智能SAR圖像處理與解譯

前言

　　對于合成孔徑雷達(dá)的研究由來已久，但是這一領(lǐng)域的研究與發(fā)展多年來一直局限于軍事領(lǐng)域，處于高度保密狀態(tài)。近年來，隨著該技術(shù)逐漸向民用領(lǐng)域的擴(kuò)展，才緩緩地揭開了其真實(shí)發(fā)展的神秘面紗，并逐漸成為對地觀測領(lǐng)域關(guān)注的焦點(diǎn)。　　合成孔徑雷達(dá)的概念，于20世紀(jì)50年代初提出。作為主動式雷達(dá)，SAR圖像具有全天候、全天時、分辨率高、可側(cè)視成像等優(yōu)點(diǎn)。美國是最早開始SAR相關(guān)技術(shù)研究的國家，70年代末，美國突破了星載SAR的關(guān)鍵技術(shù)，于1978年成功發(fā)射了載有SAR的“海洋衛(wèi)星-1”。其后歐洲、日本、加拿大、俄羅斯等國家和地區(qū)均發(fā)射了SAR衛(wèi)星，在世界上掀起了發(fā)展SAR技術(shù)的熱潮，在短短的50年問，SAR技術(shù)得到了迅猛發(fā)展?！　〗?0年來，我國在SAR技術(shù)方面的研究也取得了重大進(jìn)展?！熬盼濉币詠?，機(jī)載SAR技術(shù)取得了突破性進(jìn)展。目前，國內(nèi)機(jī)載SAR正在向工程化、實(shí)用化方向發(fā)展，并已對星載SAR開始了研究，取得了一定的成果。　　近10年，我國對SAR的研制給予了大量的投入，在獲取SAR數(shù)據(jù)方面有了長足的發(fā)展，SAR成像技術(shù)也居于國際領(lǐng)先水平，獲得了大量高質(zhì)量的SAR圖像。SAR圖像作為一種特殊的復(fù)雜圖像，對它的處理是近幾年發(fā)展起來的一個新興領(lǐng)域，也是與當(dāng)今國民經(jīng)濟(jì)發(fā)展和國防建設(shè)密切相關(guān)的一個重要領(lǐng)域。然而，國內(nèi)外在sAR圖像處理與解譯方面的研究進(jìn)展相對緩慢，相對于光學(xué)圖像的研究，還有很大的差距。由于sAR圖像的信息表達(dá)方式與光學(xué)圖像有很大的差異，并受到相干斑噪聲和各種幾何特征的影響，使得SAR圖像的自動處理比光學(xué)圖像困難得多。早期的遙感影像處理和分析都是通過目視解譯，即依靠純?nèi)斯ぴ谙嗥辖庾g完成的。隨著SAR技術(shù)的不斷發(fā)展，由其獲得的數(shù)據(jù)的空間和時間分辨率不斷提高，相應(yīng)的數(shù)據(jù)量也就急劇增加，傳統(tǒng)的人工判讀已經(jīng)難以完成如此龐大的工作量，需要通過目標(biāo)特征提取和自動目標(biāo)識別技術(shù)來加快數(shù)據(jù)的處理和提高目標(biāo)識別的精度。后來又發(fā)展為人機(jī)交互方式，并應(yīng)用一系列圖像處理方法進(jìn)行影像的增強(qiáng)，提高影像的視覺效果，利用圖像的影像特征和空間特征與多種非遙感信息資料組合，運(yùn)用相關(guān)規(guī)律，進(jìn)行SAR圖像理解。目前，隨著計(jì)算機(jī)技術(shù)和超大規(guī)模集成電路（VLSI）的發(fā)展，我們有可能設(shè)計(jì)合適的算法，通過計(jì)算機(jī)實(shí)現(xiàn)SAR圖像的自動解譯。這是當(dāng)前的一個正在發(fā)展的研究方向。如何利用計(jì)算機(jī)實(shí)現(xiàn)SAR圖像的自動理解和解譯，是當(dāng)前迫切需要解決的難題。

