極化雷達(dá)理論與遙感應(yīng)用

目錄
叢書序
前言
本書主要符號(hào)對(duì)照表
第1章 雷達(dá)極化理論及其應(yīng)用概述 1
1.1 極化雷達(dá)的簡(jiǎn)史 1
1.2 極化SAR簡(jiǎn)史 5
1.3 極化SAR的應(yīng)用 7
1.3.1 濾波 8
1.3.2 目標(biāo)散射特征的提取 9
1.3.3 極化對(duì)比增強(qiáng) 10
1.3.4 目標(biāo)分類 11
1.3.5 目標(biāo)檢測(cè) 12
1.4 本書的安排 13
參考文獻(xiàn) 13
第2章 極化基本概念和基本原理 41
2.1 極化狀態(tài)表示 41
2.2 極化比 45
2.3 Stokes矢量 46
2.4 坐標(biāo)系統(tǒng) 48
2.5 Sinclair散射矩陣 49
2.6 Graves 矩陣、Kennaugh矩陣和功率方程 51
2.7 標(biāo)準(zhǔn)目標(biāo) 54
2.8 散射矩陣的測(cè)量與校正 59
2.9 小結(jié) 60
參考文獻(xiàn) 60
第3章 最優(yōu)極化、等功率曲線與共極化零點(diǎn) 61
3.1 引言 61
3.2 共極化通道下特征極化狀態(tài)的公式 62
3.2.1 共極化最大值點(diǎn)和共極化鞍點(diǎn) 62
3.2.2 共極化零點(diǎn) 63
3.3 Jk矩陣的特征值 65
3.4 獲取特征極化狀態(tài)的簡(jiǎn)便方法 66
3.5 接收功率的等功率曲線 69
3.5.1 共極化通道情況 69
3.5.2 交叉極化通道情況 71
3.5.3 匹配極化通道情況 72
3.6 兩種特殊情況下的特征極化狀態(tài)和等功率曲線 74
3.6.1 Gc2（n）=-Gc1（n）的情況 74
3.6.2 Gc2（n）=Gc1（n）的情況 77
3.7 極化零點(diǎn)理論 79
3.7.1 對(duì)稱散射矩陣情況下的目標(biāo)共零點(diǎn) 79
3.7.2 一般散射矩陣情形的目標(biāo)的共零點(diǎn)對(duì) 86
3.8 多站雷達(dá)中的天線最優(yōu)極化 87
3.9 小結(jié) 90
參考文獻(xiàn) 90
第4章 散射特征描述及特征提取 92
4.1 引言 92
4.2 目標(biāo)散射對(duì)稱性 92
4.3 散射矩陣的相似性參數(shù) 94
4.3.1 相似性參數(shù) 94
4.3.2 目標(biāo)特征提取 95
4.3.3 實(shí)驗(yàn)驗(yàn)證 97
4.4 Cloude-Pottier非相干分解 99
4.5 基于共極化比的特征參數(shù) 100
4.5.1 一種新的目標(biāo)特征描述方法 101
4.5.2 表面散射和體散射模型 105
4.5.3 定向角旋轉(zhuǎn)對(duì)散射點(diǎn)分布的影響 111
4.5.4 ΔαB/αB物理散射平面 113
4.5.5 ΔαB/αB平面在地物分類中的應(yīng)用 116
4.6 Huynen矩陣分解及修正方法 126
4.6.1 Huynen分解 126
4.6.2 修正的Huynen分解 128
4.7 小結(jié) 130
參考文獻(xiàn) 131
第5章 極化SAR圖像濾波 133
5.1 非監(jiān)督等效視數(shù)估計(jì) 133
5.1.1 引言 133
5.1.2 對(duì)數(shù)SAR圖像統(tǒng)計(jì) 133
5.1.3 對(duì)數(shù)SAR圖像噪聲估計(jì) 135
5.1.4 利用紋理分析和AR模型進(jìn)行噪聲方差估計(jì) 136
5.1.5 算法流程和參數(shù)選取 139
5.1.6 實(shí)驗(yàn)驗(yàn)證 139
5.1.7 極化SAR圖像非監(jiān)督等效視數(shù)估計(jì) 143
5.1.8 小結(jié) 145
5.2 經(jīng)典濾波方法 145
5.2.1 Lee濾波 145
5.2.2 極化白化濾波器 146
5.3 基于塊排序和聯(lián)立稀疏表達(dá)的濾波方法 149
5.3.1 引言 149
5.3.2 極化SAR數(shù)據(jù)的加性噪聲模型 149
5.3.3 塊排序和聯(lián)立稀疏表達(dá) 151
