| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题研究的目的和意义 | 第8-9页 |
| ·SAR 图像分类与分割的研究及应用现状 | 第9-15页 |
| ·SAR 图像分类的研究现状 | 第9-12页 |
| ·SAR 图像分割的研究现状 | 第12-14页 |
| ·SAR 图像特征提取 | 第14-15页 |
| ·SAR 图像处理存在的问题 | 第15页 |
| ·本文的研究内容和章节安排 | 第15-18页 |
| ·本文的研究内容 | 第15-16页 |
| ·本文的章节安排 | 第16-18页 |
| 第二章 基于稀疏表示的人脸分类识别模型 | 第18-26页 |
| ·引言 | 第18页 |
| ·稀疏表示的概念以及发展现状 | 第18-20页 |
| ·信号的稀疏表示 | 第18-20页 |
| ·稀疏表示算法的研究现状 | 第20页 |
| ·稀疏表示在图像处理领域的应用 | 第20页 |
| ·稀疏表示人脸分类算法 | 第20-24页 |
| ·稀疏表示 | 第21-23页 |
| ·类别的判定 | 第23页 |
| ·特征提取的角色 | 第23-24页 |
| ·对遮挡的鲁棒性 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第三章 稀疏表示模型在 SAR 图像分类分割中的应用 | 第26-42页 |
| ·引言 | 第26页 |
| ·稀疏表示模型在 SAR 图像分类中的应用 | 第26-27页 |
| ·概述 | 第26页 |
| ·稀疏表示模型 SAR 图像分类过程 | 第26-27页 |
| ·字典 A 的设计 | 第27-31页 |
| ·概述 | 第27页 |
| ·随机投影 | 第27-28页 |
| ·词袋模型 | 第28页 |
| ·特征提取算法 | 第28-31页 |
| ·基于稀疏表示的 SAR 图像地物分类 | 第31-36页 |
| ·概述 | 第31页 |
| ·基于稀疏表示的 SAR 图像地物分类步骤 | 第31-33页 |
| ·实验结果与分析 | 第33-36页 |
| ·基于稀疏表示的 SAR 图像地物分割 | 第36-41页 |
| ·概述 | 第36-37页 |
| ·训练样本的产生 | 第37-38页 |
| ·特征的提取 | 第38页 |
| ·基于稀疏表示的单幅 SAR 图像分割步骤 | 第38-39页 |
| ·实验结果与分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 改进的稀疏表示 SAR 图像分割策略 | 第42-50页 |
| ·引言 | 第42页 |
| ·基于双字典的尝试 | 第42-45页 |
| ·匀质和非匀质区域的划分 | 第42-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·改进的加权重构策略 | 第45-49页 |
| ·改进思路 | 第45页 |
| ·实验结果与分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·本文工作总结 | 第50-51页 |
| ·未来工作展望 | 第51-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 在读期间的研究成果 | 第60-61页 |