基于深度卷积神经网络的SAR 图像舰船小目标检测

Sar图像目标旋转角度估计的新方法

针对合成孔径雷达（SAR）目标识别问题，提出一种结合线性，非线性特征提取和分类器的方法。采用PCA和KPCA分别提取原始SAR图像的特征矢量。在此基础上，分别利用稀疏表示（SRC）和核稀疏表示（KSRC）对两类特征进行分类。通过线性，非线性特征，分类器的结合，可以更好地考察SAR图像的内部数据结构以及测试样本与训练样本的对应关系。实验中，基于MSTAR数据集进行性能测试，结果表明提出方法的有效性。

为了解决 SAR 图像受相干斑噪声干扰和震后发生形变而识别率偏低的问题，提出了一种新 的仿射、形变不变特征-热核特征，并将该特征用于 SAR 图像目标识别。首先采用推广的核模糊 C-均 值方法分割 SAR 图像，提取 SAR 图像目标形状；接着对目标形状进行 Delaunay 三角剖分，采用余切 权重法对 Laplace-Beltrami Operator 离散化，通过离散化 Laplace-Beltrami Operator 特征值、特征向量 求每一点热核特征；然后采用谱距离公式对点点间热核距离计算，转化为距离分布表示目标形状的热 核特征；最后采用 L1 相似性准则对图像进行相似性度量，得到识别结果。实验表明：与经典的 Hu 不 变矩方法相比，对于仿射变换和发生形变的 SAR 图像，该方法都具有更高的识别率。因此，基于热核 特征的 SAR 图像识别方法是一种更加有效的识别方法

合成孔径雷达图像理解，详细介绍了合成孔径雷达图像成像基础、原理、算法一建SAR图像的统计特征，并对雷达图像进行了详细分析。

SAR图像斑点噪声抑制方法与应用研究，杨红磊，彭军还，合成孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度,影响了后续目标检测、分类和识别等应用。一个理想的去斑算法应该�

混合的SAR图像变化检测方法混合的SAR图像变化检测方法

SAR图像变化检测可以通过对差异图的分类来实现，由于SAR图像容易受到相干斑噪声的干扰，从而影响变化检测效果。提出了一种基于空间邻域信息模糊聚类的SAR图像变化检测方法，根据对数比法和均值比法的各自特点，构造了一种新的差异图生成方法，并通过对传统的模糊聚类算法结合像素的空间邻域信息进行改进，来实现SAR图像的变化检测。实验结果表明，与传统的阈值法、模糊聚类算法以及局部邻域信息模糊C均值算法相比，提出的算法具有较高的检测精度，不但能有效地抑制噪声影响，同时能较好地保留图像细节信息。

【图像去噪】基于小波变换、contourlet变换、contourlet-小波变换+PCA算法实现SAR图像去噪matlab代码.zip

SAR图像点目标仿真报告.docx