内容简介

本书以作者在合成孔径雷达图像目标识别领域十多年的研究为主体，阐明了合成孔径雷达图像的统计特性、稀疏特征及流形特征，着重介绍了基于局部保持特性和稀疏表示的合成孔径雷达图像目标识别研究成果。

本书内容共11章，包括绪论、相关理论、目标识别技术，以及总结与展望等方面，适合高等院校相关专业研究生，以及合成孔径雷达目标识别领域的研究人员和工程技术人员阅读参考。

前言

合成孔径雷达（Synthetic Aperture Radar，SAR）可以穿透雨、雪、云、雾，“全天时、全天候”工作，在军事领域和民用领域具有广泛的应用价值，已产生了巨大的经济效益和社会效益。SAR图像目标识别致力于从复杂的地物场景中检测到目标，并对检测到的目标进行类别或型号的判定，是当前SAR应用领域的一个主要方面，在地质探测、冰川运动、精确打击等领域具有重大的应用价值。高精度的SAR图像目标识别可显著提高军队的指挥自动化水平、战场感知能力、威胁目标精确打击等实战化作战能力。

不同于光学图像，SAR基于其独特的相干成像机理，具有分辨率低，有乘性相干斑、目标方位角敏感特性等特点，使SAR图像的目标特征提取极为困难。为了适应新时期多领域背景下对高精度目标识别的需求，尤其是在复杂陆战场环境中的目标识别军事需求，笔者结合十余年的研究工作和研究成果，编写了本书。本书旨在提供基于流形学习和稀疏表示理论的SAR图像目标识别方法，期望能够为后继从事SAR图像目标识别研发的技术人员提供技术支撑。本书介绍了SAR图像预处理、特征提取、分类判别等目标识别的全过程，也适合刚刚进入目标识别领域的研究人员阅读。

本书内容共11章，第1章对SAR图像目标识别进行概述；第2章介绍基于局部保持特性和混合高斯分布的SAR图像目标识别；第3章介绍基于局部保持特性和Gamma分布的SAR图像目标识别；第4章介绍基于结构保持投影的SAR图像目标识别；第5章介绍基于类别稀疏表示的SAR图像目标识别；第6章介绍基于乘性稀疏表示和Gamma分布的SAR图像目标识别；第7章介绍基于判别统计字典学习的SAR图像目标识别；第8章介绍基于Dempster-Shafer证据理论融合多稀疏表示和样本统计特性的SAR图像目标识别；第9章介绍基于Dempster-Shafer证据理论和稀疏表示的SAR图像目标识别；第10章介绍基于两阶段稀疏结构表示的SAR图像目标识别；第11章总结全书内容并探讨未来SAR图像目标识别可能的发展方向。

本书的编写得到了西北工业大学王伶教授，西安电子科技大学邢孟道教授，陕西师范大学汪西莉教授、武杰副教授等人的热情支持和帮助，在此深表感谢。由于篇幅有限，特别是受限于笔者的水平和能力，书中难免有很多不足之处，恳请各位读者批评指正！

作者
2024年3月