| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 前言 | 第12-48页 |
| ·SAR图像信号及其统计性质 | 第12-17页 |
| ·SAR图像成像机理 | 第12-13页 |
| ·极化测量及极化数据的分布 | 第13-17页 |
| ·投影寻踪与多尺度ARMA模型简介 | 第17-22页 |
| ·投影寻踪简介 | 第17-18页 |
| ·投影寻踪与独立分量分析的联系 | 第18-19页 |
| ·多尺度ARMA模型 | 第19-22页 |
| ·独立分量分析方法 | 第22-34页 |
| ·独立分量分析方法的数学模型及其预备知识 | 第22-27页 |
| ·独立分量分析方法的算法 | 第27-32页 |
| ·独立分量分析方法的研究现状 | 第32-34页 |
| ·SAR处理及其发展现状 | 第34-44页 |
| ·SAR图像压缩 | 第34-38页 |
| ·SAR图像斑点噪声抑制 | 第38-40页 |
| ·SAR图像增强 | 第40-41页 |
| ·SAR图像处理的发展现状 | 第41-44页 |
| ·本文研究内容 | 第44-46页 |
| ·论文内容安排 | 第46-48页 |
| 第二章 SAR图像压缩的多尺度ARMA和投影寻踪学习网络方法 | 第48-64页 |
| ·SAR图像的数据特征对压缩编码的影响 | 第48-49页 |
| ·基于多尺度自回归滑动平均模型的SAR图像压缩 | 第49-55页 |
| ·SAR图像的MAR模型和MARMA模型 | 第50-51页 |
| ·基于MARMA模型的SAR图像压缩方法 | 第51-53页 |
| ·实验结果 | 第53-55页 |
| ·SAR图像压缩的投影寻踪学习网络方法 | 第55-63页 |
| ·SAR图像的四叉树分割 | 第55-58页 |
| ·SAR图像的投影寻踪学习网络编码 | 第58-61页 |
| ·实验结果 | 第61-63页 |
| ·小结 | 第63-64页 |
| 第三章 极化SAR图像滤波的独立分量分析神经网络方法 | 第64-80页 |
| ·极化SAR图像的加噪模型 | 第64-66页 |
| ·基于独立分量分析神经网络的极化SAR图像滤波 | 第66-75页 |
| ·独立分量分析神经网络 | 第67-69页 |
| ·极化SAR图像的神经网络输入 | 第69-71页 |
| ·实验结果 | 第71-75页 |
| ·不同独立分量分析算法对极化SAR图像滤波能力的比较与分析 | 第75-79页 |
| ·小结 | 第79-80页 |
| 第四章 基于稳健独立分量分析的SAR图像增强去噪 | 第80-98页 |
| ·MCD估计的基本原理和算法 | 第80-84页 |
| ·MCD估计的基本原理 | 第81-83页 |
| ·MCD估计的基本算法 | 第83-84页 |
| ·独立分量分析的含噪模型 | 第84-85页 |
| ·稳健独立分量分析方法 | 第85-90页 |
| ·白化预处理 | 第86-87页 |
| ·拒绝法则 | 第87-90页 |
| ·分离独立源分量 | 第90页 |
| ·含噪声图像盲分离的稳健独立分量分析方法 | 第90-93页 |
| ·基于稳健独立分量分析的SAR图像增强与盲分离 | 第93-97页 |
| ·多频极化SAR图像的增强去噪 | 第93-94页 |
| ·混合SAR图像的盲分离 | 第94-97页 |
| ·小结 | 第97-98页 |
| 第五章 SAR图像增强去噪的子带独立分量分析方法 | 第98-110页 |
| ·卷积混合与去卷积 | 第98-100页 |
| ·盲去卷积 | 第98-99页 |
| ·卷积混合的独立分量分析 | 第99-100页 |
| ·子带独立分量分析 | 第100-104页 |
| ·子带独立分量分析模型 | 第100-101页 |
| ·子带独立分量分析的可分离性质 | 第101-102页 |
| ·子带独立分量分析模型的算法 | 第102-104页 |
| ·SAR图像增强与盲分离的子带独立分量分析方法 | 第104-107页 |
| ·多频极化SAR图像的增强和特征提取 | 第104-105页 |
| ·混合SAR图像的盲分离 | 第105-107页 |
| ·基于子带独立分量分析的极化SAR图像增强和特征提取 | 第107-109页 |
| ·小结 | 第109-110页 |
| 结束语 | 第110-112页 |
| 参考文献 | 第112-125页 |
| 附录一 攻读博士学位期间参加的科研项目与奖励 | 第125-126页 |
| 附录二 攻读博士学位期间发表的论文 | 第126-128页 |
| 致谢 | 第128-129页 |
