| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-30页 |
| 1.1 合成孔径雷达发展历史 | 第18-20页 |
| 1.2 SAR图像基本特性 | 第20-22页 |
| 1.3 SAR图像自动目标识别现状 | 第22-26页 |
| 1.3.1 国内外发展现状 | 第22-24页 |
| 1.3.2 SAR图像自动目标识别的关键技术 | 第24-26页 |
| 1.4 本文内容安排 | 第26-30页 |
| 第二章 基于监督非相干字典学习的极化SAR图像舰船目标检测 | 第30-50页 |
| 2.1 引言 | 第30-32页 |
| 2.2 基于监督非相干字典学习的极化SAR图像舰船检测算法流程 | 第32-33页 |
| 2.3 字典学习 | 第33-36页 |
| 2.3.1 字典学习回顾 | 第33页 |
| 2.3.2 监督的非相干字典学习 | 第33-36页 |
| 2.4 分类检测 | 第36-37页 |
| 2.5 基于稀疏表示的极化SAR图像舰船检测实验 | 第37-48页 |
| 2.5.1 实验设置 | 第37-39页 |
| 2.5.2 极化特征提取 | 第39页 |
| 2.5.3 字典性能分析 | 第39-42页 |
| 2.5.4 实验结果及分析 | 第42-47页 |
| 2.5.5 运算量分析 | 第47-48页 |
| 2.6 本章小结 | 第48-50页 |
| 第三章 基于Dirichlet过程混合的多极化散射机理极化SAR图像舰船目标检测方法 | 第50-74页 |
| 3.1 引言 | 第50-51页 |
| 3.2 贝叶斯统计学习 | 第51-56页 |
| 3.2.1 先验分布的选取 | 第52-53页 |
| 3.2.2 贝叶斯推理方法 | 第53-56页 |
| 3.3 隐变量支撑向量机(LVSVM) | 第56-57页 |
| 3.4 狄利克雷过程(Dirichlet Process)及狄利克雷过程混合模型 | 第57-58页 |
| 3.4.1 Dirichlet过程 | 第57页 |
| 3.4.2 Dirichlet过程混合模型 | 第57-58页 |
| 3.5 Dirichlet过程混合隐变量支撑向量机 | 第58-61页 |
| 3.5.1 Dirichlet过程混合隐变量SVM模型(DPMLVSVM) | 第58-59页 |
| 3.5.2 稀疏提升Dirichlet过程混合SVM模型(SPDPMLVSVM) | 第59页 |
| 3.5.3 模型参数求解 | 第59-61页 |
| 3.5.4 分类检测 | 第61页 |
| 3.6 多极化散射机理极化SAR图像舰船目标检测 | 第61-62页 |
| 3.7 实验 | 第62-73页 |
| 3.7.1 极化分解方法 | 第62-69页 |
| 3.7.2 极化特征提取 | 第69-70页 |
| 3.7.3 实验设置 | 第70页 |
| 3.7.4 实验结果及分析 | 第70-73页 |
| 3.8 本章小结 | 第73-74页 |
| 第四章 稳健的最大边界线性判别投影特征提取方法 | 第74-86页 |
| 4.1 引言 | 第74-76页 |
| 4.2 最大边界投影算法 | 第76-78页 |
| 4.3 稳健的最大边界投影特征提取算法 | 第78-80页 |
| 4.4 模型参数求解 | 第80-81页 |
| 4.5 实验 | 第81-85页 |
| 4.5.1 Benchmark | 第81-84页 |
| 4.5.2 MSTAR数据集 | 第84-85页 |
| 4.6 本章小结 | 第85-86页 |
| 第五章 基于无限最大间隔判别投影方法的目标识别 | 第86-108页 |
| 5.1 引言 | 第86-87页 |
| 5.2 无限最大间隔线性判别模型 | 第87-92页 |
| 5.2.1 模型构建 | 第88-90页 |
| 5.2.2 模型参数求解 | 第90-92页 |
| 5.3 无限最大间隔非线性判别模型 | 第92-95页 |
| 5.3.1 模型构建 | 第92-94页 |
| 5.3.2 模型参数求解 | 第94-95页 |
| 5.4 识别框架 | 第95-97页 |
| 5.5 计算复杂度分析 | 第97页 |
| 5.6 实验结果及分析 | 第97-105页 |
| 5.6.1 人工数据集 | 第98-101页 |
| 5.6.2 Benchmark数据集 | 第101-104页 |
| 5.6.3 MSTAR数据集 | 第104-105页 |
| 5.7 本章小结 | 第105-108页 |
| 第六章 结束语 | 第108-110页 |
| 6.1 工作总结 | 第108页 |
| 6.2 工作展望 | 第108-110页 |
| 参考文献 | 第110-120页 |
| 致谢 | 第120-122页 |
| 作者简介 | 第122-124页 |
