀疏目标成像
6.3.2基于低秩矩阵重建的高分辨力SAR稀疏目标成像
6.4基于疏散度的高分辨力SAR图像桥梁目标检测
6.4.1基于疏散度的水域提取
6.4.2桥梁检测
6.4.3实验及分析
6.4.4小结
6.5基于模板匹配的SAR图像飞机目标检测
6.5.1基于机场特征的局部阈值分割
6.5.2飞机模板设计
6.5.3实验结果及分析
6.5.4小结
参考文献
第7章高分辨力SAR图像目标识别与分类
7.1基于压缩感知与流形学习的SAR目标识别
7.1.1基于随机观测矢量与混合因子分析的SAR目标识别
7.1.2基于观测矢量与正交三角分解的快速目标识别
7.2基于协同神经网络的SAR图像识别
7.2.1协同神经网络
7.2.2免疫克隆规划协同神经网络
7.2.3基于免疫克隆规划与协同神经网络的SAR图像识别
7.2.4基于协同神经网络的免疫克隆集成算法
7.2.5小结
7.3基于核匹配追踪的SAR图像识别
7.3.1追踪算法
7.3.2核匹配追踪
7.3.3基于多尺度几何分析与核匹配追踪的图像识别
7.3.4基于免疫克隆与核匹配追踪的快速图像目标识别
7.3.5小结
7.4基于半监督学习的图像分类与分割
7.4.1学习方法简介
7.4.2基于拉普拉斯正则化最小二乘的半监督SAR目标识别
7.4.3结合Nystrom的图半监督纹理图像分割
7.4.4自调节参数的半监督谱聚类
7.4.5总结与展望
7.5谱聚类维数约简算法研究与应用
7.5.1背景介绍
7.5.2维数约简算法的研究
7.5.3基于多参数自调节谱聚类维数约简的图像目标识别
7.5.4基于局部标度切的监督维数约简及其应用
7.5.5基于核标度切监督维数约简的图像目标识别
参考文献
主要符号表
缩略语
