高分辨率SAR圖像船舶目標(biāo)檢測(cè)與分類

序
前言
第1章  緒論
  1.1  高分辨率星載SAR系統(tǒng)
  1.2  星載SAR圖像船舶檢測(cè)
  1.3  星載SAR圖像船舶分類與識(shí)別
  1.4  星載SAR船舶監(jiān)測(cè)項(xiàng)目及系統(tǒng)
  1.4.1  國外星載SAR船舶監(jiān)測(cè)項(xiàng)目
  1.4.2  星載SAR船舶監(jiān)測(cè)系統(tǒng)
  參考文獻(xiàn)
第2章  面向船舶檢測(cè)識(shí)別的SAR圖像預(yù)處理
  2.1  海陸分割方法
  2.1.1  GIS輔助的海陸分割
  2.1.2  基于Snake模型的海陸分割
  2.2  海洋目標(biāo)SAR圖像增強(qiáng)方法
  2.2.1  引力場(chǎng)增強(qiáng)
  2.2.2  靜態(tài)小波增強(qiáng)
  2.3  船舶目標(biāo)在SAR圖像中的地理定位方法
  2.3.1  幾何光學(xué)模型
  2.3.2  R-D模型
  2.3.3  有理多項(xiàng)式模型
  2.3.4  小結(jié)
  參考文獻(xiàn)
第3章  高分辨率SAR圖像船舶目標(biāo)檢測(cè)
  3.1  船舶檢測(cè)性能分析
  3.1.1  SAR系統(tǒng)特性對(duì)檢測(cè)性能的影響
  3.1.2  成像區(qū)域環(huán)境對(duì)檢測(cè)性能的影響
  3.1.3  船舶目標(biāo)特征對(duì)檢測(cè)性能的影響
  3.1.4  SAR圖像處理和檢測(cè)方法對(duì)檢測(cè)性能的影響
  3.2  基于統(tǒng)計(jì)模型的CFAR目標(biāo)檢測(cè)
  3.2.1  CFAR檢測(cè)理論基礎(chǔ)
  3.2.2  SAR圖像海洋雜波常用統(tǒng)計(jì)模型
  3.2.3  分布模型的參數(shù)估計(jì)
  3.2.4  基于各種統(tǒng)計(jì)模型的CFAR檢測(cè)器
  3.3  SAR船舶檢測(cè)幾種經(jīng)典算法
  3.3.1  雙參數(shù)CFAR檢測(cè)算法
  3.3.2  基于K分布的CFAR檢測(cè)算法
  3.3.3  基于模板匹配的SUMO檢測(cè)算法
  3.3.4  小結(jié)
  3.4  基于聯(lián)合分布的SAR圖像船舶檢測(cè)
  3.4.1  算法原理與流程
  3.4.2  實(shí)驗(yàn)與分析
  3.5  基于多特征優(yōu)化的高分辨率SAR船舶檢測(cè)方法
  3.5.1  算法原理與流程
  3.5.2  實(shí)驗(yàn)與分析
  3.6  基于長(zhǎng)度歸一化掃描的SAR圖像尾跡檢測(cè)方法
  3.6.1  尾跡檢測(cè)方法概述
  3.6.2  算法原理與流程
  3.6.3  實(shí)驗(yàn)與分析
  3.7  基于主成分分析的SAR圖像商用船舶航向提取方法
  3.7.1  算法原理與流程
  3.7.2  實(shí)驗(yàn)與分析
  參考文獻(xiàn)
第4章  高分辨率SAR圖像船舶特征分析
  4.1  船舶特征概述
  4.2  SAR圖像船舶目標(biāo)特征分析
  4.2.1  船舶SAR圖像特征
  4.2.2  典型類別船舶SAR圖像特征
  4.3  SAR圖像船舶特征點(diǎn)提取分析
  4.3.1  船舶峰值特征點(diǎn)
  4.3.2  船舶SIFT特征點(diǎn)
  4.4  船舶SAR圖像模擬
  4.4.1  SAR圖像模擬方法
  4.4.2  船舶SAR圖像模擬分析
  參考文獻(xiàn)
第5章  高分辨率SAR圖像船舶目標(biāo)分類識(shí)別
  5.1  基于散射矩陣的船舶分類識(shí)別方法
  5.1.1  算法原理與流程
  5.1.2  實(shí)驗(yàn)與分析
  5.2  基于幾何結(jié)構(gòu)的船舶分類識(shí)別方法
  5.2.1  算法原理與流程
  5.2.2  實(shí)驗(yàn)與分析
  5.3  基于結(jié)構(gòu)特征的船舶分類識(shí)別方法
  5.3.1  算法原理與流程
  5.3.2  實(shí)驗(yàn)與分析
  5.4  基于幾何和散射特征聯(lián)合的船舶分類方法
  5.4.1  算法原理與流程
  5.4.2  實(shí)驗(yàn)與分析
  參考文獻(xiàn)
彩圖