極化合成孔徑雷達(dá)圖像分類是遙感圖像處理的關(guān)鍵�，F(xiàn)有的高分辨極化合成孔徑雷達(dá)圖像分類方法存在多通道數(shù)據(jù)結(jié)構(gòu)復(fù)雜、異質(zhì)地物判別特征提取困難等問題。針對上述問題，本書構(gòu)建了基于視覺認(rèn)知驅(qū)動的一系列極化合成孔徑雷達(dá)圖像分類模型和方法。主要內(nèi)容包括：構(gòu)建新的邊緣檢測模型，有效檢測異質(zhì)地物內(nèi)部結(jié)構(gòu)和弱邊界；建立極化合成孔徑雷達(dá)圖像視覺層次認(rèn)知表征，實現(xiàn)極化合成孔徑雷達(dá)圖像復(fù)雜場景的語義劃分；建立基于視覺層次語義模型和極化特性的極化合成孔徑雷達(dá)圖像地物分類方法；建立基于素描圖和自適應(yīng)馬爾可夫隨機場的極化合成孔徑雷達(dá)圖像分類算法，自適應(yīng)學(xué)習(xí)同/異質(zhì)地物判別特征和精確邊界信息；本書探索了視覺認(rèn)知和數(shù)據(jù)聯(lián)合驅(qū)動的極化合成孔徑雷達(dá)圖像分類新模型和新方法，實現(xiàn)極化合成孔徑雷達(dá)圖像復(fù)雜場景的多地物精準(zhǔn)分類，為極化合成孔徑雷達(dá)圖像解譯和目標(biāo)識別提供新思路。本書既可以作為高等院校計算機科學(xué)與技術(shù)、人工智能等專業(yè)的研究生教材，也可作為相關(guān)領(lǐng)域技術(shù)人員的參考用書。
石俊飛，女，博士，從事方向：遙感圖像處理、機器學(xué)習(xí)、計算機視覺。2016/10-至今， 西安理工大學(xué)，講師；2010/09-2016/09，西安電子科技大學(xué)，計算機學(xué)院，博士；2009/09-2010/07，西安電子科技大學(xué)，計算機學(xué)院，碩士；2005/09-2009/07，河南師范大學(xué)，計算機學(xué)院，學(xué)士。參加的學(xué)術(shù)組織：CCF會員。承擔(dān)過的重點科研項目：1.國家自然科學(xué)基金（62006186），視覺認(rèn)知驅(qū)動的高分辨極化SAR復(fù)張量特征學(xué)習(xí)與地物分類，2021/01-2023/12,24萬，在研，主持。 2. 陜西省自然科學(xué)基金（2018JQ6055）, 基于視覺層次認(rèn)知模型的極化SAR 影像分類方法研究，2018/1-2019/12,3萬，已結(jié)題，主持。 3. 陜西省教育廳專項科研計劃項目（19JK0566），基于視覺層次語義表達(dá)的極化SAR影像分類方法研究，2019/1-2020/12, 2萬，在研，主持。4. 地理信息工程國家重點實驗室開放基金（SKLGIE2019-M-3-2）,基于視覺認(rèn)知驅(qū)動的高分辨極化SAR復(fù)雜場景分類，2020.1-2021.12,5萬，在研，主持。5. 國家自然科學(xué)基金(615732670),基于層次視覺語義模型和稀疏表征的高分辨SAR圖像的分割和分類,2016/01-2019/12, 81萬，在研，參加。 6. 國家自然科學(xué)基金面上項目（61872290）弱光低照多光源發(fā)光互擾塵霧圖像的退化模型及清晰化方法研究,2018/01-2018/12,16萬，已結(jié)題，參加。7. 國家自然科學(xué)基金重點項目，91438201, 稀疏認(rèn)識下的遙感影像在軌變化檢測與目標(biāo)提取，2014/01-2017/12，380萬，已結(jié)題，參加。
目 錄
前言
符號對照表
縮略語對照表
第 1 章 極化 SAR 圖像分類概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 極化 SAR 圖像數(shù)據(jù). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3
1.2.1 極化 SAR 數(shù)據(jù)表示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 極化 SAR 數(shù)據(jù)的統(tǒng)計分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 極化 SAR 圖像分類算法研究現(xiàn)狀和挑戰(zhàn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 極化 SAR 圖像分類算法研究現(xiàn)狀 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 極化 SAR 圖像分類的難點和挑戰(zhàn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.3 視覺認(rèn)知模型發(fā)展現(xiàn)狀 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 視覺計算理論和初始素描模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1 Marr 視覺計算理論 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2 初始素描模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 深度學(xué)習(xí)模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .18
1.5.1 卷積神經(jīng)網(wǎng)絡(luò) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.2 深度置信網(wǎng)絡(luò) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.3 深度自編碼 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6 本書的貢獻(xiàn)和內(nèi)容安排. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .20
第 2 章 極化 SAR 圖像邊緣檢測算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 極化 CFAR 檢測算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
.x .全極化合成孔徑雷達(dá)圖像處理模型及方法
2.2.1 極化 CFAR 檢測算法的基本概念 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 極化 CFAR 檢測算的缺點. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 融合極化機理和梯度學(xué)習(xí)的極化 SAR 邊緣檢測算法. . . . . . . . . . . . . . . .27
2.3.1 基于 SPAN 圖的加權(quán)梯度邊緣檢測 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.2 基于語義規(guī)則的小波融合. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29
2.4 實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.1 實驗設(shè)置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.2 L 波段舊金山地區(qū)實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.3 C 波段極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5 本章小結(jié) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
第 3 章 極化 SAR 圖像的視覺層次語義模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2 極化 SAR 圖像的視覺層次語義模型與框架. . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2.1 視覺層次語義模型構(gòu)建動機. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .38
3.2.2 視覺層次語義模型數(shù)學(xué)表示. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41
3.2.3 視覺層次語義模型的框架. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .43