內(nèi)容概要

本書是智能SAR圖像處理與解譯領(lǐng)域的一本新著，是作者所在團(tuán)隊(duì)10年來在該領(lǐng)域工作的積累。本書在全面總結(jié)國內(nèi)外研究進(jìn)展的基礎(chǔ)上，著重論述了SAR圖像噪聲抑制方法、橋梁和港口目標(biāo)的檢測和曲線目標(biāo)檢測、基于多尺度幾何分析(亦稱第三代小波分析、后小波分析等)的SAR圖像融合新算法、SAR圖像和三維高光譜圖像的壓縮技術(shù)、各種SAR圖像分割技術(shù)以及SAR圖像地物分類與目標(biāo)識別新方法。本書側(cè)重于新算法的描述和實(shí)例的分析，反映了近年來SAR圖像處理與解譯智能化處理的最新發(fā)展概況，為該領(lǐng)域的深入研究提供了借鑒。    本書可以為信息科學(xué)、電子科學(xué)、計(jì)算機(jī)科學(xué)與地球科學(xué)等領(lǐng)域的研究人員提供參考，也可以作為相關(guān)專業(yè)研究生和高年級本科生教學(xué)參考書。

作者簡介

　　焦李成，1982，1984和1990年于上海交通大學(xué)、西安交通大學(xué)獲學(xué)士、碩士、博士學(xué)位，1990年-1992年在西安電子科技大學(xué)從事博士后研究。1992年6月至今任西安電子科技大學(xué)雷達(dá)信號處理國家重點(diǎn)實(shí)驗(yàn)室教授、博士生導(dǎo)師。曾任中華人民共和國第八屆全國人大代表。在1996年至2002年期間，曾任西安電子科技大學(xué)研究生部主任、西安電子科技大學(xué)研究生院常務(wù)副院長、西安電子科技大學(xué)學(xué)科辦主任。現(xiàn)任西安電子科技大學(xué)電子工程學(xué)院院長、西安電子科技大學(xué)智能信息處理研究所所長，2000年至今任西安電子科技大學(xué)特聘教授，校首批創(chuàng)新團(tuán)隊(duì)的首席專家。焦李成現(xiàn)為國務(wù)院學(xué)位委員會學(xué)科評議組成員，教育部本科教學(xué)水平評估專家，IEEE高級會員，中國人工智能學(xué)會常務(wù)理事，中國電子學(xué)會理事，中國神經(jīng)網(wǎng)絡(luò)委員會委員，中國計(jì)算機(jī)學(xué)會AI與模式識別委員會委員，中國運(yùn)籌學(xué)會智能計(jì)算委員會付主任，《電子學(xué)報(bào)》（中、英文版）和《電子與信息學(xué)報(bào)》編委。陜西省十大杰出青年之一。

書籍目錄

前言第1章  緒論  1.1  研究背景及意義  1.2  SAR圖像理解的研究現(xiàn)狀  1.3  SAR圖像處理與理解的研究內(nèi)容及進(jìn)展    1.3.1  相干斑抑制    1.3.2  SAR圖像特殊目標(biāo)檢測    1.3.3  特征提取與選擇    1.3.4  圖像融合    1.3.5  圖像分割    1.3.6  SAR圖像分類    1.3.7  SAR圖像目標(biāo)識別    1.3.8  SAR圖像及多光譜圖像壓縮  1.4  幾點(diǎn)思考  參考文獻(xiàn)第2章  SAR圖像相干斑抑制  2.1  SAR成像原理及斑點(diǎn)噪聲特性    2.1.1  SAR成像原理    2.1.2  相干斑噪聲的產(chǎn)生機(jī)理    2.1.3  斑點(diǎn)噪聲模型和統(tǒng)計(jì)特性  2.2  傳統(tǒng)SAR圖像濾波方法    2.2.1  統(tǒng)計(jì)類濾波    2.2.2  小波域?yàn)V波  2.3  基于相關(guān)鄰域模型的SAR圖像濾波    2.3.1  基于Gamma分布的MAP濾波    2.3.2  鄰域結(jié)構(gòu)模型    2.3.3  鄰域結(jié)構(gòu)中雷達(dá)反射強(qiáng)度的MAP估計(jì)    2.3.4  基于非線性迭代的RCS重構(gòu)    2.3.5  基于相關(guān)鄰域模型的SAR圖像濾波結(jié)果  2.4  基于Jeffrey先驗(yàn)概率的貝葉斯估計(jì)小波去噪    2.4.1  小波收縮去噪原理    2.4.2  貝葉斯判決準(zhǔn)則    2.4.3  小波系數(shù)的先驗(yàn)概率密度函數(shù)P(x)    2.4.4  信號的估計(jì)    2.4.5  去噪結(jié)果  2.5  基于復(fù)小波的圖像去噪    2.5.1  復(fù)小波變換    2.5.2  復(fù)小波域貝葉斯收縮去噪算法    2.5.3  結(jié)合邊緣信息的復(fù)小波去噪算法    2.5.4  基于DRFB、CEIB的SAR圖像斑點(diǎn)噪聲去除    2.5.5  小結(jié)  2.6  基于復(fù)小波鄰域隱馬爾可夫模型的圖像去噪    2.6.1  鄰域隱馬爾可夫模型    ……第3章  SAR圖像目標(biāo)檢測與變化檢測第4章  SAR圖像融合第5章  復(fù)雜圖像壓縮第6章  SAR圖像分割第7章  基于馬爾可夫統(tǒng)計(jì)模型的SAR圖像分割第8章  SAR圖像分類與目標(biāo)識別附錄1附錄2

