导读:本文包含了极化对比增强论文开题报告文献综述及选题提纲参考文献，主要关键词:极化SAR,极化对比增强,粒子群算法
极化对比增强论文文献综述
张中山,余洁,孟云闪[1]（2013）在《粒子群算法在极化SAR目标对比增强中的应用》一文中研究指出针对SAR极化对比增强中存在计算复杂的问题,将粒子群算法应用到极化SAR目标增强当中,并通过数据实验,验证了其优越性。该方法将对比增强问题抽象成最优化问题,将统计得到的区域平均协方差矩阵作为粒子群优化算法的输入,计算每个粒子的适应度值,更新粒子群的个体最优和全局最优值,通过迭代得到最优对比度。实验结果表明,与传统的最优极化对比增强算法相比,基于粒子群优化算法的极化对比增强方法能达到更好的对比度,而且实现较为简单。(本文来源于《地理空间信息》期刊2013年02期）
李平湘,邓少平,张继贤,杨杰[2]（2012）在《利用自适应最优极化对比增强检测SAR影像边缘》一文中研究指出针对边缘检测中极化信息利用率不高的问题,提出了一种结合自适应最优对比增强与均值比的合成孔径雷达边缘检测新方法,并分析新算法特性后,推导了其快速版本。实验结果表明,新方法具有更好的检测性能。(本文来源于《武汉大学学报(信息科学版)》期刊2012年07期）
何其钰[3]（2011）在《基于目标分解的极化SAR图像对比增强与分类方法研究》一文中研究指出极化合成孔径雷达(PolSAR)由于能够提供一定波长和视角下地物目标的全极化散射信息,近年来受到了越来越多的关注。极化目标分解理论将地物雷达散射回波分解为不同类型散射的迭加,因而,通过目标分解处理能够区别不同散射类型的地物——往往对应着不同类别的地物。运动舰船检测是SAR图像目标检测的一个重要研究方向,由于高速运动舰船在SAR图像上会出现位置偏移和散焦,散焦会导致部分舰船信息被海杂波淹没而无法检测。本文基于目标分解理论,提出了一种新的对比增强方法,能够有效增强舰船和海面的对比度,改善舰船检测效果。另外,本文分析了基于独立分量分析(ICA)技术的极化SAR图像相干斑抑制的效果,并且应用于极化SAR图像分类。实验表明,基于ICA技术相干斑抑制后进行分类,可以有效提高分类精度。本文的主要内容包括:(1)讨论了极化散射矩阵、Mueller矩阵、相干矩阵和协方差矩阵等极化数据表示形式及其物理意义,研究了极化目标分解理论,包括经典的Pauli分解、Krogager分解、Cloude分解、Freeman分解等理论,为全文的研究做理论铺垫。(2)研究了极化SAR图像对比增强的相关理论和算法。基于包含运动舰船的海面全极化SAR图像数据,提出了一种目标对比增强的算法。该算法利用目标分解后得到的叁种散射分量,用线性加权法重建图像。实验结果表明,该算法可以有效提高舰船区域和海面的对比度,从而提高舰船检测性能。(3)研究了ICA技术在极化SAR图像相干斑抑制及图像分类中的应用,重点讨论了快速不动点迭代ICA(FastICA)算法以及ICA稀疏编码收缩(ICA-SCS)算法,介绍了直接基于ICA的极化SAR图像分类方法。(4)研究了基于目标特征分解的极化SAR图像分类算法。重点讨论了基于Cloude分解的H/α和H/α/Wishart分类算法,讨论了基于特征分解的极化SAR图像分类算法的特点和不足之处,结合ICA相干斑抑制,继而用特征分解类算法进行分类。实验表明,基于ICA技术进行相干斑抑制,作为极化SAR图像分类的一个预处理步骤,可以有效提高分类精度。(本文来源于《电子科技大学》期刊2011-04-01）
李金梁,来庆福,李永祯,王雪松[4]（2011）在《基于极化对比增强的导引头抗箔条算法》一文中研究指出当质心干扰和雷达目标不可分辨时,如何对抗质心干扰是公认的难点问题。对利用极化对比增强技术抗质心干扰进行了研究。首先建立了干扰和目标不可分辨情况下极化雷达导引头的回波模型,然后对单脉冲比幅测角的结果进行了理论推导,得到了质心干扰下雷达角度测量值的统计特性。在此基础上,提出了通过极化对比增强抗质心干扰的方法。最后结合反舰导弹抗箔条质心干扰的背景,对本文方法的抗干扰性能进行了分析,证明了本方法的有效性。(本文来源于《系统工程与电子技术》期刊2011年02期）
