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

合成孔径雷达(SAR)目标检测和识别是SAR实用化的瓶颈技术之一,提取有效的目标特征是SAR目标检测与识别的关键环节。高分辨率SAR图像中,目标属性散射中心特征反映了目标散射中心的位置、类型等信息,精确获取目标散射中心属性特征能够提高对目标的检测识别性能。针对SAR目标属性散射中心特征的提取,该文提出了一种基于改进的空间-波数分布(ISWD)的特征提取方法,该方法首先利用ISWD估计散射中心关于频率与方位角的函数,然后利用该函数来获得目标属性散射中心模型参数。最后利用仿真实验验证了方法的有效性。

Matlab代码移植关于 该程序是范围迁移算法的快速Python实现，它使用类似于MIT OpenCourseWare网站上记录的雷达的雷达来生成SAR图像：该站点包括由Gregory Charvat博士编写的Matlab程序，该程序也可以生成SAR图像，但是它可以运行非常缓慢，因此激励了这个项目。 执照 该程序最初是由Kevin Secretan在就读DigiPen理工学院时为一个学校项目编写的，毕业后对其进行了稍微的修改和清理。 该代码已根据知识共享署名-非商业性-相同方式获得许可。 （）这与MIT OpenCourseWare网站上的所有许可证都是相同的许可证，因为这是Charvat的Matlab实现用作基本参考的衍生作品。 （换句话说，我认为版权最终归他和/或麻省理工学院所有。） （代码中的一个标记功能由类似的CC许可管理，仅在允许商业使用方面有所区别。） 欢迎通过GitHub拉取请求进行贡献。 表现 运行MIT分发的Matlab代码，您可能只需要等待3到10分钟即可获得SAR映像，或多或少取决于您的计算机的性能。 3-10分钟的时间范围来自我自己在运行Matlab的两台不同计

:SAR 图像舰船目标识别是 SAR 图像海洋监视应用中的一项关键技术。在广泛文献调研的基础上，首先建立了 SAR 图像舰船目标识别的主要流程; 接着对用于 SAR 图像舰船目标识别的众多特征进行归纳整理，分析了其物理意义及优缺 点; 然后对用于 SAR 图像舰船目标的分类算法进行了较为全面的综述; 最后分析了目前研究中所面临的主要问题，展望了 进一步研究的主要方向