編輯推薦:

內(nèi)容簡(jiǎn)介:本書(shū)對(duì)近年來(lái)智能SAR影像變化檢測(cè)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(jié)，并結(jié)合作者多年的研究成果，對(duì)相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實(shí)踐情況進(jìn)行了展示和報(bào)告。主要內(nèi)容包含如下方面：基于Fisher分類器和計(jì)算智能的遙感圖像變化檢測(cè)，基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準(zhǔn)與變化檢測(cè)，無(wú)降斑預(yù)處理的兩時(shí)相SAR圖像變化檢測(cè)方法研究和基于雙噪聲相似性模型的SAR圖像變化檢測(cè)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(duì)象
1.3 變化檢測(cè)方法及存在問(wèn)題
1.3.1 變化檢測(cè)預(yù)處理
1.3.2 變化檢測(cè)技術(shù)分類
1.3.3 精度評(píng)估
1.3.4 現(xiàn)有主要檢測(cè)方法的局限性
1.4 Fisher判別分析
參考文獻(xiàn)

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(cè)
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(cè)算法
2.4.1 小波域差異影像的構(gòu)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(yàn)結(jié)果分析與有效性驗(yàn)證
2.5.1 數(shù)據(jù)描述
2.5.2 實(shí)驗(yàn)結(jié)果
2.6 本章小結(jié)
參考文獻(xiàn)

第3章 基于局部均值動(dòng)態(tài)Fisher分類器的遙感圖像變化檢測(cè)
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分類器的遙感圖像變化檢測(cè)
3.4.1 基于邊緣檢測(cè)的樣本提取
3.4.2 基于局部均值Fisher分類器的判別
3.4.3 算法流程
3.5 對(duì)真實(shí)遙感圖像的實(shí)驗(yàn)結(jié)果及分析
3.5.1 數(shù)據(jù)描述
3.5.2 實(shí)驗(yàn)結(jié)果
3.6 本章小結(jié)
參考文獻(xiàn)
附錄

第4章 基于非局部均值加權(quán)的動(dòng)態(tài)模糊Fisher分類器的遙感圖像變化檢測(cè)
4.1 引言
4.2 模糊Fisher判別分析
4.3 基于非局部均值加權(quán)的動(dòng)態(tài)模糊Fisher分類器的變化檢測(cè)
4.3.1 預(yù)分割變化檢測(cè)圖
4.3.2 非局部均值加權(quán)
4.3.3 動(dòng)態(tài)FFDA判別
4.3.4 算法流程
4.4 對(duì)真實(shí)遙感圖像的實(shí)驗(yàn)結(jié)果及分析
4.4.1 數(shù)據(jù)描述
4.4.2 實(shí)驗(yàn)結(jié)果
4.5 本章小結(jié)
參考文獻(xiàn)
附錄

第5章 基于小波域Fisher分類器的SAR圖像變化檢測(cè)
5.1 引言
5.2 小波域Fisher分類器變化檢測(cè)過(guò)程
5.2.1 多層預(yù)分割變化檢測(cè)圖
5.2.2 小波域Fisher分類器訓(xùn)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(shù)設(shè)置及實(shí)驗(yàn)對(duì)比
5.3.1 實(shí)驗(yàn)設(shè)置
5.3.2 Bern實(shí)驗(yàn)數(shù)據(jù)
5.3.3 Ottawa實(shí)驗(yàn)數(shù)據(jù)，
5.4 本章小結(jié)
參考文獻(xiàn)
附錄

第6章 基于神經(jīng)網(wǎng)絡(luò)和非局部均值加權(quán)的SAR圖像變化檢測(cè).
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(gòu)成
6.4 基于神經(jīng)網(wǎng)絡(luò)的SAR圖像變化檢測(cè)
6.4.1 非局部均值加權(quán)
6.4.2 算法實(shí)現(xiàn)
6.5 實(shí)驗(yàn)結(jié)果分析及有效性驗(yàn)證
6.5.1  Bern試驗(yàn)數(shù)據(jù)
6.5.2  Ottawa實(shí)驗(yàn)數(shù)據(jù)
6.6 本章小結(jié)
參考文獻(xiàn)

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

第8章 基于雙噪聲相似性度量和極化機(jī)理的PolSAR變化檢測(cè)
8.1 引言
8.2 PolSAR-DNS框架
8.2.1 PolSAR數(shù)據(jù)的統(tǒng)計(jì)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(yàn)分析
8.4 基于PolSAR-DNS的極化SAR變化檢測(cè)
8.4.1 PolSAR-DNS變化檢測(cè)算法
8.4.2 基于PolSAR-DNS的極化SAR變化檢測(cè)實(shí)驗(yàn)分析
8.5 本章小結(jié)
參考文獻(xiàn)

第9章 基于多層判別式Fisller自編碼器的SAR圖像變化檢測(cè)
9.1 引言
9.2 SAR斑點(diǎn)噪聲的統(tǒng)計(jì)模型與研究動(dòng)機(jī)
9.3 基于棧式自編碼器的SAR變化檢測(cè)
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(cè)算法
9.4 實(shí)驗(yàn)與結(jié)果分析
9.4.1 參數(shù)設(shè)置
9.4.2 單極化SAR圖像的實(shí)驗(yàn)分析
9.4.3 PolSAR數(shù)據(jù)的實(shí)驗(yàn)分析
9.5 本章小結(jié)
參考文獻(xiàn)
附錄

