全极化合成孔径雷达图像处理模型及方法

定　　价：79 元

• 作者：石俊飞
• 出版时间：2021/10/1
• ISBN：9787121420962
• 出 版 社：电子工业出版社

• 中图法分类：TN958 
• 页码：168
• 版次：01
• 开本：16开

内容简介

极化合成孔径雷达图像分类是遥感图像处理的关键。现有的高分辨极化合成孔径雷达图像分类方法存在多通道数据结构复杂、异质地物判别特征提取困难等问题。针对上述问题，本书构建了基于视觉认知驱动的一系列极化合成孔径雷达图像分类模型和方法。主要内容包括：构建新的边缘检测模型，有效检测异质地物内部结构和弱边界；建立极化合成孔径雷达图像视觉层次认知表征，实现极化合成孔径雷达图像复杂场景的语义划分；建立基于视觉层次语义模型和极化特性的极化合成孔径雷达图像地物分类方法；建立基于素描图和自适应马尔可夫随机场的极化合成孔径雷达图像分类算法，自适应学习同/异质地物判别特征和精确边界信息；本书探索了视觉认知和数据联合驱动的极化合成孔径雷达图像分类新模型和新方法，实现极化合成孔径雷达图像复杂场景的多地物精准分类，为极化合成孔径雷达图像解译和目标识别提供新思路。本书既可以作为高等院校计算机科学与技术、人工智能等专业的研究生教材，也可作为相关领域技术人员的参考用书。

作者介绍

石俊飞，女，博士，从事方向：遥感图像处理、机器学习、计算机视觉。2016/10-至今， 西安理工大学，讲师；2010/09-2016/09，西安电子科技大学，计算机学院，博士；2009/09-2010/07，西安电子科技大学，计算机学院，硕士；2005/09-2009/07，河南师范大学，计算机学院，学士。参加的学术组织：CCF会员。承担过的重点科研项目：1.国家自然科学基金（62006186），视觉认知驱动的高分辨极化SAR复张量特征学习与地物分类，2021/01-2023/12,24万，在研，主持。 2. 陕西省自然科学基金（2018JQ6055）, 基于视觉层次认知模型的极化SAR 影像分类方法研究，2018/1-2019/12,3万，已结题，主持。 3. 陕西省教育厅专项科研计划项目（19JK0566），基于视觉层次语义表达的极化SAR影像分类方法研究，2019/1-2020/12, 2万，在研，主持。4. 地理信息工程国家重点实验室开放基金（SKLGIE2019-M-3-2）,基于视觉认知驱动的高分辨极化SAR复杂场景分类，2020.1-2021.12,5万，在研，主持。5. 国家自然科学基金(615732670),基于层次视觉语义模型和稀疏表征的高分辨SAR图像的分割和分类,2016/01-2019/12, 81万，在研，参加。 6. 国家自然科学基金面上项目（61872290）弱光低照多光源发光互扰尘雾图像的退化模型及清晰化方法研究,2018/01-2018/12,16万，已结题，参加。7. 国家自然科学基金重点项目，91438201, 稀疏认识下的遥感影像在轨变化检测与目标提取，2014/01-2017/12，380万，已结题，参加。

目 录

目 录
前言
符号对照表
缩略语对照表
第 1 章 极化 SAR 图像分类概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 极化 SAR 图像数据. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3
1.2.1 极化 SAR 数据表示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 极化 SAR 数据的统计分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 极化 SAR 图像分类算法研究现状和挑战 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 极化 SAR 图像分类算法研究现状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 极化 SAR 图像分类的难点和挑战 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.3 视觉认知模型发展现状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 视觉计算理论和初始素描模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1 Marr 视觉计算理论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2 初始素描模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 深度学习模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .18
1.5.1 卷积神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.2 深度置信网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.3 深度自编码 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6 本书的贡献和内容安排. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .20
第 2 章 极化 SAR 图像边缘检测算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 极化 CFAR 检测算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
.x .全极化合成孔径雷达图像处理模型及方法
2.2.1 极化 CFAR 检测算法的基本概念 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 极化 CFAR 检测算的缺点. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 融合极化机理和梯度学习的极化 SAR 边缘检测算法. . . . . . . . . . . . . . . .27
2.3.1 基于 SPAN 图的加权梯度边缘检测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.2 基于语义规则的小波融合. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29
2.4 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.1 实验设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.2 L 波段旧金山地区实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.3 C 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
第 3 章 极化 SAR 图像的视觉层次语义模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2 极化 SAR 图像的视觉层次语义模型与框架. . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2.1 视觉层次语义模型构建动机. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .38
3.2.2 视觉层次语义模型数学表示. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41
3.2.3 视觉层次语义模型的框架. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .43
3.3 初层语义：极化 SAR 素描图的构建算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.1 极化边线检测算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.2 素描线的选择 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4 中层语义：区域图构建算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4.1 基于图规则和素描线段局部统计特性的素描线段分组 . . . . . . . . . . . . . . . . . 50
3.4.2 聚集区域提取 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.4.3 结构区域提取 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.5 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5.1 多组极化 SAR 图像验证模型有效性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5.2 参数分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.6 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
目 录 .xi .第 4 章 基于层次语义模型和极化特性的极化 SAR 地物分类. . . . . . . . . . . . . . .63
4.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2 算法框架 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.3 语义分割算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .65
4.3.1 初始分割 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3.2 聚集区域分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3.3 结构区域分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3.4 层次分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4 语义–极化分类算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4.1 H/α-Wishart 分类 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.4.2 融合语义分割和极化机理的分类策略. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.5.1 实验数据和设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.5.2 合成极化 SAR 图像的实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.5.3 E-SAR 卫星 L 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . . 74
4.5.4 AIRSAR 卫星 L 波段极化 SAR 图像实验结果和分析. . . . . . . . . . . . . . . . . 76
4.5.5 CONVAIR 卫星极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . . . . . 78
4.5.6 RadarSAT-2 卫星 C 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . 78
4.5.7 参数分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.6 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
第 5 章 基于极化素描图和自适应邻域 MRF 的极化 SAR 地物分类. . . . . . . 84
5.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.2 极化素描图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3 基于极化素描图和自适应邻域 MRF 的极化 SAR 地物分类算法 . . . . 88
5.3.1 极化 SAR 数据分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3.2 基于素描图的自适应 MRF 模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.3.3 算法描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.4 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
.xii .全极化合成孔径雷达图像处理模型及方法
5.4.1 实验设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.4.2 仿真数据的实验结果和分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .99
5.4.3 CONVAIR 卫星 Ottawa 地区极化 SAR 图像实验结果和分析 . . . . . . . . 102
5.4.4 E-SAR 卫星 L 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . 105
5.5 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
第 6 章 基于深度学习和层次语义模型的极化 SAR 地物分类 . . . . . . . . . . . . . 107
6.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .107
6.2 深度自编码模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.3 极化层次语义模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.4 DL-HSM 算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4.1 聚集区域的深度自编码模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.4.2 结构区域边界定位 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.4.3 匀质区域的层次分割和分类 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.5 实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.5.1 实验数据和设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.5.2 合成图像实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.5.3 AIRSA 卫星 L 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . 120
6.5.4 CONVAIR 卫星极化 SAR 图像实验结果和分析 . . . . . . . . . . . . . . . . . . . . 122
6.5.5 RadarSAT-2 卫星 C 波段极化 SAR 图像实验结果和分析 . . . . . . . . . . . . 123
6.5.6 参数分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
6.6 本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
参考文献. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126