覃发超编著的这本《极化SAR影像超像素分割和面向对象分类方法》以提高全极化合成孔径雷达(SAR)影像处理速度及解译精度为目标，系统研究极化雷达基础理论及现有的极化SAR分割、分类方法，并提出新的算法。全书内容包括：介绍极化SAR影像分割分类的研究动态；系统阐述雷达极化测量的基本理论；深入研究极化目标基本散射机制模型及其特点，在此基础上进一步研究极化目标分解理论及典型方法；参考光学图像分割中的数学算法，结合目前极化SAR影像分割算法细节信息保持效果差、分割速度慢等研究现状，对极化SAR数据的特点从距离量度、聚类中心初始化、后处理等方面进行改进，提出PoISLIC超像素分割算法；将RBM算法和AdaBoost框架结合，一方面利用面向对象的思想克服极化SAR影像中相干斑噪声的影响并加快处理速度，另一方面利用基于深度学习模块的多分类器集成框架克服极化SAR影像中地物目标散射机理复杂、单一分类器难以实现高精度分类的问题，建立RBM-AdaBoost算法。
本书可作为高等院校遥感、绘测、GIS和电子工程等相关专业的教学和研究参考，也是一本适用于雷达遥感研究人员、工程师等的参考书籍。

第1章 绪论
1.1 合成孔径雷达（SAR）概述
1.2 极化SAR影像分类研究动态
1.3 极化SAR影像分割研究动态
1.4 本书内容和组织结构
1.4.1 主要内容
1.4.2 组织结构
第2章 极化SAR基本理论
2.1 极化电磁波的表征
2.1.1 极化椭圆
2.1.2 Jones矢量
2.1.3 Stokes矢量
2.2 极化SAR数据的矩阵描述
2.2.1 极化散射矩阵
2.2.2 协方差矩阵与相干矩阵
2.2.3 Mueller矩阵
2.2.4 Stokes矩阵
2.3 极化合成
2.4 极化SAR数据的统计特性
2.4.1 单极化SAR数据统计特性
2.4.2 全极化SAR数据统计特性
2.5 极化目标分解
2.5.1 基本散射机制
2.5.2 Pauli分解
2.5.3 Cloude-Pottier分解
2.5.4 Freeman-Durden三分量分解
2.6 本章小结
第3章 极化SAR影像超像素分割
3.1 常用的超像素分割方法
3.1.1 Ncut分割
3.1.2 GBMS分割
3.2 PolSLIC超像素分割
3.2.1 SLIC算法
3.2.2 PolSLIC算法
3.3 实验数据及其预处理
3.4 分割效果评价
3.4.1 与原始SLIC算法的比较
3.4.2 与Ncut和GBMS算法的比较
3.5 实验结论
3.6 本章小结
第4章 面向对象的极化SAR影像分类
4.1 常用的极化SAR分类器
4.1.1 Wishart最大似然分类器
4.1.2 随机森林
4.2 集成学习基本思想
4.2.1 Bagging方法
4.2.2 Boosting方法
4.3 极化SARRBM-AdaBoost分类算法
4.3.1 受限玻尔兹曼机
4.3.2 自适应提升框架
4.3.3 RBM-AdaBoost算法
4.4 实验数据及其预处理
4.5 实验结果分析
4.5.1 评价指标
4.5.2 RBM分类效果分析
4.5.3 与其他方法的比较
4.6 实验结论
4.7 本章小结
参考文献
缩写索引