摘要4-5
Abstract5-13
第1章 引言13-22
1.1 探讨作用与背景13-15
1.2 相关探讨近况15-18
1.2.1 极化雷达论述和极化 SAR 系统的进展15-16
1.2.2 极化 SAR 运用的探讨近况16-18
1.3 基于视觉认知的机器处理概述18-20
1.4 本论文内容及章节安排20-22
第2章 极化 SAR 基本论述22-41
2.1 引言22
2.2 极化基本论述22-25
2.2.1 电磁波的极化22-23
2.2.2 目标极化特性的表示23-25
2.3 SAR 图像基本论述25-32
2.3.1 SAR 系统与成像基本原理25-29
2.3.2 极化 SAR 测量29
2.3.3 SAR 图像的几何特点29-32
2.4 合成孔径雷达的干涉测量32-40
2.4.1 干涉测量基本原理32-36
2.4.2 极化干涉基本论述36-40
2.5 小结40-41
第3章 单通道 SAR 图像可视化41-63
3.1 引言41
3.2 SAR 数据统计特性41-43
3.2.1 单视 SAR 图像像素值的统计特性41-42
3.2.2 多视 SAR 图像像素值的统计特性42-43
3.3 单通道 SAR 图像的可视化现有策略及新框架43-49
3.3.1 视觉系统的亮度认知和 SAR 图像可视化43-45
3.3.2 现有的可视化策略45-48
3.3.3 SAR 图像可视化处理框架48-49
3.4 大范围场景 SAR 图像可视化处理49-51
3.4.1 分布函数变换49-50
3.4.2 参数 R 的估计50-51
3.4.3 实验结果51
3.5 小范围场景 SAR 图像可视化处理51-62
3.5.1 小范围场景 SAR 图像特性51-52
3.5.2 负指数变换52-55
3.5.3 参数 R 的估计55-56
3.5.4 基于 Mean-shift 算法的参数调整56-57
3.5.5 算法计算流程57
3.5.6 实验结果57-62
3.6 小结62-63
第4章 极化 SAR 图像可视化63-89
4.1 引言63
4.2 极化 SAR 图像可视化与数据降维63-64
4.3 基于 Paup 分解的极化 SAR 图像伪彩64-67
4.3.1 基于 Paup 分解上色机理64-65
4.3.2 实验结果65-67
4.4 基于 span 数据的极化 SAR 图像灰度可视化67-74
4.4.1 极化相关矩阵的统计特性及 span 的分布67-72
4.4.2 基于 span 数据的灰度可视化72-73
4.4.3 实验结果73-74
4.5 基于视觉系统认知的极化 SAR 图像伪彩74-82
4.5.1 极化特点分解74-76
4.5.2 极化特点参数与颜色空间76-79
4.5.3 实验结果79-82
4.6 基于视觉系统认知的极化 SAR 图像灰度可视化82-88
4.6.1 span 灰度可视化的缺陷82-83
4.6.2 基于极化特点参数的极化 SAR 数据降维处理83-87
4.6.3 算法计算流程87
4.6.4 实验结果87-88
4.7 小结88-89
第5章 极化干涉 SAR 数据的三维可视化89-111
5.1 引言89
5.2 立体视觉与干涉 SAR 数据的三维可视化89-90
5.3 山地区域极化干涉数据的 3-D 可视化90-95
5.3.1 极化干涉 SAR 的高程信息提取90
5.3.2 山区 3-D 可视化及实验结果90-95
5.4 平坦城乡地区极化干涉数据的 3-D 可视化95-101
5.4.1 树木、建筑的成像机理及干涉模型95-98
5.4.2 基于 ESPRIT 策略的树高和建筑物高度反演98-99
5.4.3 树木、建筑的 3-D 可视化结果99-101
5.5 基于极化干涉 SAR 数据的森林树木高度反演101-110
5.5.1 ESPRIT 策略估计的缺陷101-103
5.5.2 植被极化干涉模型及树高反演三步法103-105
5.5.3 体相干的估计105-106
5.5.4 树高反演置信度106-108
5.5.5 树高反演步骤108
5.5.6 实验和讨论108-110
5.6 小结110-111
第6章 基于视觉认知的极化 SAR 图像分类111-123
6.1 引言111
6.2 视觉系统分类与机器自动分类111-113
6.2.1 视觉系统对图像分类的流程111-112
6.2.2 机器自动分类的处理流程112-113
6.3 基于极化 SAR 数据地物监督分类的传统策略113-114
6.3.1 极化 SAR 数据113
6.3.2 基于 Wishart 分布的最大似然分类器113-114
6.3.3 传统策略的局限114
6.4 结合视觉系统特性和极化信息的监督分类114-120
6.4.1 SAR 图像中地物的视觉特性114-115
6.4.2 纹理特点的选择与提取115-116
6.4.3 二叉树结构监督分类器116-117
6.4.4 分类器的训练117
6.4.5 实验结果117-120
6.5 机器分类的实际运用120-122
6.6 小结122-123
第7章 基于视觉认知的极化 SAR 图像线特点检测123-147
7.1 引言123
7.2 视觉系统对线特点的认知123-125
7.3 线特点区域的粗提取125-132
7.3.1 基于极化白化滤波的极化 SAR 图像融合125-129
7.3.2 基于 Curvelet 的线特点区域提取129-132
7.4 线特点的精确检测132-134
7.4.1 极化边缘检测器132-133
7.4.2 模糊极化线检测器133-134
7.5 极化 SAR 图像的线特点检测流程134-136
7.6 实验结果136-143
7.6.1 实验数据136-137
7.6.2 结果与讨论137-143
7.7 基于视觉认知的单通道 SAR 图像线特点检测143-146
7.7.1 单通道 SAR 图像中的线特点区域粗提取143
7.7.2 单通道 SAR 图像中的线特点精检测143-145
7.7.3 实验结果145-146
7.8 小结146-147
第8章 总结与展望147-149