九九99激情视频視頻均是免費的,精品综合久久97,无码中文字幕av免费放

《SAR圖像處理與目標識別》針對實際工程需求和特點展開，對SAR圖像處理與目標識別的方法、原理和應用進行了系統的研究，全書共分為9章。第1章為SAR圖像的特性分析。第2～第4章分別介紹了SAR圖像去噪聲技術、圖像配準和圖像融合。第5章和第6章主要研究了SAR圖像目標分割和目標檢測的實現方法。第7章對SAR圖像目標識別進行了研究。第8章描述了基于壓縮感知的雷達圖像重建算法。第9章系統地介紹了基于小波變換的SAR圖像壓縮方法。

版權頁：

（4）增強了系統的穩(wěn)定性和容錯性；
（5）使系統具有更高的性價比。
而作為SAR圖像融合的源圖像包含Speckle噪聲，在融合時無法使用傳統的簡單特征融合方法。本章重點研究圖像融合的定義、評價標準、經典圖像融合方法和X—let變換的PCNN融合。
4.1.1 圖像融合的層次劃分
多源圖像融合按信息抽象的程度可分為：像素級融合（特征提取之前）、特征級融合（屬性說明之前）和決策級融合（各傳感器數據獨立屬性說明之后）。因此，圖像融合就可相應地在像素級、特征級和決策級3個層次上進行，構成3種融合水平。
像素級圖像融合主要是針對初始圖像數據進行的，其目的主要是圖像增強、圖像分割和圖像分類，從而為人工判讀圖像或進一步的特征集融合提供更佳的輸入信息。其融合示意圖如圖4—1所示。像素級圖像融合屬于較低層次的融合，大部分研究集中在該層次上，融合前需首先對圖像進行預處理，包括降噪、幾何校正、輻射校正、空間上的精確配準等，如果圖像具有不同的分辨率，在融合之前還需要做相應的映射處理。
特征級圖像融合是指從各個傳感器圖像中提取特征信息，并進行綜合分析和處理的過程。其融合示意圖如圖4—2所示。提取的特征信息是像素信息的充分表示量或充分統計量，典型的特征信息包括邊緣、形狀、輪廓、角、紋理、相似亮度區(qū)域等。通過特征集融合，可以在原始圖像中挖掘相關特征信息，增加特征信息的可信度，排除虛假特征，建立新的復合特征等。經過特征級融合處理后的結果是一個特征空間，數據量相對于原來的圖像數據將大為減少，該處理進程將極大地提高處理和傳輸效率，有效地推動數據自動實時處理。特征級圖像融合是中間層次上的融合，是為決策級融合做準備。特征級融合對傳感器對準要求不如像素級嚴格，因此圖像傳感器可以分布于不同平臺上。特征級融合的優(yōu)點在于實現了可觀的信息壓縮，便于實時處理。目前，特征集數據融合的主要方法有聚類分析方法、登普斯特一謝弗（Dempster—Shafer）推理方法、信息熵方法、表決方法及神經網絡方法等。
如圖4—1和圖4—2所示的像素級和特征級的融合過程，最重要的步驟是圖像配準。它直接影響最終融合的精度。工程應用要求運算保持高精度，而SAR圖像配準因其特殊性，特征點不如光學圖像多，且受噪聲影響，這是未來工程應用需重點考慮的因素。
決策級圖像融合是對來自多幅圖像的信息進行邏輯推理或統計推理的過程。其融合示意圖如圖4—3所示。如果傳感器信號的表示形式差異很大或者涉及圖像的不同區(qū)域，那么決策級融合是融合多圖像信息的唯一方法。融合的決策是系統中傳感器提供的信息，或是來自環(huán)境模型或系統先驗信息的決策。從傳感器信息導出的決策代表了有關環(huán)境某個方面已做出的決策，通常是把傳感器信息導出的特征與模型匹配來處理。決策級融合是圖像融合的最高層次，經過決策級融合的結果可以直接作為決策要素來做出相應的行為，直接為決策者提供決策參考。決策級融合的主要優(yōu)點可概括為：①通信及傳輸要求低，這是由其數據量少決定的；②容錯性高，一個或若干傳感器的數據干擾，可以通過適當的融合方法予以消除；③數據要求低，傳感器可以是同質或異質，所以對傳感器的依賴性和要求降低；④分析能力強，能全方位有效反映目標及環(huán)境的信息，滿足不同應用的需要。由于對預處理及特征抽取的較高要求，所以決策級圖像融合的代價較高。目前，常用的決策級圖像融合方法主要有貝葉斯估計法、模糊聚類法及專家系統等。

你還可能感興趣

我要評論