基于SAR图像的海面舰船目标检测与鉴别算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景和意义 | 第16页 |
| 1.2 国内外发展现状 | 第16-18页 |
| 1.3 本文内容安排 | 第18-20页 |
| 第二章 SAR图像预处理 | 第20-32页 |
| 2.1 斑噪抑制 | 第20-28页 |
| 2.1.1 传统的空间域滤波方法 | 第20-21页 |
| 2.1.2 基于统计模型的抑噪方法 | 第21-24页 |
| 2.1.3 基于小波变换的抑噪方法 | 第24-26页 |
| 2.1.4 斑噪抑制实验及分析 | 第26-28页 |
| 2.2 陆地掩膜 | 第28-31页 |
| 2.2.1 掩膜方法概述 | 第28-29页 |
| 2.2.2 基于纹理分割的陆地掩膜方法 | 第29-30页 |
| 2.2.3 陆地掩膜实验及分析 | 第30-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 目标检测 | 第32-58页 |
| 3.1 SAR图像海杂波统计建模 | 第32-41页 |
| 3.1.1 统计建模的方法 | 第32-33页 |
| 3.1.2 拟合优度评价标准 | 第33页 |
| 3.1.3 经典海杂波分布模型及其参数估计 | 第33-38页 |
| 3.1.4 海杂波统计建模实验 | 第38-41页 |
| 3.2 基于CFAR的目标检测方法 | 第41-56页 |
| 3.2.1CFAR算法原理 | 第41-47页 |
| 3.2.2 全局CFAR算法和局部CFAR算法 | 第47-49页 |
| 3.2.3 基于两级CFAR级联的检测算法 | 第49-50页 |
| 3.2.4 改进的CFAR级联检测算法 | 第50-53页 |
| 3.2.5 基于CFAR算法的目标检测实验 | 第53-56页 |
| 3.3 本章小结 | 第56-58页 |
| 第四章 目标鉴别 | 第58-68页 |
| 4.1 特征提取 | 第58-61页 |
| 4.1.1 几何特征提取 | 第58-59页 |
| 4.1.2 对比度特征提取 | 第59页 |
| 4.1.3 纹理特征提取 | 第59-60页 |
| 4.1.4 特征提取实验 | 第60-61页 |
| 4.2 特征选择 | 第61-63页 |
| 4.2.1 特征可分性测度 | 第61-62页 |
| 4.2.2 基于特征可分性的特征选择 | 第62-63页 |
| 4.3 目标鉴别 | 第63-66页 |
| 4.3.1 目标鉴别方案 | 第63-64页 |
| 4.3.2 目标鉴别实验 | 第64-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第五章 SAR图像舰船目标检测与鉴别实验 | 第68-78页 |
| 5.1 目标检测与鉴别方案 | 第68页 |
| 5.2 基于实测SAR图像的目标检测实验 | 第68-71页 |
| 5.3 基于仿真SAR图像的目标检测实验 | 第71-77页 |
| 5.3.1 不同信杂比条件下的目标检测 | 第71-74页 |
| 5.3.2 不同类型舰船目标的检测与鉴别 | 第74-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 工作总结与展望 | 第78-80页 |
| 6.1 工作总结 | 第78页 |
| 6.2 工作展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-87页 |
