| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 主要缩略词表 | 第15-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究工作的背景和意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-24页 |
| 1.2.1 SAR ATR系统研究现状 | 第19-20页 |
| 1.2.2 SAR图像目标检测研究现状 | 第20-23页 |
| 1.2.3 SAR图像目标识别研究现状 | 第23-24页 |
| 1.3 本论文的主要内容和安排 | 第24-26页 |
| 1.3.1 本文的主要研究内容 | 第24-25页 |
| 1.3.2 本文的结构安排 | 第25-26页 |
| 第二章 低检测率SAR图像原理分析及检测难点研究 | 第26-41页 |
| 2.1 引言 | 第26-27页 |
| 2.2 CFAR目标检测要点 | 第27-33页 |
| 2.2.1 SAR图像杂波统计模型 | 第28-30页 |
| 2.2.2 CFAR检测器 | 第30-33页 |
| 2.3 低检测率SAR图像特性及检测难点研究 | 第33-39页 |
| 2.3.1 高分辨率SAR图像 | 第33-35页 |
| 2.3.2 强噪声SAR图像 | 第35-37页 |
| 2.3.3 复杂场景SAR图像 | 第37-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第三章 高分辨率SAR图像目标检测与识别研究 | 第41-71页 |
| 3.1 引言 | 第41页 |
| 3.2 Itti视觉注意模型 | 第41-47页 |
| 3.2.1 多尺度金字塔模型 | 第42-46页 |
| 3.2.2 视觉特征提取 | 第46-47页 |
| 3.3 基于SVD分解的视觉注意目标检测 | 第47-61页 |
| 3.3.1 基于SVD分解的金字塔模型 | 第48-53页 |
| 3.3.2 基于高分辨率SAR图像的特征提取 | 第53-56页 |
| 3.3.3 总显著图生成 | 第56-59页 |
| 3.3.4 焦点获取机制 | 第59页 |
| 3.3.5 基于加权信息熵的感兴趣区域筛选 | 第59-61页 |
| 3.4 仿真实验和分析 | 第61-66页 |
| 3.5 基于高分辨率SAR图像检测结果的目标识别分析 | 第66-69页 |
| 3.6 本章小结 | 第69-71页 |
| 第四章 强噪声SAR图像目标检测与识别研究 | 第71-98页 |
| 4.1 引言 | 第71-72页 |
| 4.2 基于信息论的目标检测 | 第72-81页 |
| 4.2.1 超像素生成算法 | 第72-75页 |
| 4.2.2 基于候选斑块获取的全局检测 | 第75-79页 |
| 4.2.3 基于目标超像素获取的局部检测 | 第79-81页 |
| 4.3 仿真试验与分析 | 第81-93页 |
| 4.4 基于强噪声SAR图像目标检测结果的目标识别分析 | 第93-96页 |
| 4.5 本章小结 | 第96-98页 |
| 第五章 复杂场景SAR图像目标检测与识别研究 | 第98-122页 |
| 5.1 引言 | 第98-99页 |
| 5.2 基于目标存在可能性估计的目标检测 | 第99-107页 |
| 5.2.1 预处理 | 第99-101页 |
| 5.2.2 目标存在可能性估计 | 第101-106页 |
| 5.2.3 基于视觉注意的目标检测 | 第106-107页 |
| 5.3 仿真实验与分析 | 第107-118页 |
| 5.4 基于复杂场景SAR图像目标检测结果的目标识别分析 | 第118-120页 |
| 5.5 本章小结 | 第120-122页 |
| 第六章 总结与展望 | 第122-125页 |
| 6.1 全文工作总结 | 第122-124页 |
| 6.2 后续工作展望 | 第124-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-138页 |
| 攻读博士学位期间取得的成果 | 第138-139页 |
