全部正版，拍下付款即可，缺货会通知，不议价，不包邮，无法指定快递，谢谢亲的理解和支持，祝亲购书愉快！

• 
  唐史原来超有趣
  ￥118.40

本书是智能SAR图像处理与解译领域的一本新著,是作者所在团队10年来在该领域工作的积累。本书在全面总结国内外研究进展的基础上,着重论述了SAR图像噪声**方法、桥梁和港口目标的检测和曲线目标检测、基于多尺度几何分析(亦称第三代小波分析、后小波分析等)的SAR图像融合新算法、SAR图像和三维高光谱图像的压缩技术、各种SAR图像分割技术以及SAR图像地物分类与目标识别新方法。本书侧重于新算法的描述和实例的分析,反映了近年来SAR图像处理与解译智能化处理的*新发展概况,为该领域的深入研究提供了借鉴。
本书可以为信息科学、电子科学、计算机科学与地球科学等领域的研究人员提供参考,也可以作为相关专业研究生和高年级本科生教学参考书。

前言
第1章 绪论
1.1 研究背景及意义
1.2 SAR图像理解的研究现状
1.3 SAR图像处理与理解的研究内容及进展
1.3.1 相干斑**
1.3.2 SAR图像特殊目标检测
1.3.3 特征提取与选择
1.3.4 图像融合
1.3.5 图像分割
1.3.6 SAR图像分类
1.3.7 SAR图像目标识别
1.3.8 SAR图像及多光谱图像压缩
1.4 几点思考
参考文献
第2章 SAR图像相干斑**
2.1 SAR成像原理及斑点噪声特性
2.1.1 SAR成像原理
2.1.2 相干斑噪声的产生机理
2.1.3 斑点噪声模型和统计特性
2.2 传统SAR图像滤波方法
2.2.1 统计类滤波
2.2.2 小波域滤波
2.3 基于相关邻域模型的SAR图像滤波
2.3.1 基于Gamma分布的MAP滤波
2.3.2 邻域结构模型
2.3.3 邻域结构中雷达反射强度的MAP估计
2.3.4 基于非线性迭代的RCS重构
2.3.5 基于相关邻域模型的SAR图像滤波结果
2.4 基于Jeffrey先验概率的贝叶斯估计小波去噪
2.4.1 小波收缩去噪原理
2.4.2 贝叶斯判决准则
2.4.3 小波系数的先验概率密度函数P(x)
2.4.4 信号的估计
2.4.5 去噪结果
2.5 基于复小波的图像去噪
2.5.1 复小波变换
2.5.2 复小波域贝叶斯收缩去噪算法
2.5.3 结合边缘信息的复小波去噪算法
2.5.4 基于DRFB、CEIB的SAR图像斑点噪声去除
2.5.5 小结
2.6 基于复小波邻域隐马尔可夫模型的图像去噪
2.6.1 邻域隐马尔可夫模型
……
第3章 SAR图像目标检测与变化检测
第4章 SAR图像融合
第5章 复杂图像压缩
第6章 SAR图像分割
第7章 基于马尔可夫统计模型的SAR图像分割
第8章 SAR图像分类与目标识别
附录1
附录2

第3章 SAR图像目标检测与变化检测
图像的边缘和轮廓带有重要的信息,是模式识别中*重要的特征。对于SAR图像来说,往往一些重要的目标含有大量的线性特征(边缘特征),例如港口、机场、建筑物等。所以特征检测一直以来都是图像处理以及模式识别领域中一个重要的问题,而特征检测的首要任务是对图像进行边缘检测。如何使边缘检测方法在检测图像中目标的同时尽可能地排除噪声的干扰是一个热点问题。本章首先简要回顾了一些经典的边缘检测方法以及各自所存在的不足,并分别给出了SAR图像中桥梁、港口目标的检测方法;其次,在脊波框架下给出一种自适应的基于单尺度脊波变换的特征检测方法;*后,在本章的*后还介绍了一种基于广义高斯混合模型的SAR图像变化检测。
3.1 引言
3.1.1 SAR图像目标特征
在SAR图像中,一般地物目标分为点目标、线目标、面目标以及这三者在有限尺度内组合而成的硬目标。这些不同类型的目标在图像上具有不同的表征形式。了解SAR图像的信息特征,对于图像处理具有重要的作用。
SAR图像上的点目标,指的是以亮点形式出现在图像上的那些目标。通常这些目标的几何尺寸小于一个分辨单元的地面尺寸,但是它的回波信号相当强,在整个地块的回波中占据了主导地位。点目标的检测不仅与点目标的性质有关,也与点目标所在背景的特性和图像噪声有关。在点目标检测中,背景的干扰主要表现为相干斑噪声。一般情况下相干斑噪声的动态范围相当宽,由于从图像中检测点目标的主要方法是依据其与背景的对比度,因此背景目标分布特性中的高电平部分可能造成对点目标的误判。
……

本书旨在论述SAR图像处理与解译新近的研究进展,除了介绍一些经典的方法外,书中主要结合作者所在课题组多年来的研究成果,详细论述了基于计算智能的SAR图像处理与解译方法。全书共分8章,具体内容包括SAR图像相干斑**、SAR图像目标检测与变化检测、复杂图像压缩、基于马尔可夫统计模型的SAR图像分割等。该书可供各大专院校作为教材使用,也可供从事相关工作的人员作为参考用书使用。