| 摘要 | 第1-13页 |
| Abstract | 第13-15页 |
| 第一章 绪论 | 第15-32页 |
| ·课题的背景及意义 | 第15-21页 |
| ·SAR ATR技术 | 第16-20页 |
| ·课题研究的意义 | 第20-21页 |
| ·SAR图像目标ROI自动获取的回顾与前瞻 | 第21-26页 |
| ·论文的主要工作及创新 | 第26-32页 |
| ·主要工作 | 第28-29页 |
| ·论文的创新点 | 第29-32页 |
| 第二章 SAR图像杂波统计建模 | 第32-70页 |
| ·引言 | 第32-33页 |
| ·SAR图像杂波统计建模综述 | 第33-43页 |
| ·模型分类与研究内容 | 第33-34页 |
| ·统计模型 | 第34-42页 |
| ·统计模型的主要结论及发展趋势 | 第42-43页 |
| ·SAR图像乘性噪声模型分析 | 第43-55页 |
| ·SAR图像噪声模型 | 第44-46页 |
| ·乘性噪声模型的确认 | 第46-50页 |
| ·乘性噪声的统计分布 | 第50-54页 |
| ·不同分辨率不同俯仰角下乘性噪声分析 | 第54-55页 |
| ·SAR图像杂波统计特性分析 | 第55-68页 |
| ·G分布的推导 | 第56-59页 |
| ·G°分布的参数估计 | 第59-60页 |
| ·G°分布的属性 | 第60-61页 |
| ·实验结果与分析 | 第61-68页 |
| ·本章小结 | 第68-70页 |
| 第三章 SAR图像自动目标检测 | 第70-97页 |
| ·引言 | 第70页 |
| ·SAR图像目标检测算法综述 | 第70-81页 |
| ·基于对比度的一类目标检测算法 | 第71-78页 |
| ·基于图像的其它特征的一类目标检测算法 | 第78-79页 |
| ·基于复图像特征的一类目标检测算法 | 第79-80页 |
| ·存在的问题及进一步研究的方向 | 第80-81页 |
| ·基于自动筛选的SAR图像目标智能CFAR检测算法 | 第81-88页 |
| ·算法原理 | 第83-84页 |
| ·算法详细流程 | 第84-85页 |
| ·算法描述 | 第85-88页 |
| ·快速CFAR算法 | 第88-92页 |
| ·快速算法设计 | 第89-90页 |
| ·快速算法的计算量分析 | 第90-91页 |
| ·和其它算法的计算量比较 | 第91-92页 |
| ·实验结果与分析 | 第92-95页 |
| ·本章小结 | 第95-97页 |
| 第四章 SAR图像自动目标鉴别 | 第97-139页 |
| ·引言 | 第97页 |
| ·SAR图像目标鉴别算法综述 | 第97-109页 |
| ·算法流派 | 第97-105页 |
| ·主要结论 | 第105-106页 |
| ·有待解决的问题 | 第106-109页 |
| ·一种目标鉴别新方案:框架、模型与算法 | 第109-124页 |
| ·目标鉴别方案 | 第109-111页 |
| ·“松耦合”模型下的目标鉴别特征提取 | 第111-117页 |
| ·基于遗传算法的特征选择 | 第117-122页 |
| ·加权二次距离鉴别器的设计 | 第122-123页 |
| ·目标编队提取 | 第123-124页 |
| ·新方案的性能分析 | 第124-137页 |
| ·基于特征选取框架下各算法性能分析 | 第124-136页 |
| ·基于编队知识进一步去虚警方法的性能分析 | 第136-137页 |
| ·本章小结 | 第137-139页 |
| 第五章 结束语 | 第139-141页 |
| 致谢 | 第141-142页 |
| 参考文献 | 第142-156页 |
| 作者在攻博期间取得的学术成果 | 第156-158页 |