極化SAR圖像目標(biāo)檢測與分類

第1章 緒論
1．1 極化SAR成像系統(tǒng)
1．2 極化SAR目標(biāo)分解
1．3 地物分類與圖像分割
1．4 目標(biāo)檢測與目標(biāo)識別
1．4．1 目標(biāo)檢測
1．4．2 目標(biāo)識別
1．5 本書安排
參考文獻(xiàn)
第2章 極化雷達(dá)的基本理論
2．1 引言
2．2 散射波的極化
2．2．1 極化橢圓
2．2．2 極化基的變換
2．2．3 極化波的描述算子
2．2．4 波的極化維度
2．3 目標(biāo)的極化測量
2．3．1 散射矩陣
2．3．2 散射矩陣和極化基變換
2．3．3 極化signature
2．3．4 目標(biāo)的極化描述算子
2．3．5 目標(biāo)散射矩陣的旋轉(zhuǎn)
2．3．6 目標(biāo)的極化維度
2．4 小結(jié)
參考文獻(xiàn)
第3章 目標(biāo)分解與極化特征提取
3．1 Huynen非相干分解及特征參數(shù)提取
3．1．1 Huynen目標(biāo)特征參數(shù)
3．1．2 Huynen分解
3．1．3 楊分解
3．1．4 游分解方法
3．2 Krogager分解與Cameron分解
3．2．1 Krogager分解
3．2．2 Cameron分解
3．3 幾種典型的分解方法
3．3．1 Freeman三成分分解
3．3．2 Yamaguchi四成分分解
3．3．3 穩(wěn)定三成分分解
3．3．4 Cloude-Pottier分解
3．4 目標(biāo)相似性參數(shù)
3．4．1 單視數(shù)據(jù)的相似性參數(shù)
3．4．2 多視數(shù)據(jù)的相似性參數(shù)
3．5 基于去定向共極化比的目標(biāo)分解
3．6 小結(jié)
參考文獻(xiàn)
……
第4章 極化SAR雜波建模
第5章 基于恒虛警檢測器的艦船檢測方法
第6章 基于變分貝葉斯推斷的艦船檢測方法
第7章 基于MSHOG特征與任務(wù)驅(qū)動字典學(xué)習(xí)的艦船分類
第8章 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識
第9章 基于卷積神經(jīng)網(wǎng)絡(luò)的極化SAR艦船檢測
第10章 基于卷積神經(jīng)網(wǎng)絡(luò)的極化SAR城市區(qū)域地物分類
第11章 基于混合模型及MRF的極化SAR地物分類
第12章 基于SLIC的極化SAR圖像超像素分割