遙感圖像智能處理：算法與實驗

目錄

第1章極化雷達圖像超分辨率重建

1.1背景介紹

1.2算法原理

1.2.1極化SAR數據表征方法

1.2.2極化上下文矩陣表征

1.2.3極化和空間特征提取卷積

1.2.4基於極化上下文卷積網絡的超分辨率重建算法

1.3實驗操作

1.3.1代碼介紹

1.3.2數據介紹

1.3.3實驗結果

1.4本章小結

1.5參考文獻

第2章極化雷達圖像相幹斑濾波

2.1背景介紹

2.2算法原理

2.2.1上下文協方差矩陣構造

2.2.2矩陣相似性檢驗

2.2.3相幹斑濾波

2.3實驗操作

2.3.1代碼介紹

2.3.2數據介紹

2.3.3實驗結果

2.4本章小結

2.5參考文獻

第3章極化雷達旋轉域特征提取

3.1背景介紹

3.2算法原理

3.2.1極化矩陣旋轉處理

3.2.2統一的極化矩陣旋轉理論

3.3實驗操作

3.3.1代碼介紹

3.3.2數據介紹

3.3.3實驗結果

3.4本章小結

3.5參考文獻

第4章極化雷達圖像地物分類

4.1背景介紹

4.2算法原理

4.2.1核心思想

4.2.2CNN分類器

4.3實驗操作

4.3.1代碼介紹

4.3.2數據介紹

4.3.3實驗結果

4.4本章小結

4.5參考文獻

第5章極化雷達圖像目標檢測

5.1背景介紹

5.2算法原理

5.2.1超像素分割

5.2.2雜波超像素選取

5.2.3超像素級CFAR檢測

5.3實驗操作

5.3.1代碼介紹

5.3.2數據介紹

5.3.3實驗結果

5.4本章小結

5.5參考文獻

第6章脈沖神經網絡雷達圖像目標識別

6.1背景介紹

6.2算法原理

6.2.1脈沖神經元

6.2.2梯度替代法

6.3實驗操作

6.3.1代碼介紹

6.3.2數據介紹

6.3.3實驗結果

6.4本章小結

6.5參考文獻

第7章深度特征域適應雷達圖像目標識別

7.1背景介紹

7.2算法原理

7.2.1核心思想

7.2.2深度特征域適應

7.2.3基於對抗域適應的域損失

7.2.4基於深度協方差對齊的域損失

7.3實驗操作

7.3.1代碼介紹

7.3.2數據介紹

7.3.3實驗結果

7.4總結與展望

7.5參考文獻

第8章極化雷達森林生物量反演

8.1背景介紹

8.2算法原理

8.2.1特征提取與優選

8.2.2基於高斯粒子群優化的XGBoost算法

8.2.3森林生物量反演精度評價

8.3實驗操作

8.3.1代碼介紹

8.3.2數據介紹

8.3.3實驗結果

8.4本章小結

8.5參考文獻

第9章光學圖像對抗樣本檢測

9.1背景介紹

9.2算法原理

9.2.1核心思想

9.2.2基於特征統計差異的對抗樣本檢測

9.2.3基於多尺度深度學習特征統計組合差異的對抗樣本檢測算法

9.3實驗操作

9.3.1代碼介紹

9.3.2數據介紹

9.3.3實驗結果

9.4本章小結

9.5參考文獻

第10章光學圖像對抗樣本訓練

10.1背景介紹

10.2算法原理

10.2.1核心思想

10.2.2非魯棒特征分離

10.2.3非魯棒特征校正

10.3實驗操作

10.3.1代碼介紹

10.3.2數據介紹

10.3.3實驗結果

10.4本章小結

10.5參考文獻

第11章光學圖像對抗樣本凈化

11.1背景介紹

11.2算法原理

11.2.1前向擴散過程

11.2.2逆向去噪過程

11.2.3訓練目標函數

11.2.4動態復合濾波

11.3實驗操作

11.3.1代碼介紹

11.3.2數據介紹

11.3.3實驗結果

11.4本章小結

11.5參考文獻

第12章光學圖像內容描述生成

12.1背景介紹

12.2算法原理

12.3實驗操作

12.3.1代碼介紹

12.3.2數據介紹

12.3.3實驗結果

12.4本章小結

12.5參考文獻