基于MRF的SAR图像分类与变化检测应用研究张斌编著 2018年版

您当前的位置：首页 > 行业图书 > 电子信息

资料名称：	基于MRF的SAR图像分类与变化检测应用研究张斌编著 2018年版
文件类型：	PDF文档
文件大小：	20.03 MB
资料归类：	电子信息
整理时间：	2022-10-10
软件简介：	基于MRF的SAR图像分类与变化检测应用研究作者：张斌编著出版时间：2018年版内容简介张斌编著的《基于MRF的SAR图像分类与变化检测应用研究》对SAR(合成孔径雷达)影像分类以及变化检测技术进行了研究：①介绍SAR影像的成像特点、MRF模型基本理论、P0lsAR(极化合成孔径雷达)影像分割分类算法研究现状，以及高分辨率SAR与光学影像变化检测基本方法；②基于像素级的马尔可夫(Markov Random Field，MRF)模型SAR影像分类方法，将极化目标分解与MRF相结合，最后通过层次聚类算法进行迭代聚类的方法；基于分层MRF的PolSAR影像分类方法，将分层MRF方法应用到PolSAR影像分类中，通过先分层再逐层映射的方法得到最后的分类结果；③基于区域级MRF的POLSAR影像分类方法：利用均值漂移算法先进行分割为同质区域，并通过区域增长方法进行区域合并，最后利用分割区域之间的相关性由MRF进行分类得到最后结果；④针对地质灾害发生后，高分辨率光学图像难以获取或是获取的影像质量较差，利用灾后获取超高分辨率SAR影像，并结合灾前高分辨率光学影像，通过sAR的仿真模拟实现了sAR与光学影像的变化检测。目录第1章绪论 1.1 研究背景及意义 1.2 国内外研究现状及趋势 1.2.1 P01SAR影像分类技术 1.2.2 SAR影像变化检测 1.3 研究目标以及研究思路 1.4 本专著的内容纲要以及结构安排第2章 MRF基本原理 2.1 马尔可夫随机场的基本概念 2.2 常用MRF模型 2.2.1 Ising模型 2.2.2 Potts模型 2.2.3 MLL模型 2.2.4 四又树模型 2.3 常见的参数估计算法 2.3.1 最大似然估计 2.3.2 最大伪似然算法 2.3.3 均场近似算法 2.3.4 最小二乘法 2.3.5 动态蒙特卡罗方法 2.3.6 基于遗传算法的参数估计 2.3.7 期望最大算法第3章 SAR成像机理 3.1 雷达方程 3.2 合成孔径及方位向压缩 3.3 SAR图像特性 3.3.1 几何形变 3.3.2 表面散射 3.3.3 相干斑噪声 3.4 雷达极化 3.4.1 极化特征 3.4.2 极化目标分解 3.5 SAR工作模式 3.6 超高分辨率sAR 3.7 本章小结第4章 MRF框架下的PolsAR影像分类算法 4.1 沿革 4.2 MRF框架下基于特征值分解的P01SAR影像分类方法 4.2.1 极化目标分解 4.2.2 MRF模型 4.2.3 H／a／A WMRF分类方法 4.2.4 实验与分析 4.3 MRF框架下基于Freeman分解的PolSAR影像分类方法 4.3.1 Freeman分解 4.3.2 聚合的层次聚类 4.3.3 算法分类流程 4.3.4 实验与分析 4.4 基于像素级分层MRF模型分类方法 4.4.1 分层MRF模型 4.4.2 算法流程 4.4.3 实验结果与分析 4.5 基于区域级MRF框架下基于区域级的PolsAR影像分类算法 4.5.1 均值漂移算法以及区域增长 4.5.2 MRF框架下区域合并准则 4.5.3 实验结果与分析 4.6 本章小结第5章 MRF框架下SAR影像变化检测 5.1 SAR影像变化检测 5.1.1 SAR影像变化检测基本流程 5.1.2 贝叶斯决策与期望最大化(EM) 5.1.3 双闽值的EM算法 5.1.4 实验结果及分析 5.2 光学影像与SAR影像变化检测 5.2.1 建筑物几何物理散射模型 5.2.2 SAR图像模拟仿真 5.2.3 相似性度量因子 5.2.4 变化检测流程 5.2.5 建筑物参数提取 5.2.6 实验结果及分析 5.3 本章小节第6章总结与展望 6.1 本专著工作总结 6.2 进一步研究工作及展望参考文献
下载地址：	[百度网盘下载 ]