目录

第1章极化雷达图像超分辨率重建

1.1背景介绍

1.2算法原理

1.2.1极化SAR数据表征方法

1.2.2极化上下文矩阵表征

1.2.3极化和空间特征提取卷积

1.2.4基于极化上下文卷积网络的超分辨率重建算法

1.3实验操作

1.3.1代码介绍

1.3.2数据介绍

1.3.3实验结果

1.4本章小结

1.5参考文献

第2章极化雷达图像相干斑滤波

2.1背景介绍

2.2算法原理

2.2.1上下文协方差矩阵构造

2.2.2矩阵相似性检验

2.2.3相干斑滤波

2.3实验操作

2.3.1代码介绍

2.3.2数据介绍

2.3.3实验结果

2.4本章小结

2.5参考文献

第3章极化雷达旋转域特征提取

3.1背景介绍

3.2算法原理

3.2.1极化矩阵旋转处理

3.2.2统一的极化矩阵旋转理论

3.3实验操作

3.3.1代码介绍

3.3.2数据介绍

3.3.3实验结果

3.4本章小结

3.5参考文献

第4章极化雷达图像地物分类

4.1背景介绍

4.2算法原理

4.2.1核心思想

4.2.2CNN分类器

4.3实验操作

4.3.1代码介绍

4.3.2数据介绍

4.3.3实验结果

4.4本章小结

4.5参考文献

第5章极化雷达图像目标检测

5.1背景介绍

5.2算法原理

5.2.1超像素分割

5.2.2杂波超像素选取

5.2.3超像素级CFAR检测

5.3实验操作

5.3.1代码介绍

5.3.2数据介绍

5.3.3实验结果

5.4本章小结

5.5参考文献

第6章脉冲神经网络雷达图像目标识别

6.1背景介绍

6.2算法原理

6.2.1脉冲神经元

6.2.2梯度替代法

6.3实验操作

6.3.1代码介绍

6.3.2数据介绍

6.3.3实验结果

6.4本章小结

6.5参考文献

第7章深度特征域适应雷达图像目标识别

7.1背景介绍

7.2算法原理

7.2.1核心思想

7.2.2深度特征域适应

7.2.3基于对抗域适应的域损失

7.2.4基于深度协方差对齐的域损失

7.3实验操作

7.3.1代码介绍

7.3.2数据介绍

7.3.3实验结果

7.4总结与展望

7.5参考文献

第8章极化雷达森林生物量反演

8.1背景介绍

8.2算法原理

8.2.1特征提取与优选

8.2.2基于高斯粒子群优化的XGBoost算法

8.2.3森林生物量反演精度评价

8.3实验操作

8.3.1代码介绍

8.3.2数据介绍

8.3.3实验结果

8.4本章小结

8.5参考文献

第9章光学图像对抗样本检测

9.1背景介绍

9.2算法原理

9.2.1核心思想

9.2.2基于特征统计差异的对抗样本检测

9.2.3基于多尺度深度学习特征统计组合差异的对抗样本检测算法

9.3实验操作

9.3.1代码介绍

9.3.2数据介绍

9.3.3实验结果

9.4本章小结

9.5参考文献

第10章光学图像对抗样本训练

10.1背景介绍

10.2算法原理

10.2.1核心思想

10.2.2非鲁棒特征分离

10.2.3非鲁棒特征校正

10.3实验操作

10.3.1代码介绍

10.3.2数据介绍

10.3.3实验结果

10.4本章小结

10.5参考文献

第11章光学图像对抗样本净化

11.1背景介绍

11.2算法原理

11.2.1前向扩散过程

11.2.2逆向去噪过程

11.2.3训练目标函数

11.2.4动态复合滤波

11.3实验操作

11.3.1代码介绍

11.3.2数据介绍

11.3.3实验结果

11.4本章小结

11.5参考文献

第12章光学图像内容描述生成

12.1背景介绍

12.2算法原理

12.3实验操作

12.3.1代码介绍

12.3.2数据介绍

12.3.3实验结果

12.4本章小结

12.5参考文献