基于卷积神经网络的SAR图像处理方法
目录
●第1章 绪论 1
1.1 SAR基本概念 1
1.2 SAR图像处理的基本概念 3
1.3 CNN概述 4
1.4 CNN在SAR图像处理中的应用 6
1.5 本章小结 7
第2章 SAR成像机理与SAR图像特性 8
2.1 SAR成像机理 8
2.1.1 SAR成像的几何模型和雷达发射信号模型 8
2.1.2 基于匹配滤波的SAR成像方法 11
2.2 SAR图像特性 15
2.2.1 SAR图像斑点噪声 15
2.2.2 SAR图像统计特性 19
2.3 本章小结 23
第3章 CNN的基本理论 26
3.1 CNN的基本组成及训练过程 26
3.1.1 CNN的基本组成 26
3.1.2 CNN的训练过程 31
3.1.3 CNN模型的过拟合与欠拟合问题 33
3.2 典型的CNN模型 38
3.2.1 AlexNet 38
3.2.2 GoogleNet 39
3.2.3 VGG 40
3.2.4 ResNet 42
3.2.5 DenseNet 43
3.3 CNN在目标检测中的应用 43
3.3.1 目标检测发展背景 44
3.3.2 目标检测的评价指标 45
3.3.3 基于CNN的目标检测模型 46
3.4 CNN的典型应用案例 47
3.4.1 猫狗图像识别 47
3.4.2 基于MobileNetV3的肺炎识别 50
3.5 本章小结 52
第4章 基于CNN的SAR图像斑点噪声抑制方法 54
4.1 经典SAR图像斑点噪声抑制方法 54
4.1.1 多视处理 55
4.1.2 空域滤波 56
4.1.3 变换域滤波 58
4.1.4 基于特定理论的滤波 59
4.2 基于CNN的SAR图像斑点噪声抑制方法 59
4.2.1 网络结构 59
4.2.2 网络超参数设计 63
4.3 实验与分析 75
4.3.1 数据集建立 75
4.3.2 噪声抑制效果分析 80
4.4 本章小结 90
第5章 基于CNN的SAR图像目标检测方法 91
5.1 经典SAR图像目标检测方法 91
5.1.1 基于对比度的目标检测方法 91
5.1.2 基于图像的其他特征的目标检测方法 94
5.1.3 基于复图像特征的目标检测方法 95
5.2 SAR图像鬼影生成原理及其对目标检测的影响分析 95
5.2.1 SAR图像鬼影的生成 96
5.2.2 SAR图像鬼影的标注及其对检测的影响 97
5.3 基于CNN的SAR图像目标检测方法 102
5.3.1 网络结构 102
5.3.2 网络超参数设计 104
5.4 实验与分析 111
5.4.1 数据集构建方法 111
5.4.2 检测性能分析 114
5.4.3 斑点噪声影响条件下的SAR图像目标检测性能分析 117
……
内容介绍
合成孔径雷达(Synthetic Aperture Radar，SAR)是一种主动式传感器，其通过发射电磁信号和接收散射回波，获得环境的观测信息。与其他传感器相比，SAR具有可以全天时、全天候监测，不受气候和环境影响的优势。基于卷积神经网络的SAR图像处理相关技术结合了卷积神经网络（CNN)挖掘局部相关特征、保持平移不变性的优势，可以提升SAR图像处理的效果，相关研究成果可应用于军事和民用领域。本书共7章，包括绪论、SAR成像机理与SAR图像特性、CNN的基本理论、基于CNN的SAR图像斑点噪声抑制方法、基于CNN的SAR图像目标检测方法、基于CNN的SAR图像目标识别方法，以及面向SAR图像处理的CNN频谱特征分析。本书在介绍基本理论的基础上，扩展了基于CNN的SAR图像解译方法，并针对CNN“黑盒”特点闸述了频谱特征分析方法，用于明确处理过程所提取特征的物理意义，推动基于CNN的SAR......
微信支付
支付宝
扫一扫购买
1. 打开微信，扫一扫左侧二维码
2. 点击右上角图标
3. 发送给朋友、分享到朋友圈、收藏