3.3 初層語義：極化 SAR 素描圖的構(gòu)建算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.1 極化邊線檢測算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.2 素描線的選擇 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4 中層語義：區(qū)域圖構(gòu)建算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4.1 基于圖規(guī)則和素描線段局部統(tǒng)計特性的素描線段分組 . . . . . . . . . . . . . . . . . 50
3.4.2 聚集區(qū)域提取 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.4.3 結(jié)構(gòu)區(qū)域提取 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.5 實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5.1 多組極化 SAR 圖像驗證模型有效性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5.2 參數(shù)分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.6 本章小結(jié) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
目 錄 .xi .第 4 章 基于層次語義模型和極化特性的極化 SAR 地物分類. . . . . . . . . . . . . . .63
4.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2 算法框架 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.3 語義分割算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .65
4.3.1 初始分割 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3.2 聚集區(qū)域分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3.3 結(jié)構(gòu)區(qū)域分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3.4 層次分割算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4 語義–極化分類算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4.1 H/α-Wishart 分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.4.2 融合語義分割和極化機理的分類策略. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.5.1 實驗數(shù)據(jù)和設(shè)置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.5.2 合成極化 SAR 圖像的實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.5.3 E-SAR 衛(wèi)星 L 波段極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . 74
4.5.4 AIRSAR 衛(wèi)星 L 波段極化 SAR 圖像實驗結(jié)果和分析. . . . . . . . . . . . . . . . . 76
4.5.5 CONVAIR 衛(wèi)星極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . 78
4.5.6 RadarSAT-2 衛(wèi)星 C 波段極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . . . . . . 78
4.5.7 參數(shù)分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.6 本章小結(jié) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
第 5 章 基于極化素描圖和自適應(yīng)鄰域 MRF 的極化 SAR 地物分類. . . . . . . 84
5.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.2 極化素描圖 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3 基于極化素描圖和自適應(yīng)鄰域 MRF 的極化 SAR 地物分類算法 . . . . 88
5.3.1 極化 SAR 數(shù)據(jù)分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3.2 基于素描圖的自適應(yīng) MRF 模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.3.3 算法描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.4 實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
.xii .全極化合成孔徑雷達(dá)圖像處理模型及方法
5.4.1 實驗設(shè)置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.4.2 仿真數(shù)據(jù)的實驗結(jié)果和分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .99
5.4.3 CONVAIR 衛(wèi)星 Ottawa 地區(qū)極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . 102
5.4.4 E-SAR 衛(wèi)星 L 波段極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . 105
5.5 本章小結(jié) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
第 6 章 基于深度學(xué)習(xí)和層次語義模型的極化 SAR 地物分類 . . . . . . . . . . . . . 107
6.1 引言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .107
6.2 深度自編碼模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.3 極化層次語義模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.4 DL-HSM 算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4.1 聚集區(qū)域的深度自編碼模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.4.2 結(jié)構(gòu)區(qū)域邊界定位 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.4.3 勻質(zhì)區(qū)域的層次分割和分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.5 實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.5.1 實驗數(shù)據(jù)和設(shè)置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.5.2 合成圖像實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.5.3 AIRSA 衛(wèi)星 L 波段極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . 120
6.5.4 CONVAIR 衛(wèi)星極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . . . . . . . . . . . . . 122
6.5.5 RadarSAT-2 衛(wèi)星 C 波段極化 SAR 圖像實驗結(jié)果和分析 . . . . . . . . . . . . 123
6.5.6 參數(shù)分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
6.6 本章小結(jié) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
參考文獻(xiàn). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
書單推薦
