全極化合成孔徑雷達圖像處理模型及方法

極化合成孔徑雷達圖像分類是遙感圖像處理的關鍵。現有的高分辨極化合成孔徑雷達圖像分類方法存在多通道數據結構復雜、異質地物判別特徵提取困難等問題。針對上述問題，本書構建了基於視覺認知驅動的一系列極化合成孔徑雷達圖像分類模型和方法。主要內容包括：構建新的邊緣檢測模型，有效檢測異質地物內部結構和弱邊界；建立極化合成孔徑雷達圖像視覺層次認知表徵，實現極化合成孔徑雷達圖像復雜場景的語義劃分；建立基於視覺層次語義模型和極化特性的極化合成孔徑雷達圖像地物分類方法；建立基於素描圖和自適應馬爾可夫隨機場的極化合成孔徑雷達圖像分類算法，自適應學習同/異質地物判別特徵和精確邊界信息；本書探索了視覺認知和數據聯合驅動的極化合成孔徑雷達圖像分類新模型和新方法，實現極化合成孔徑雷達圖像復雜場景的多地物精準分類，為極化合成孔徑雷達圖像解譯和目標識別提供新思路。本書既可以作為高等院校電腦科學與技術、人工智能等專業的研究生教材，也可作為相關領域技術人員的參考用書。

石俊飛，女，博士，從事方向：遙感圖像處理、機器學習、計算機視覺。
2016/10-至今， 西安理工大學，講師；2010/09-2016/09，西安電子科技大學，計算機學院，博士；2009/09-2010/07，西安電子科技大學，計算機學院，碩士；2005/09-2009/07，河南師範大學，計算機學院，學士。
參加的學術組織：CCF會員。
承擔過的重點科研項目：
1.國家自然科學基金（62006186），視覺認知驅動的高分辨極化SAR复張量特徵學習與地物分類，2021/01-2023/12,24萬，在研，主持。
2. 陝西省自然科學基金（2018JQ6055）, 基於視覺層次認知模型的極化SAR 影像分類方法研究，2018/1-2019/12,3萬，已結題，主持。
3. 陝西省教育廳專項科研計劃項目（19JK0566），基於視覺層次語義表達的極化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）,基於視覺認知驅動的高分辨極化SAR複雜場景分類，2020.1-2021.12,5萬，在研，主持。
5. 國家自然科學基金(615732670),基於層次視覺語義模型和稀疏表徵的高分辨SAR圖像的分割和分類,2016/01-2019/12, 81萬，在研，參加。
6. 國家自然科學基金面上項目（61872290）弱光低照多光源發光互擾塵霧圖像的化模型及清晰化方法研究,2018/01-2018/12,16萬，已結題，參加。
7. 國家自然科學基金重點項目，91438201, 稀疏認識下的遙感影像在軌變化檢測與目標提取，2014/01-2017/12，380萬，已結題，參加。

目 錄
前言
符號對照表
縮略語對照表

1 章 極化 SAR 圖像分類概述           . . . 1
1.1 引言                1
1.2 極化 SAR 圖像數據            .3
1.2.1 極化 SAR 數據表示            . . 3
1.2.2 極化 SAR 數據的統計分佈           5
1.3 極化 SAR 圖像分類算法研究現狀和挑戰        9
1.3.1 極化 SAR 圖像分類算法研究現狀         . . 9
1.3.2 極化 SAR 圖像分類的難點和挑戰         . 13
1.3.3 視覺認知模型發展現狀           . . 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 深度學習模型             . .18
1.5.1 卷積神經網絡             . . 18
1.5.2 深度置信網絡             . . 19
1.5.3 深度自編碼              19
1.6 本書的貢獻和內容安排           .20

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
· · 全極化合成孔徑雷達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習的極化 SAR 邊緣檢測算法   27
2.3.1 基於 SPAN 圖的加權梯度邊緣檢測         28
2.3.2 基於語義規則的小波融合          .29
2.4 實驗結果和分析             . . . 31
2.4.1 實驗設置              . . 31
2.4.2 L 波段舊金山地區實驗結果和分析         . 31
2.4.3 C 波段極化 SAR 圖像實驗結果和分析        . 33
2.5 本章小結               . . 35

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建動機         . . .38
3.2.2 視覺層次語義模型數學表示         . . .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：區域圖構建算法           50
3.4.1 基於圖規則和素描線段局部統計特性的素描線段分組     . 50
3.4.2 聚集區域提取             . . 54
3.4.3 結構區域提取             . . 57
3.5 實驗結果和分析             . . . 58
3.5.1 多組極化 SAR 圖像驗證模型有效性        . . . 58
3.5.2 參數分析              . . 59
3.6 本章小結               . . 62

 4 章 基於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 聚集區域分割算法            . . 66
4.3.3 結構區域分割算法            . . 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 實驗結果和分析             . . . 71
4.5.1 實驗數據和設置             71
4.5.2 合成極化 SAR 圖像的實驗結果和分析        . 72
4.5.3 E-SAR 衛星 L 波段極化 SAR 圖像實驗結果和分析     . . 74
4.5.4 AIRSAR 衛星 L 波段極化 SAR 圖像實驗結果和分析    . 76
4.5.5 CONVAIR 衛星極化 SAR 圖像實驗結果和分析      . 78
4.5.6 RadarSAT-2 衛星 C 波段極化 SAR 圖像實驗結果和分析    . 78
4.5.7 參數分析              . . 80
4.6 本章小結               . . 83

5 章 基於極化素描圖和自適應鄰域 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 基於極化素描圖和自適應鄰域 MRF 的極化 SAR 地物分類算法  88
5.3.1 極化 SAR 數據分佈            . 88
5.3.2 基於素描圖的自適應 MRF 模型        . . . 91
5.3.3 算法描述              . . 97
5.4 實驗結果和分析             . . . 98
5.4.1 實驗設置              . . 98
5.4.2 仿真數據的實驗結果和分析         . . .99
5.4.3 CONVAIR 衛星 Ottawa 地區極化 SAR 圖像實驗結果和分析   102
5.4.4 E-SAR 衛星 L 波段極化 SAR 圖像實驗結果和分析     . 105
5.5 本章小結               . 105

6 章 基於深度學習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 聚集區域的深度自編碼模型          . 112
6.4.2 結構區域邊界定位            . 115
6.4.3 勻質區域的層次分割和分類          . 116
6.5 實驗結果和分析             . . 117
6.5.1 實驗數據和設置            . . . 117
6.5.2 合成圖像實驗結果和分析          . . . 119
6.5.3 AIRSA 衛星 L 波段極化 SAR 圖像實驗結果和分析     . 120
6.5.4 CONVAIR 衛星極化 SAR 圖像實驗結果和分析      122
6.5.5 RadarSAT-2 衛星 C 波段極化 SAR 圖像實驗結果和分析    123
6.5.6 參數分析              . 124
6.6 本章小結               . 125

參考文獻                . . . 126