5.3.4 算法和參數(shù)選取 155
5.3.5 實(shí)驗(yàn)驗(yàn)證 157
5.3.6 極化SAR濾波算法在干涉SAR中的推廣 162
5.3.7 小結(jié) 165
5.3.8 附錄 165
5.4 小結(jié) 167
參考文獻(xiàn) 167
第6章 最優(yōu)極化對(duì)比增強(qiáng)技術(shù) 170
6.1 引言 170
6.2 最優(yōu)極化對(duì)比增強(qiáng)技術(shù) 170
6.2.1 GOPCE方法 170
6.2.2 GOPCE的解 172
6.3 Fisher-GOPCE方法 173
6.4 最優(yōu)極化對(duì)比增強(qiáng)技術(shù)的應(yīng)用 174
6.4.1 Fisher-GOPCE方法在地物分類中的應(yīng)用 176
6.4.2 Fisher-GOPCE方法在艦船檢測(cè)中的應(yīng)用 178
6.5 小結(jié) 183
參考文獻(xiàn) 183
第7章 目標(biāo)檢測(cè) 185
7.1 典型地物雜波統(tǒng)計(jì)建模 185
7.1.1 勻質(zhì)與非勻質(zhì)物理散射模型 185
7.1.2 極化SAR數(shù)據(jù)統(tǒng)計(jì)模型 190
7.1.3 典型雜波擬合模型 191
7.2 溢油檢測(cè) 197
7.2.1 引言 197
7.2.2 特征提取 200
7.2.3 小結(jié) 211
7.3 艦船檢測(cè) 211
7.3.1 基于功率條件熵和Parzen窗的檢測(cè)方法 211
7.3.2 基于GOPCE的檢測(cè)方法 215
7.4 機(jī)場(chǎng)檢測(cè) 218
7.4.1 引言 218
7.4.2 機(jī)場(chǎng)ROI提取 218
7.4.3 機(jī)場(chǎng)跑道提取及ROI辨識(shí) 221
7.4.4 實(shí)驗(yàn)驗(yàn)證 225
7.4.5 小結(jié) 227
7.5 港口與橋梁檢測(cè) 227
7.5.1 基于岸線特征點(diǎn)的港口檢測(cè) 227
7.5.2 基于平行曲線特征的港口檢測(cè) 233
7.5.3 基于水域跟蹤的橋梁檢測(cè) 239
7.5.4 小結(jié) 247
7.6 道路檢測(cè) 247
7.6.1 引言 247
7.6.2 分段曲線道路模型 248
7.6.3 Bayes跟蹤框架及粒子濾波 248
7.6.4 基于粒子濾波的道路聯(lián)合檢測(cè) 250
7.6.5 實(shí)驗(yàn)與分析 253
7.6.6 小結(jié) 258
參考文獻(xiàn) 258
第8章 緊縮極化SAR數(shù)據(jù)重建及特征提取 262
8.1 引言 262
8.2 經(jīng)典的緊縮極化SAR特征提取技術(shù) 264
8.2.1 m-δ分解技術(shù) 264
8.2.2 緊縮極化H/α分解技術(shù) 265
8.2.3 緊縮極化模型分解技術(shù) 266
8.2.4 分解技術(shù)的對(duì)比 266
8.3 緊縮極化SAR對(duì)海面Bragg散射的特征描述 268
8.3.1 Bragg散射模型及其在溢油檢測(cè)中的應(yīng)用 268
8.3.2 緊縮極化SAR目標(biāo)散射新參數(shù) 275
8.3.3 緊縮極化參數(shù)在溢油和艦船檢測(cè)中的應(yīng)用 277
8.4 基于四成分分解的緊縮極化SAR數(shù)據(jù)重建方法 283
8.4.1 研究現(xiàn)狀 283
8.4.2 簡(jiǎn)化的四成分分解方法 286
8.4.3 緊縮極化π/4模式的四成分分解參數(shù)估計(jì) 288
8.4.4 數(shù)據(jù)重建方法 290
8.4.5 實(shí)驗(yàn)驗(yàn)證 295
8.4.6 小結(jié) 298
8.5 基于三成分分解的緊縮極化SAR數(shù)據(jù)重建方法 299
8.5.1 三成分分解方法及數(shù)據(jù)重建模型 299
8.5.2 緊縮極化π/4模式的三成分分解參數(shù)估計(jì) 302
8.5.3 數(shù)據(jù)重建流程 303
8.6 小結(jié) 304
參考文獻(xiàn) 304
作者簡(jiǎn)介