合成孔徑雷達(dá)圖像智能解譯

目錄
叢書序
前言
第1章 緒論 1
1.1 SAR信息獲取 2
1.2 深度學(xué)習(xí)技術(shù) 9
1.3 SAR智能解譯與微波視覺 15
參考文獻(xiàn) 21
第2章 SAR圖像解譯基礎(chǔ) 27
2.1 SAR成像原理 27
2.1.1 雷達(dá)測(cè)距與脈沖壓縮技術(shù) 27
2.1.2 合成孔徑與方位向壓縮 28
2.2 SAR極化信息 34
2.2.1 極化電磁波 34
2.2.2 完全極化波與相干散射 36
2.2.3 部分極化波與非相干散射 37
2.2.4 雷達(dá)極化測(cè)量 40
2.2.5 目標(biāo)分解與地表分類 46
2.3 SAR圖像統(tǒng)計(jì)模型 55
2.3.1 Rayleigh相干斑模型 55
2.3.2 乘積模型 56
2.3.3 SAR圖像統(tǒng)計(jì)模型 57
2.4 SAR圖像處理方法 59
2.4.1 SAR圖像濾波 59
2.4.2 SAR圖像目標(biāo)檢測(cè)與識(shí)別 65
2.4.3 SAR圖像分割與分類 66
參考文獻(xiàn) 68
第3章 深度學(xué)習(xí)基礎(chǔ) 70
3.1 人工神經(jīng)網(wǎng)絡(luò) 70
3.1.1 神經(jīng)元模型 70
3.1.2 神經(jīng)網(wǎng)絡(luò)模型 72
3.1.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 77
3.1.4 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練技巧 80
3.2 深度神經(jīng)網(wǎng)絡(luò) 85
3.2.1 深度卷積網(wǎng)絡(luò) 85
3.2.2 深度循環(huán)網(wǎng)絡(luò) 88
3.3 計(jì)算機(jī)視覺 91
3.3.1 圖像分類 91
3.3.2 目標(biāo)檢測(cè) 94
3.3.3 圖像分割 96
參考文獻(xiàn) 99
第4章 SAR地面目標(biāo)智能識(shí)別 102
4.1 全卷積網(wǎng)絡(luò)(AConvNets) 102
4.2 網(wǎng)絡(luò)的訓(xùn)練方式 107
4.3 車輛目標(biāo)檢測(cè)與識(shí)別 109
4.4 飛機(jī)目標(biāo)檢測(cè)與識(shí)別 120
4.5 小波散狀網(wǎng)絡(luò) 129
附錄 實(shí)例代碼——AConvNets目標(biāo)分類 137
參考文獻(xiàn) 140
第5章 SAR海面目標(biāo)智能識(shí)別 143
5.1 SAR海面目標(biāo)識(shí)別現(xiàn)狀 143
5.2 全球海陸數(shù)據(jù)庫輔助的精細(xì)海陸分割 145
5.3 復(fù)雜海陸環(huán)境中的船舶目標(biāo)檢測(cè) 157
5.4 SAR-AIS船舶目標(biāo)數(shù)據(jù)庫 168
5.5 SAR船舶目標(biāo)鑒別與識(shí)別 175
參考文獻(xiàn) 180
第6章 少樣本SAR目標(biāo)識(shí)別 183
6.1 SAR目標(biāo)表征空間與少樣本學(xué)習(xí) 183
6.2 電磁仿真數(shù)據(jù)輔助的少樣本學(xué)習(xí) 194
6.3 自動(dòng)對(duì)抗編碼器與少樣本學(xué)習(xí) 201
附錄 實(shí)例代碼——零樣本目標(biāo)識(shí)別 214
參考文獻(xiàn) 217
第7章 極化SAR地表分類 219
7.1 基于實(shí)數(shù)卷積網(wǎng)絡(luò)的地表分類 219
7.2 地表分類網(wǎng)絡(luò)的普適性 229
7.3 復(fù)數(shù)卷積網(wǎng)絡(luò)(CV-CNN) 234
7.4 基于復(fù)數(shù)卷積網(wǎng)絡(luò)的地表分類 243
附錄 實(shí)例代碼——復(fù)數(shù)卷積網(wǎng)絡(luò)(CV-CNN) 255
參考文獻(xiàn) 260
第8章 多極化SAR圖像重構(gòu) 262
8.1 多極化SAR 262
8.2 稀疏重構(gòu)全極化SAR圖像 265
8.3 基于深度學(xué)習(xí)的極化SAR圖像重構(gòu) 278
附錄 實(shí)例代碼——SAR圖像上色網(wǎng)絡(luò)(colorization-nets) 293
參考文獻(xiàn) 297
第9章 極化SAR因子分解 300
9.1 極化SAR因子分解理論 300
9.2 極化SAR因子分解算法 306
9.3 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析 310
附錄 實(shí)例代碼——極化SAR因子分解 320
參考文獻(xiàn) 322
第10章 極化干涉SAR植被參數(shù)反演 324
10.1 極化干涉SAR樹高反演 324
10.2 極化干涉SAR系統(tǒng)參數(shù) 329
10.3 極化干涉SAR誤差模型 331
10.4 CV-CNN樹高反演 349
附錄 實(shí)例代碼——CV-CNN極化干涉SAR樹高反演 358
參考文獻(xiàn) 362
第11章 SAR相干斑仿真與濾波網(wǎng)絡(luò) 364
11.1 相干斑仿真 364
11.2 相干斑濾波網(wǎng)絡(luò) 375
11.3 仿真與實(shí)驗(yàn) 383
附錄 實(shí)例代碼——去相干斑網(wǎng)絡(luò)(Despeckling-NN) 399
參考文獻(xiàn) 406
第12章 虛擬場(chǎng)景重建與SAR圖像仿真 409
12.1 場(chǎng)景重建 409
12.2 光學(xué)遙感影像地表分類 412
12.3 光學(xué)遙感影像對(duì)建筑物的重構(gòu) 420
12.4 虛擬城市三維場(chǎng)景重建 423
12.5 SAR圖像仿真 427
參考文獻(xiàn) 430
第13章 SAR與光學(xué)圖像互譯 433
13.1 SAR和光學(xué)圖像的互譯 433
13.2 雙向翻譯網(wǎng)絡(luò) 436
13.3 實(shí)驗(yàn)分析 442
附錄 實(shí)例代碼——級(jí)聯(lián)殘差對(duì)抗網(wǎng)絡(luò)(CRAN) 456
參考文獻(xiàn) 461