章節(jié)摘錄

　　第3章　SAR圖像目標(biāo)檢測與變化檢測　　圖像的邊緣和輪廓帶有重要的信息，是模式識別中最重要的特征。對于SAR圖像來說，往往一些重要的目標(biāo)含有大量的線性特征（邊緣特征），例如港口、機(jī)場、建筑物等。所以特征檢測一直以來都是圖像處理以及模式識別領(lǐng)域中一個重要的問題，而特征檢測的首要任務(wù)是對圖像進(jìn)行邊緣檢測。如何使邊緣檢測方法在檢測圖像中目標(biāo)的同時盡可能地排除噪聲的干擾是一個熱點(diǎn)問題。本章首先簡要回顧了一些經(jīng)典的邊緣檢測方法以及各自所存在的不足，并分別給出了SAR圖像中橋梁、港口目標(biāo)的檢測方法；其次，在脊波框架下給出一種自適應(yīng)的基于單尺度脊波變換的特征檢測方法；最后，在本章的最后還介紹了一種基于廣義高斯混合模型的SAR圖像變化檢測?！　?.1　引言　　3.1.1　SAR圖像目標(biāo)特征　　在SAR圖像中，一般地物目標(biāo)分為點(diǎn)目標(biāo)、線目標(biāo)、面目標(biāo)以及這三者在有限尺度內(nèi)組合而成的硬目標(biāo)。這些不同類型的目標(biāo)在圖像上具有不同的表征形式。了解SAR圖像的信息特征，對于圖像處理具有重要的作用。　　SAR圖像上的點(diǎn)目標(biāo)，指的是以亮點(diǎn)形式出現(xiàn)在圖像上的那些目標(biāo)。通常這些目標(biāo)的幾何尺寸小于一個分辨單元的地面尺寸，但是它的回波信號相當(dāng)強(qiáng)，在整個地塊的回波中占據(jù)了主導(dǎo)地位。點(diǎn)目標(biāo)的檢測不僅與點(diǎn)目標(biāo)的性質(zhì)有關(guān)，也與點(diǎn)目標(biāo)所在背景的特性和圖像噪聲有關(guān)。在點(diǎn)目標(biāo)檢測中，背景的干擾主要表現(xiàn)為相干斑噪聲。一般情況下相干斑噪聲的動態(tài)范圍相當(dāng)寬，由于從圖像中檢測點(diǎn)目標(biāo)的主要方法是依據(jù)其與背景的對比度，因此背景目標(biāo)分布特性中的高電平部分可能造成對點(diǎn)目標(biāo)的誤判。

編輯推薦

　　本書旨在論述SAR圖像處理與解譯新近的研究進(jìn)展，除了介紹一些經(jīng)典的方法外，書中主要結(jié)合作者所在課題組多年來的研究成果，詳細(xì)論述了基于計(jì)算智能的SAR圖像處理與解譯方法。全書共分8章，具體內(nèi)容包括SAR圖像相干斑抑制、SAR圖像目標(biāo)檢測與變化檢測、復(fù)雜圖像壓縮、基于馬爾可夫統(tǒng)計(jì)模型的SAR圖像分割等。該書可供各大專院校作為教材使用，也可供從事相關(guān)工作的人員作為參考用書使用。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    智能SAR圖像處理與解譯 PDF格式下載

---