极化SAR影像超像素分割和面向对象分类方法PDF格式文档图书下载

第1章 绪论 1

1.1合成孔径雷达（SAR）概述 1

1.2极化SAR影像分类研究动态 2

1.3极化SAR影像分割研究动态 5

1.4本书内容和组织结构 8

1.4.1主要内容 8

1.4.2组织结构 9

第2章 极化SAR基本理论 11

2.1极化电磁波的表征 11

2.1.1极化椭圆 12

2.1.2 Jones矢量 13

2.1.3 Stokes矢量 14

2.2极化SAR数据的矩阵描述 15

2.2.1极化散射矩阵 15

2.2.2协方差矩阵与相干矩阵 16

2.2.3 Mueller矩阵 18

2.2.4 Stokes矩阵 19

2.3极化合成 20

2.4极化SAR数据的统计特性 21

2.4.1单极化SAR数据统计特性 22

2.4.2全极化SAR数据统计特性 25

2.5极化目标分解 27

2.5.1基本散射机制 28

2.5.2 Pauli分解 33

2.5.3 Cloude-Pottier分解 35

2.5.4 Freeman-Durden三分量分解 38

2.6本章小结 40

第3章 极化SAR影像超像素分割 41

3.1常用的超像素分割方法 42

3.1.1 Ncut分割 42

3.1.2 GBMS分割 46

3.2 PolSLIC超像素分割 50

3.2.1 SLIC算法 51

3.2.2 PolSLIC算法 53

3.3实验数据及其预处理 59

3.4分割效果评价 61

3.4.1与原始SLIC算法的比较 61

3.4.2与Ncut和GBMS算法的比较 64

3.5实验结论 67

3.6本章小结 68

第4章 面向对象的极化SAR影像分类 69

4.1常用的极化SAR分类器 70

4.1.1 Wishart最大似然分类器 70

4.1.2随机森林 71

4.2集成学习基本思想 73

4.2.1 Bagging方法 73

4.2.2 Boosting方法 74

4.3极化SARRBM-AdaBoost分类算法 76

4.3.1受限玻尔兹曼机 76

4.3.2自适应提升框架 78

4.3.3 RBM-AdaBoost算法 79

4.4实验数据及其预处理 80

4.5实验结果分析 82

4.5.1评价指标 82

4.5.2 RBM分类效果分析 82

4.5.3与其他方法的比较 86

4.6实验结论 89

4.7本章小结 90

参考文献 91

缩写索引 102

查看更多关于极化SAR影像超像素分割和面向对象分类方法的内容