| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·压缩感知理论及其研究现状 | 第7-9页 |
| ·压缩感知理论提出的背景 | 第7页 |
| ·压缩感知理论的基本框架 | 第7-8页 |
| ·压缩感知理论的研究现状 | 第8-9页 |
| ·压缩感知理论的应用 | 第9页 |
| ·论文主要内容 | 第9-11页 |
| 第二章 目标检测与分类技术 | 第11-21页 |
| ·目标检测技术 | 第11页 |
| ·SAR图像分类技术 | 第11-15页 |
| ·SAR图像抑制相干斑方法 | 第12页 |
| ·图像分割方法 | 第12-14页 |
| ·SAR图像目标特征提取 | 第14页 |
| ·SAR图像目标方位角估计 | 第14-15页 |
| ·高光谱图像分类技术 | 第15-19页 |
| ·高光谱图像数据表示 | 第15-16页 |
| ·高光谱图像数据的特性 | 第16页 |
| ·高光谱图像的降维方法 | 第16-17页 |
| ·高光谱图像有监督分类算法 | 第17-18页 |
| ·Hughes现象 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 基于压缩感知的目标检测技术 | 第21-31页 |
| ·加权二范数压缩感知目标检测 | 第21-23页 |
| ·基于流形的压缩感知目标检测 | 第23-28页 |
| ·基于流形的压缩感知 | 第23-24页 |
| ·基于流形的压缩感知目标检测流程 | 第24-25页 |
| ·实验结果及分析 | 第25-28页 |
| ·本章小结 | 第28-31页 |
| 第四章 基于压缩感知的目标分类技术 | 第31-47页 |
| ·基于压缩感知的目标分类理论基础 | 第31-32页 |
| ·Johnson-Lindenstrauss引理 | 第31页 |
| ·随机投影保持数据流形结构的理论基础 | 第31-32页 |
| ·基于压缩感知的SAR图像目标分类 | 第32-39页 |
| ·流形学习方法 | 第32-33页 |
| ·支持向量机(Support Vector Machine,SVM) | 第33-34页 |
| ·基于压缩感知的SAR图像目标分类流程 | 第34-35页 |
| ·实验及分析 | 第35-39页 |
| ·基于压缩感知的高光谱图像分类 | 第39-45页 |
| ·基于最小距离分类法 | 第39-43页 |
| ·基于支持向量机的高光谱图像分类 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 总结和展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 作者在读期间的研究成果 | 第55页 |