合成孔徑雷達(dá)圖像海洋目標(biāo)檢測

第1章 緒 論
1．1 起源與發(fā)展
1．2 SAR圖像艦船目標(biāo)及其尾跡研究的實地實驗
1．2．1 美國一加拿大JOWIP和SARSEX實驗
1．2．2 挪威NORCSEX’88實驗
1．2．3 英國一美國聯(lián)合Linnhe實驗
1．2．4 加拿大MARCOT’96實驗和MARCOT’98實驗
1．2．5 加拿大CRUSADE’2000實驗
1．2．6 中國MITL’2005實驗
1．3 艦船目標(biāo)檢測系統(tǒng)
1．3．1 加拿大OMW系統(tǒng)
1．3．2 英國國防研究實驗室MaST系統(tǒng)
1．3．3 歐洲聯(lián)合研究中心SUMO系統(tǒng)
1．3．4 挪威防御研究機構(gòu)NDRE系統(tǒng)
1．3．5 挪威KSAT系統(tǒng)
1．3．6 法國CLS系統(tǒng)
1．3．7 法國SARTbol系統(tǒng)
1．3．8 中國ShipSurvei=llance系統(tǒng)
1．3．9 各艦船目標(biāo)檢測系統(tǒng)對比
1．3．10 艦船目標(biāo)檢測系統(tǒng)流程
1．4 SAR圖像上艦船目標(biāo)特點分析
1．4．1 SAR圖像與光學(xué)圖像上艦船的區(qū)別
1．4．2 SAR圖像上艦船及其尾跡的目標(biāo)類型分析
第2章 SAR圖像海岸線檢測
2．1 海岸線檢測目的和意義
2．2 海岸線檢測方法
2．2．1 邊界追蹤算法
2．2．2 Markovian分割法
2．2．3 活動輪廓法
2．2．4 小波變換法
2．2．5 水平截集算法
2．2．6 其他檢測方法
2．2．7 各種方法比較
第3章 SAR圖像艦船目標(biāo)檢測
3．1影響艦船目標(biāo)檢測的因素
3．1．1艦船因素
3．1．2 SAR系統(tǒng)因素
3．1．3海洋因素
3．2艦船目標(biāo)檢測算法
3．2．1雙參數(shù)cFAR檢測算法
3．2．2單元平均CFAR檢測算法
3．2．3 K一分布檢測算法
3．2．4基于局部窗口的K一分布cFAR算法
3．2．5基于分割的檢測算法
3．2．6似然比檢測算法
3．2．7 suM0檢測算法
3．2．8高分辨率sAR圖像艦船目標(biāo)檢測
3．2．9其他檢測算法
3．2．10小結(jié)
第4章 SAR圖像艦船尾跡檢測
4．1尾跡檢測的作用
4．2 sAR圖像上艦船尾跡類型
4．2．1開爾文尾跡
4．2．2湍流尾跡
4．2．3窄V型尾跡
4．2．4內(nèi)波尾跡
4．3影響艦船尾跡的因素
4．3．1艦船因素
4．3．2 SAR系統(tǒng)因素
4．3．3海洋因素
4．4尾跡檢測算法
4．4．1基于RADON變換的算法
4．4．2曲線掃描算法
4．4．3基于歸一化灰度H0uGH變換的尾跡檢測算法
第5章 sAR圖像艦船目標(biāo)特征參數(shù)提取
5．1艦船特征參數(shù)類別
5．2幾何參數(shù)提取方法
5．3地理參數(shù)提取方法
5．4運動參數(shù)提取方法
5．4．1根據(jù)艦船方位向位移計算航速
5．4．2根據(jù)窄V型尾跡夾角計算航速
5．4．3根據(jù)開爾文尾跡中橫波波長計算航速
5．4．4根據(jù)開爾文尾跡中尖波波長或波數(shù)計算航速
第6章 多極化SAR圖像艦船目標(biāo)檢測
6．1多極化圖像對比示例
6．1．1 SIR-c全極化圖像對比
6．1．2：ENVISAT雙極化圖像對比
6．2極化目標(biāo)檢測理論
6．2．1極化SAR雜波模型和目標(biāo)模型
6．2．2全極化SAR目標(biāo)檢測器
6．2．3雙極化SAR目標(biāo)檢測器
6．3極化SAR圖像艦船目標(biāo)檢測性能分析
6．3．1檢測性能分析
6．3．2像素級融合與決策級融合目標(biāo)檢測性能比較
6．4極化sAR圖像艦船目標(biāo)檢測算法
6．4．1基于Cameron分解的檢測算法
6．4．2對稱散射特性方法(SSCM)
6．4．3極化熵檢測算法
6．4．4基于IPWF融合的艦船目標(biāo)檢測算法
6．4．5ENVISAT雙極化圖像艦船目標(biāo)檢測算法