程序里有详细的解释，用ICM算法实现了基于MRF模型SAR图像的分割 程序里有详细的解释，用ICM算法实现了基于MRF模型SAR图像的分割

Ksar2 是一个独立的 Java 应用程序，它允许创建由 Unix/Linux sa/sar 命令生成的数据图。 如果您只想运行该应用程序，请从发布页面下载 JAR 文件并使用java -jar . 使用-h选项检查命令行参数。需要java支持，如果没有安装java请先安装。 要编译，您需要安装 Maven，在源目录 run 中mvn install。IDE 项目配置包含在 NetBeans 中。您需要使用 JDK >=6 和 <= 8。

基于自适应小波阈值的SAR图像去噪算法

基于支持向量机的SAR图像目标识别，毕业设计的论文模板，做关于这方面的毕业设计，赶紧下载参考参考吧

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融 合SAR目标轮廓和阴影轮廓的目标识别算法。首先提出了一种基于去控制标记符的SAR图像 分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二 维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别。基 于MSTAR的实验结果验证了本算法的有效性。实验结果证明:目标轮廓和阴影轮廓的结合,除 反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一

摘 要：为了准确地进行 SAR图像目标识别，提出一种基于稀疏表示的 SAR目标识别方法，在用主成分分析（PCA）进 行降维的前提下，利用降维后的训练样本构建稀疏线性模型，通过 ℓ1 范数最优化求解测试样本的稀疏系数解 x ，利用 系数的稀疏性分布进行目标的分类识别。基于 MSTAR数据进行了仿真验证，实验证明，基于稀疏表示的 SAR目标识 别方法在一定的特征维数下能够获得很好的识别性能，在目标方位角未知的情况下识别率仍可达到 98%以上。

极化合成孔径雷达经典教材 目标分解理论讲解以及应用

极化合成孔径雷达SAR_椭圆极化

前面已经分析了窗函数和相位误差对脉冲压缩的影响，并给出了一些仿真实验。这里对前面所有的仿真进行了总结，并整理了相关程序，设计了一个matlab小软件。 本软件的功能是分析窗函数和相位误差对脉冲压缩的影响，在Matlab环境下运行“PulseCompress_PhaseError_Win.m”软件。 该软件的基本原理是首先构造一个理想的sinc参考函数，其分辨率（3dB宽度）为1m；然后在此参考函数上添加窗函数和相位误差（目前可以添加1~6阶相位误差）；最后测量并显示脉冲压缩后的性能指标（分辨率、峰值、积分旁瓣比、峰值旁瓣比）。 运行后。软件界面如下图所示，主要包含4个模块：窗函数权值配置模块、相位误差配置模块、指标显示模块和功能执行模块。

SAR相关指标_sinc函数与SAR点目标聚焦指标 ——分辨率、峰值旁瓣比、积分旁瓣比 文档和matlab程序