智能SAR影像變化檢測簡(jiǎn)介，目錄書(shū)摘

編輯推薦:

內容簡(jiǎn)介:本書(shū)對近年來(lái)智能SAR影像變化檢測領(lǐng)域常見(jiàn)的理論及技術(shù)進(jìn)行了較為全面的闡述和總結，并結合作者多年的研究成果，對相關(guān)理論及技術(shù)在應用領(lǐng)域的實(shí)踐情況進(jìn)行了展示和報告。主要內容包含如下方面：基于Fisher分類(lèi)器和計算智能的遙感圖像變化檢測，基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準與變化檢測，無(wú)降斑預處理的兩時(shí)相SAR圖像變化檢測方法研究和基于雙噪聲相似性模型的SAR圖像變化檢測等方法。

作者簡(jiǎn)介:

目錄:前言

第1章 緒論
1.1 研究背景及意義
1.2 研究對象
1.3 變化檢測方法及存在問(wèn)題
1.3.1 變化檢測預處理
1.3.2 變化檢測技術(shù)分類(lèi)
1.3.3 精度評估
1.3.4 現有主要檢測方法的局限性
1.4 Fisher判別分析
參考文獻

第2章 基于小波域隱馬爾可夫樹(shù)模型的遙感圖像變化檢測
2.1 引言
2.2 二維離散小波變換原理
2.3 隱馬爾可夫模型
2.4 基于小波域HMT模型的遙感圖像變化檢測算法
2.4.1 小波域差異影像的構成
2.4.2 基于雙高斯混合模型的分割
2.4.3 HMT模型融合
2.5 實(shí)驗結果分析與有效性驗證
2.5.1 數據描述
2.5.2 實(shí)驗結果
2.6 本章小結
參考文獻

第3章 基于局部均值動(dòng)態(tài)Fisher分類(lèi)器的遙感圖像變化檢測
3.1 引言
3.2 均值漂移算法
3.3 Fisher判別分析原理
3.4 基于改進(jìn)Fisher分類(lèi)器的遙感圖像變化檢測
3.4.1 基于邊緣檢測的樣本提取
3.4.2 基于局部均值Fisher分類(lèi)器的判別
3.4.3 算法流程
3.5 對真實(shí)遙感圖像的實(shí)驗結果及分析
3.5.1 數據描述
3.5.2 實(shí)驗結果
3.6 本章小結
參考文獻
附錄

第4章 基于非局部均值加權的動(dòng)態(tài)模糊Fisher分類(lèi)器的遙感圖像變化檢測
4.1 引言
4.2 模糊Fisher判別分析
4.3 基于非局部均值加權的動(dòng)態(tài)模糊Fisher分類(lèi)器的變化檢測
4.3.1 預分割變化檢測圖
4.3.2 非局部均值加權
4.3.3 動(dòng)態(tài)FFDA判別
4.3.4 算法流程
4.4 對真實(shí)遙感圖像的實(shí)驗結果及分析
4.4.1 數據描述
4.4.2 實(shí)驗結果
4.5 本章小結
參考文獻
附錄

第5章 基于小波域Fisher分類(lèi)器的SAR圖像變化檢測
5.1 引言
5.2 小波域Fisher分類(lèi)器變化檢測過(guò)程
5.2.1 多層預分割變化檢測圖
5.2.2 小波域Fisher分類(lèi)器訓練
5.2.3 基于空間鄰域關(guān)系和上下文關(guān)系的融合
5.3 參數設置及實(shí)驗對比
5.3.1 實(shí)驗設置
5.3.2 Bern實(shí)驗數據
5.3.3 Ottawa實(shí)驗數據，
5.4 本章小結
參考文獻
附錄

第6章 基于神經(jīng)網(wǎng)絡(luò )和非局部均值加權的SAR圖像變化檢測.
6.1 引言
6.2 BP神經(jīng)網(wǎng)絡(luò )原理
6.3 聯(lián)合特征向量構成
6.4 基于神經(jīng)網(wǎng)絡(luò )的SAR圖像變化檢測
6.4.1 非局部均值加權
6.4.2 算法實(shí)現
6.5 實(shí)驗結果分析及有效性驗證
6.5.1  Bern試驗數據
6.5.2  Ottawa實(shí)驗數據
6.6 本章小結
參考文獻

第7章 基于塊相似性度量模型的SAR圖像變化檢測
7.1 引言
7.2 變化檢測框架及研究動(dòng)機
7.2.1 從SAR圖像比值分布到變化檢測
7.2.2 待解決的問(wèn)題及研究動(dòng)機
7.3 基于相似性度量的CFAR變化檢測
7.3.1 降斑：SAR.DNS濾波器
7.3.2 估計等效視數
7.3.3 閾值與虛警概率
7.4 實(shí)驗結果分析
7.4.1 評價(jià)指標
7.4.2 在合成SAR圖像上的實(shí)驗結果分析
7.4.3 在真實(shí)SAR圖像上的實(shí)驗結果分析
7.5 本章小結
參考文獻
附錄

第8章 基于雙噪聲相似性度量和極化機理的PolSAR變化檢測
8.1 引言
8.2 PolSAR-DNS框架
8.2.1 PolSAR數據的統計分布模型
8.2.2 從DNS到PolSAR-DNS
8.3 基于PolSAR-DNS的極化SAR降斑
8.3.1 PolSAR-DNS非局部均信濾波器
8.3.2 基于：PolSAR-DNS的極化SAR降斑實(shí)驗分析
8.4 基于PolSAR-DNS的極化SAR變化檢測
8.4.1 PolSAR-DNS變化檢測算法
8.4.2 基于PolSAR-DNS的極化SAR變化檢測實(shí)驗分析
8.5 本章小結
參考文獻

