| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-17页 |
| 1.1 选题背景及意义 | 第7-8页 |
| 1.2 SAR目标识别概述及研究现状 | 第8-11页 |
| 1.2.1 SAR目标识别概述 | 第8页 |
| 1.2.2 SAR目标识别研究现状 | 第8-11页 |
| 1.3 SAR目标自动识别的影响因素和关键技术 | 第11-13页 |
| 1.3.1 SAR自动自动识别的影响因素 | 第11-12页 |
| 1.3.2 SAR目标自动识别的关键技术 | 第12-13页 |
| 1.4 SAR图像目标识别流程 | 第13-14页 |
| 1.5 本文研究内容及章节安排 | 第14-17页 |
| 1.5.1 本文研究内容 | 第14页 |
| 1.5.2 本文章节安排 | 第14-17页 |
| 2 SAR成像原理及图像域特征提取 | 第17-37页 |
| 2.1 SAR成像过程及特性分析 | 第17-20页 |
| 2.1.1 SAR成像原理 | 第17-18页 |
| 2.1.2 SAR图像特性分析 | 第18-20页 |
| 2.2 SAR图像域特征提取 | 第20-28页 |
| 2.2.1 SAR目标识别图像域特征提取概述 | 第20页 |
| 2.2.2 SAR图像变换域特征提取 | 第20-25页 |
| 2.2.3 SAR图像域形状特征提取 | 第25-28页 |
| 2.3 SAR图像的二维切片Zernike矩特征提取 | 第28-35页 |
| 2.3.1 SAR图像电磁散射特性分析 | 第28-31页 |
| 2.3.2 SAR图像的 2D-Slice分析 | 第31-33页 |
| 2.3.3 SAR图像的二维切片Zernike矩特征 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 3 基于稀疏表示的目标识别 | 第37-47页 |
| 3.1 自动目标识别原理 | 第37-39页 |
| 3.1.1 自动目标识别概述 | 第37页 |
| 3.1.2 SVM分类识别模型 | 第37-39页 |
| 3.2 稀疏表示理论概述 | 第39页 |
| 3.3 稀疏表示理论模型 | 第39-41页 |
| 3.4 稀疏表示模型求解算法 | 第41-44页 |
| 3.4.1 全局优化算法 | 第41页 |
| 3.4.2 贪婪算法 | 第41-44页 |
| 3.4.3 其他算法 | 第44页 |
| 3.5 基于稀疏表示的目标识别 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 4 基于 2DS-ZMs特征和非负最小二乘稀疏表示的SAR目标识别 | 第47-67页 |
| 4.1 非负最小二乘稀疏表示模型 | 第47-49页 |
| 4.1.1 非负最小二乘稀疏表示概述 | 第47-48页 |
| 4.1.2 非负最小二乘稀疏表示模型优化求解 | 第48-49页 |
| 4.2.基于 2DS-ZMs特征和NNLS-SRC的SAR目标识别系统 | 第49-50页 |
| 4.2.1 基于图像域 2DS-ZMs特征的字典构造 | 第49-50页 |
| 4.2.2 基于 2DS-ZMs特征和NNLS-SRC的SAR目标识别系统 | 第50页 |
| 4.3 SAR目标自动识别实验与分析 | 第50-65页 |
| 4.3.1 实验数据集介绍 | 第50-51页 |
| 4.3.2 实验过程总述 | 第51页 |
| 4.3.3 三类目标识别实验及分析 | 第51-56页 |
| 4.3.4 敏感方位角下的目标识别实验与分析 | 第56-58页 |
| 4.3.5 大俯仰角变化场景下的目标识别实验与分析 | 第58-60页 |
| 4.3.6 低图像质量时的目标识别实验与分析 | 第60-62页 |
| 4.3.7 SAR ATR方法时效性实验与分析 | 第62-65页 |
| 4.3.8 SAR ATR方法比较 | 第65页 |
| 4.4 本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 本文总结 | 第67页 |
| 5.2 本文展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录 | 第77-78页 |
| A. 作者在攻读学位期间发表的论文目录 | 第77页 |
| B. 作者在攻读学位期间申请的发明专利目录 | 第77页 |
| C. 文中缩略词对应表 | 第77-78页 |