第10章 基于交互式分割技術(shù)和決策級(jí)融合的SAR圖像變化檢測(cè)
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(jí)融合的變化檢測(cè)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(shè)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(jí)融合生成變化檢測(cè)結(jié)果
10.4 實(shí)驗(yàn)設(shè)計(jì)
10.5 變化檢測(cè)結(jié)果比較
10.5.1 參數(shù)分析
10.5.2 變化檢測(cè)結(jié)果比較及分析
10.6 其他兩組實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果
10.7 本章小結(jié)
參考文獻(xiàn)

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(cè)
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(cè)算法
11.2.1 確定較難判斷類別像素
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(jié)果
11.3 變化檢測(cè)結(jié)果及分析
11.3.1 實(shí)驗(yàn)結(jié)果
11.3.2 結(jié)果比較及分析
11.3 13與前章節(jié)方法比較
11.4 其他兩組實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果
11.5 本章小結(jié)
參考文獻(xiàn)

第12章 在感興趣的區(qū)域?qū)用嫔线M(jìn)行的SAR圖像變化檢測(cè)
12.1 引言
12.2 傳統(tǒng)引入空間關(guān)系的策略
12.2.1 基于馬爾可夫隨機(jī)場(chǎng)模型
12.2.2 基于馬爾可夫隨機(jī)場(chǎng)模型的融合策略
12.3 基于感興趣區(qū)域引入空間關(guān)系
12.4 基于平穩(wěn)小波變換和感興趣區(qū)域的變化檢測(cè)
12.4.1 獲取抽取感興趣區(qū)域標(biāo)簽Ls
12.4.2 實(shí)驗(yàn)設(shè)計(jì)
12.4.3 參數(shù)分析
12.4.4 變化檢測(cè)結(jié)果比較及分析
12.4.5 時(shí)間復(fù)雜度比較
12.4.6 其他兩組實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果
12.4.7 本節(jié)小結(jié)
12.5 基于sGKc算法和感興趣區(qū)域的SAR圖像變化檢測(cè)
12.5.1 獲取抽取感興趣區(qū)域的標(biāo)簽
12.5.2 驗(yàn)證SGKC算法分類效果
12.5.3 參數(shù)分析
12.5.4 變化檢測(cè)結(jié)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(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果
12.5.7 本節(jié)小結(jié)
12.6 本章小結(jié)
參考文獻(xiàn)

第13章 基于模糊貼近度和過(guò)渡區(qū)域提取的SAR圖像變化檢測(cè)
13.1 引言
13.2 經(jīng)典的差異圖構(gòu)造方法
13.2.1 比值法差異圖
13.2.2 對(duì)數(shù)比值法差異圖
13.2.3 區(qū)域均值法差異圖
13.2.4 基于相似度測(cè)量的差異圖構(gòu)造
13.3 基于灰度差異抽取過(guò)渡區(qū)域
13.4 基于模糊貼近度和過(guò)渡區(qū)域提取的SAR圖像變化檢測(cè)方法
13.4.1 構(gòu)造模糊貼近度差異圖
13.4.2 改進(jìn)的過(guò)渡區(qū)域抽取方法
13.4.3 借助感興趣區(qū)域引入空間關(guān)系
13.5 變化檢測(cè)結(jié)果比較與分析
13.5.1 實(shí)驗(yàn)設(shè)計(jì)
13.5.2 基于改進(jìn)的過(guò)渡區(qū)域閾值處理不同差異圖的結(jié)果比較
13.5.3 變化檢測(cè)結(jié)果比較及分析
13.5.4 三種基于感興趣區(qū)域（ROI）變化檢測(cè)方法的性能比較
13.6 其他兩組實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果
13.7 本章小結(jié)
參考文獻(xiàn)

第14章 基于融合的混合型SAR圖像變化檢測(cè)
14.1 引言
14.2 基于融合的混合型SAR圖像檢測(cè)方法
14.2.1 在區(qū)域?qū)用嫔戏治霾町悎D
14.2.2 在像素層面上分析差異圖
14.2.3 基于區(qū)域增長(zhǎng)融合策略生成最終的變化檢測(cè)結(jié)果
14.3 變化檢測(cè)結(jié)果比較及分析
14.4 其他兩組實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果
14.5 本章小結(jié)
參考文獻(xiàn)

第15章 基于免疫克隆優(yōu)化的小波域遙感圖像變化檢測(cè)
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(cè)算法
15.2.1 小波域多層差異影像的構(gòu)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(diào)整
15.2.4 多層變化檢測(cè)結(jié)果的融合
15.3 實(shí)驗(yàn)結(jié)果與分析
15.4 本章小結(jié)
參考文獻(xiàn)

第16章 基于BBO優(yōu)化的遙感圖像變化檢測(cè)
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(cè)
16.3.1 圖像的預(yù)分割操作
16.3.2 基于BB0算法的遙感圖像變化檢測(cè)方法
16.4 實(shí)驗(yàn)結(jié)果與分析
16.5 本章小結(jié)
參考文獻(xiàn)