第9章 基于多層判別式Fisller自編碼器的SAR圖像變化檢測
9.1 引言
9.2 SAR斑點(diǎn)噪聲的統計模型與研究動(dòng)機
9.3 基于棧式自編碼器的SAR變化檢測
9.3.1 棧式自編碼器
9.3.2 基于棧式自編碼器的SAR變化檢測算法
9.4 實(shí)驗與結果分析
9.4.1 參數設置
9.4.2 單極化SAR圖像的實(shí)驗分析
9.4.3 PolSAR數據的實(shí)驗分析
9.5 本章小結
參考文獻
附錄

第10章 基于交互式分割技術(shù)和決策級融合的SAR圖像變化檢測
10.1 引言
10.2 交互式分割技術(shù)
10.3 基于交互式分割技術(shù)和決策級融合的變化檢測算法
10.3.1 初始種子點(diǎn)的選取
10.3.2 獲取不同尺度的差異圖表示
10.3.3 設置特征
lO.3.4 交互式分割技術(shù)分析差異圖
10.3.5 決策級融合生成變化檢測結果
10.4 實(shí)驗設計
10.5 變化檢測結果比較
10.5.1 參數分析
10.5.2 變化檢測結果比較及分析
10.6 其他兩組實(shí)驗數據的變化檢測結果
10.7 本章小結
參考文獻

第11章 基于值域受限閾值和馬爾可夫融合的SAR圖像變化檢測
11.1 引言
11.2 基于值域受限和馬爾可夫融合的SAR圖像變化檢測算法
11.2.1 確定較難判斷類(lèi)別像素
11.2.2 值域受限地閾值分割差異圖
11.2.3 基于。MRF模型融合不同的閾值分割結果
11.3 變化檢測結果及分析
11.3.1 實(shí)驗結果
11.3.2 結果比較及分析
11.3 13與前章節方法比較
11.4 其他兩組實(shí)驗數據的變化檢測結果
11.5 本章小結
參考文獻

第12章 在感興趣的區域層面上進(jìn)行的SAR圖像變化檢測
12.1 引言
12.2 傳統引入空間關(guān)系的策略
12.2.1 基于馬爾可夫隨機場(chǎng)模型
12.2.2 基于馬爾可夫隨機場(chǎng)模型的融合策略
12.3 基于感興趣區域引入空間關(guān)系
12.4 基于平穩小波變換和感興趣區域的變化檢測
12.4.1 獲取抽取感興趣區域標簽Ls
12.4.2 實(shí)驗設計
12.4.3 參數分析
12.4.4 變化檢測結果比較及分析
12.4.5 時(shí)間復雜度比較
12.4.6 其他兩組實(shí)驗數據的變化檢測結果
12.4.7 本節小結
12.5 基于sGKc算法和感興趣區域的SAR圖像變化檢測
12.5.1 獲取抽取感興趣區域的標簽
12.5.2 驗證SGKC算法分類(lèi)效果
12.5.3 參數分析
12.5.4 變化檢測結果比較及分析
12.5.5 SWT+ROI與SGKC+ROI法的比較
12.5.6 其他兩組真實(shí)SAR實(shí)驗數據的變化檢測結果
12.5.7 本節小結
12.6 本章小結
參考文獻

第13章 基于模糊貼近度和過(guò)渡區域提取的SAR圖像變化檢測
13.1 引言
13.2 經(jīng)典的差異圖構造方法
13.2.1 比值法差異圖
13.2.2 對數比值法差異圖
13.2.3 區域均值法差異圖
13.2.4 基于相似度測量的差異圖構造
13.3 基于灰度差異抽取過(guò)渡區域
13.4 基于模糊貼近度和過(guò)渡區域提取的SAR圖像變化檢測方法
13.4.1 構造模糊貼近度差異圖
13.4.2 改進(jìn)的過(guò)渡區域抽取方法
13.4.3 借助感興趣區域引入空間關(guān)系
13.5 變化檢測結果比較與分析
13.5.1 實(shí)驗設計
13.5.2 基于改進(jìn)的過(guò)渡區域閾值處理不同差異圖的結果比較
13.5.3 變化檢測結果比較及分析
13.5.4 三種基于感興趣區域（ROI）變化檢測方法的性能比較
13.6 其他兩組實(shí)驗數據的變化檢測結果
13.7 本章小結
參考文獻

第14章 基于融合的混合型SAR圖像變化檢測
14.1 引言
14.2 基于融合的混合型SAR圖像檢測方法
14.2.1 在區域層面上分析差異圖
14.2.2 在像素層面上分析差異圖
14.2.3 基于區域增長(cháng)融合策略生成最終的變化檢測結果
14.3 變化檢測結果比較及分析
14.4 其他兩組實(shí)驗數據的變化檢測結果
14.5 本章小結
參考文獻

第15章 基于免疫克隆優(yōu)化的小波域遙感圖像變化檢測
15.1 引言
15.2 免疫克隆優(yōu)化用于小波域遙感圖像變化檢測算法
15.2.1 小波域多層差異影像的構成
15.2.2 基于瑞利高斯模型的多層差異圖像初始分割
15.2.3 基于免疫克隆算法的多層偏移插值調整
15.2.4 多層變化檢測結果的融合
15.3 實(shí)驗結果與分析
15.4 本章小結
參考文獻

第16章 基于BBO優(yōu)化的遙感圖像變化檢測
16.1 引言
16.2 BBO算法的基本原理
16.2.1 算法的初始化
16.2.2 算法的遷移操作
16.2.3 算法的變異操作
16.3 基于BBO算法的遙感圖像變化檢測
16.3.1 圖像的預分割操作
16.3.2 基于BB0算法的遙感圖像變化檢測方法
16.4 實(shí)驗結果與分析
16.5 本章小結
參考文獻