徐牧,肖顺平,王雪松[5]（2009）在《一种基于样本筛选的极化SAR图像目标对比增强新方法》一文中研究指出针对极化SAR图像目标检测问题,研究了极化SAR图像目标对比增强方法。特别针对待增强目标或待抑制杂波为极化特性复杂的非均匀区域的情况,提出了一种基于样本筛选的对比增强新方法。对于利用人工划分而粗略获得的目标及杂波样本候选区,该新方法首先基于极化分解理论筛选出具有不同散射机理类型的两类像素点,分别作为目标及杂波样本的初步筛选结果;然后在此基础上,基于Wishart统计检验理论进一步选取初步筛选结果中极化统计特性相近的像素点,以获得样本最终的筛选结果。通过上述筛选技术的综合利用,可有效改善直接采用人工划分样本进行目标对比增强的增强效果。基于E-SAR全极化实测数据的实验结果表明,该新方法是有效的。(本文来源于《中国图象图形学报》期刊2009年11期）
张琼,洪文,曹芳[6]（2009）在《基于相干矩阵的SAR极化对比增强研究》一文中研究指出针对SAR极化对比增强问题,本文在传统的Lagrange乘子法的基础上,提出了一种基于极化相干矩阵(T矩阵)的新方法,并通过SAR数据实验,验证了其有效性和优越性。本文方法基于Pauli极化基,使极化匹配矢量元素对应于Pauli基元素所代表的地物散射机理,其元素模值大小反应了散射特性的强弱。实验结果表明,此方法可获得更优的极化匹配矢量、极化对比度及其极化对比增强图像效果。(本文来源于《电子测量技术》期刊2009年05期）
邓启明,陈亦伦,张卫杰,杨健[7]（2008）在《基于Poisson重建的极化SAR图像对比增强》一文中研究指出为了能够同时增强多类目标,提出一种基于Poisson重建的极化合成孔径雷达(SAR)图像对比增强方法。该方法对多类目标和对应的背景杂波分别进行广义相对最优极化增强(GOPCE),并得到相应的最优极化状态和特征系数;以此定义图像中各像素点的最优局部梯度,并在最小二乘准则下,根据局部梯度建立离散Poisson方程;通过快速Fourier变换求解该Poisson方程,得到最终的多目标增强图像。实验结果表明:利用极化SAR数据,使用该方法增强后的图像的直方图保持应有的峰值,且更加均衡,能够达到增强多类目标的效果,从而有利于目标检测等后续处理。(本文来源于《清华大学学报(自然科学版)》期刊2008年07期）
邓启明,陈亦伦,张卫杰,杨健[8]（2008）在《基于Poisson重建的极化SAR图像对比增强》一文中研究指出为了能够同时增强多类目标,提出一种基于Poisson重建的极化合成孔径雷达(SAR)图像对比增强方法。该方法对多类目标和对应的背景杂波分别进行广义相对最优极化增强(GOPCE),并得到相应的最优极化状态和特征系数;以此定义图像中各像素点的最优局部梯度,并在最小二乘准则下,根据局部梯度建立离散Poisson方程;通过快速Fourier变换求解该Poisson方程,得到最终的多目标增强图像。实验结果表明:利用极化SAR数据,使用该方法增强后的图像的直方图保持应有的峰值,且更加均衡,能够达到增强多类目标的效果,从而有利于目标检测等后续处理。(本文来源于《清华大学学报(自然科学版)网络.预览》期刊2008年07期）
极化对比增强论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对边缘检测中极化信息利用率不高的问题,提出了一种结合自适应最优对比增强与均值比的合成孔径雷达边缘检测新方法,并分析新算法特性后,推导了其快速版本。实验结果表明,新方法具有更好的检测性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
极化对比增强论文参考文献
[1].张中山,余洁,孟云闪.粒子群算法在极化SAR目标对比增强中的应用[J].地理空间信息.2013
[2].李平湘,邓少平,张继贤,杨杰.利用自适应最优极化对比增强检测SAR影像边缘[J].武汉大学学报(信息科学版).2012
[3].何其钰.基于目标分解的极化SAR图像对比增强与分类方法研究[D].电子科技大学.2011
[4].李金梁,来庆福,李永祯,王雪松.基于极化对比增强的导引头抗箔条算法[J].系统工程与电子技术.2011
[5].徐牧,肖顺平,王雪松.一种基于样本筛选的极化SAR图像目标对比增强新方法[J].中国图象图形学报.2009
[6].张琼,洪文,曹芳.基于相干矩阵的SAR极化对比增强研究[J].电子测量技术.2009
[7].邓启明,陈亦伦,张卫杰,杨健.基于Poisson重建的极化SAR图像对比增强[J].清华大学学报(自然科学版).2008
[8].邓启明,陈亦伦,张卫杰,杨健.基于Poisson重建的极化SAR图像对比增强[J].清华大学学报(自然科学版)网络.预览.2008