SAR图像典型目标特征提取与识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-21页 |
| ·引言 | 第9-11页 |
| ·国内外研究概况 | 第11-17页 |
| ·SAR图像特征提取研究 | 第12-15页 |
| ·SAR图像目标识别研究 | 第15-17页 |
| ·存在的主要问题和对策 | 第17-19页 |
| ·本文的工作及创新点 | 第19-21页 |
| 第二章 SAR图像基本特性和图像处理 | 第21-37页 |
| ·引言 | 第21页 |
| ·SAR成像原理简介 | 第21-24页 |
| ·SAR图像基本特点 | 第24-26页 |
| ·SAR图像噪声抑制 | 第26-27页 |
| ·SAR图像多视处理 | 第26-27页 |
| ·SAR图像滤波去噪 | 第27页 |
| ·SAR图像区域分割 | 第27-30页 |
| ·SAR图像二值化处理 | 第27-29页 |
| ·大场景SAR图像海陆分割 | 第29-30页 |
| ·SAR图像的小波变换 | 第30-36页 |
| ·小波变换基本理论 | 第30-33页 |
| ·SAR图像小波变换快速算法 | 第33-36页 |
| ·小结 | 第36-37页 |
| 第三章 基于支持向量机的SAR图像典型目标识别 | 第37-59页 |
| ·引言 | 第37-38页 |
| ·统计学习的本质 | 第38-43页 |
| ·最小错误率的损失函数 | 第39-40页 |
| ·低维空间线性可分的概率 | 第40-41页 |
| ·增大特征向量的维数 | 第41-43页 |
| ·GAUSS核函数 | 第43-46页 |
| ·Gauss核函数 | 第43-46页 |
| ·Gauss核函数参数的选择 | 第46页 |
| ·支持向量机 | 第46-53页 |
| ·函数集的VC维 | 第47-48页 |
| ·最优分类面的构造 | 第48-52页 |
| ·非线性情况的分类面推广 | 第52-53页 |
| ·基于支持向量机的SAR图像典型目标识别 | 第53-58页 |
| ·SAR图像典型目标和非典型目标样本的采集 | 第53-55页 |
| ·SAR图像窗口金字塔的抽取和融合 | 第55-58页 |
| ·SAR图像窗口金字塔 | 第55-56页 |
| ·SAR图像目标窗口融合 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第四章 基于特征的SAR图像典型目标识别 | 第59-75页 |
| ·引言 | 第59页 |
| ·基于灰度特征的SAR图像典型目标识别 | 第59-60页 |
| ·基于椭圆相似矢量特征的SAR图像典型目标识别 | 第60-61页 |
| ·基于栅格特征矢量的SAR图像典型目标识别 | 第61-62页 |
| ·基于边缘几何特征的SAR图像典型目标识别 | 第62-64页 |
| ·基于堆积几何特征的SAR图像典型目标识别 | 第64-71页 |
| ·小波子图像空穴检测和小区域消除 | 第65-66页 |
| ·膨胀运算 | 第66-68页 |
| ·SAR图像点状典型目标区域识别 | 第68-70页 |
| ·SAR图像点状典型目标识别 | 第70-71页 |
| ·几种基于特征 SAR目标识别方法的比较 | 第71-74页 |
| ·小结 | 第74-75页 |
| 第五章 SAR图像典型目标识别的决策级融合 | 第75-82页 |
| ·引言 | 第75页 |
| ·决策级融合 | 第75-77页 |
| ·决策级融合的提出 | 第76页 |
| ·SAR图像典型目标识别的决策级融合 | 第76-77页 |
| ·基于模板匹配的SAR图像典型目标识别 | 第77-81页 |
| ·典型目标模板旋转 | 第78页 |
| ·模板匹配算法 | 第78-79页 |
| ·决策级融合的典型目标最终识别 | 第79-81页 |
| ·小结 | 第81-82页 |
| 第六章 实验结果 | 第82-86页 |
| 结论与展望 | 第86-89页 |
| 结论 | 第86-87页 |
| 展望 | 第87-89页 |
| 参考文献 | 第89-96页 |
| 攻读学位期间发表的论文 | 第96-97页 |
| 声明 | 第97页 |
| 学位论文版权使用授权书 | 第97-98页 |
| 致谢 | 第98页 |
