成像偏振光譜遙感及應(yīng)用

第1章　緒論
　1.1　成像光譜探測(cè)
　　1.1.1　基本原理
　　1.1.2　光譜成像設(shè)備的發(fā)展和現(xiàn)狀
　　1.1.3　成像光譜圖像分析應(yīng)用分類(lèi)
　　1.1.4　成像光譜探測(cè)技術(shù)應(yīng)用
　1.2　成像偏振光譜探測(cè)
　　1.2.1　成像偏振光譜探測(cè)的發(fā)展
　　1.2.2　成像偏振光譜探測(cè)的應(yīng)用
　參考文獻(xiàn)
第2章　成像偏振探測(cè)
　2.1　電磁學(xué)與偏振分析
　　2.2.1　麥克斯韋方程
　　2.2.2　偏振橢圓
　　2.2.3　fresnel方程
　2.2　成像偏振探測(cè)原理
　2.3　成像偏振探測(cè)在自動(dòng)目標(biāo)識(shí)別中的應(yīng)用
　　2.3.1　目標(biāo)檢測(cè)與跟蹤
　　2.3.2　邊緣檢測(cè)
　　2.3.3　物質(zhì)分類(lèi)和目標(biāo)識(shí)別
　　2.3.4　目標(biāo)三維重建
　2.4　影響成像偏振探測(cè)性能的因素
　　2.4.1　偏振器件傳輸特性
　　2.4.2　光照條件
　2.5　減小測(cè)量偏振參數(shù)圖像誤差的主要方法
　　2.5.1　多角度測(cè)量
　　2.5.2　圖像濾波
　　2.5.3　圖像融合
　2.6　新型偏振探測(cè)器件
　2.7　仿生多波段偏振探測(cè)
　參考文獻(xiàn)
第3章　偏振光譜成像系統(tǒng)
　3.1　典型成像偏振光譜探測(cè)系統(tǒng)
　　3.1.1　光譜波段調(diào)諧方法
　　3.1.2　偏振態(tài)調(diào)節(jié)
　3.2　基于可調(diào)諧濾光片的偏振光譜探測(cè)系統(tǒng)
　　3.2.1　lctf工作原理
　　3.2.2　aotf工作原理
　　3.2.3　lcvr工作原理
　　3.2.4　幾種典型的偏振光譜成像探測(cè)系統(tǒng)
　3.3　基于lctf的偏振光譜成像探測(cè)系統(tǒng)構(gòu)成
　　3.3.1　成像系統(tǒng)構(gòu)建
　　3.3.2　主要器件性能
　　3.3.3　偏振光譜圖像采集實(shí)驗(yàn)裝置
　　3.3.4　偏振光譜圖像采集
　3.4　偏振光譜成像探測(cè)系統(tǒng)定標(biāo)
　　3.4.1　光譜譜段定標(biāo)
　　3.4.2　光譜輻射定標(biāo)
　　3.4.3　濾光片旋轉(zhuǎn)性能
　　3.4.4　偏振態(tài)定標(biāo)
　3.5　偏振光譜反演
　　3.5.1　常用的光譜反演方法
　　3.5.2　基于經(jīng)驗(yàn)線性法的偏振反演
　3.6　實(shí)驗(yàn)分析
　參考文獻(xiàn)
第4章　目標(biāo)和背景偏振光譜二向反射建模
　4.1　二向反射分布
　　4.1.1　二向反射的測(cè)量
　　4.1.2　二向反射的模型
　4.2　偏振二向反射
　　4.2.1　偏振二向分布函數(shù)
　　4.2.2　偏振輻射傳輸方程
　4.3　偏振光譜brdf的測(cè)量
　　4.3.1　測(cè)量原理
　　4.3.2　偏振光譜brdf戶外實(shí)驗(yàn)系統(tǒng)
　　4.3.3　圖像數(shù)據(jù)的反演
　　4.3.4　實(shí)驗(yàn)測(cè)量流程
　　4.3.5　仿真實(shí)驗(yàn)結(jié)果及分析
　4.4　涂層目標(biāo)的偏振光譜brdf模型
　　4.4.1　強(qiáng)度分量模型
　　4.4.2　偏振度分量模型
　　4.4.3　涂層目標(biāo)偏振光譜brdf與探測(cè)角、波長(zhǎng)關(guān)系分析
　4.5　背景的偏振光譜brdf模型
　　4.5.1　強(qiáng)度分量模型
　　4.5.2　偏振度分量模型
　參考文獻(xiàn)
第5章　基于偏振光譜圖像的目標(biāo)檢測(cè)
　5.1　偏振光譜圖像分析
　5.2　目標(biāo)檢測(cè)的基礎(chǔ)理論
　　5.2.1　偏振光譜信號(hào)混合模型
　　5.2.2　多元正態(tài)分布族
　　5.2.3　極大似然估計(jì)
　　5.2.4　似然比檢驗(yàn)
　　5.2.5　子空間分析
　　5.2.6　隨機(jī)信號(hào)與熵
　　5.2.7　非參核密度估計(jì)
　5.3　常用異常檢測(cè)算法
　　5.3.1　異常檢測(cè)統(tǒng)計(jì)假設(shè)模型
　　5.3.2　低概率目標(biāo)檢測(cè)
　　5.3.3　經(jīng)典rx檢測(cè)算法
　　5.3.4　由rx算法導(dǎo)出的改進(jìn)算法
　5.4　波段子集模糊積分融合檢測(cè)
　　5.4.1　數(shù)據(jù)模型及波段子集劃分
　　5.4.2　模糊測(cè)度及模糊積分
　　5.4.3　非參模糊隸屬度函數(shù)的構(gòu)造
　　5.4.4　模糊密度的估計(jì)
　　5.4.5　實(shí)驗(yàn)分析
　5.5　多檢測(cè)器最大熵融合異常檢測(cè)
　　5.5.1　單似然異常檢測(cè)模型
　　5.5.2　核密度估計(jì)
　　5.5.3　基于最大熵的檢測(cè)器融合
　　5.5.4　實(shí)驗(yàn)分析
　5.6　基于偏振與光譜特征的融合檢測(cè)
　　5.6.1　融合檢測(cè)算法結(jié)構(gòu)
　　5.6.2　實(shí)驗(yàn)分析
　5.7　基于偏振度調(diào)制的融合檢測(cè)
　　5.7.1　偏振度調(diào)制融合
　　5.7.2　光譜和偏振圖像偽彩色編碼融合
　參考文獻(xiàn)　
第6章　基于偏振光譜圖像的目標(biāo)分類(lèi)
　6.1　偏振光譜特性分析
　　6.1.1　地物偏振光譜特征分析
　　6.1.2　目標(biāo)偏振brdf特征分析
　6.2　無(wú)監(jiān)督分類(lèi)
　　6.2.1　模糊c均值算法
　　6.2.2　迭代自組織數(shù)據(jù)分析算法
　　6.2.3　mean-shift聚類(lèi)
　6.3　支持向量機(jī)
　　6.3.1　最優(yōu)分類(lèi)超平面
　　6.3.2　線性可分的最優(yōu)分類(lèi)面
　　6.3.3　線性不可分的最優(yōu)分類(lèi)面
　　6.3.4　非線性支持向量機(jī)
　6.4　證據(jù)推理
　6.5　基于聚類(lèi)融合的偏振光譜圖像分類(lèi)
　　6.5.1　融合聚類(lèi)算法
　　6.5.2　用分層分類(lèi)提高分類(lèi)效果
　　6.5.3　分類(lèi)結(jié)果
　　6.5.4　分類(lèi)精度評(píng)價(jià)
　6.6　基于偏振光譜brdf融合分類(lèi)
　　6.6.1　分類(lèi)結(jié)果1
　　6.6.2　分類(lèi)結(jié)果2
　6.7　基于偏振brdf模型的目標(biāo)分類(lèi)
　　6.7.1　算法流程
　　6.7.2　分類(lèi)結(jié)果分析
　參考文獻(xiàn)
第7章　偏振光譜信息處理軟件
　7.1　系統(tǒng)分析
　7.2　系統(tǒng)實(shí)現(xiàn)
　7.3　系統(tǒng)應(yīng)用