| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第2章 复杂背景下的杂波特性分析 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 典型海杂波统计模型及参数估计 | 第14-18页 |
| 2.2.1 基于高斯分布的统计模型及参数估计 | 第14-15页 |
| 2.2.2 基于瑞利分布的统计模型及参数估计 | 第15页 |
| 2.2.3 基于对数正态分布的统计模型及参数估计 | 第15-16页 |
| 2.2.4 基于韦布尔分布的统计模型及参数估计 | 第16-17页 |
| 2.2.5 基于K分布的统计模型及参数估计 | 第17-18页 |
| 2.3 不同分布情况下海杂波的特性拟合实验 | 第18-20页 |
| 第3章 基于显著图的目标预筛选 | 第20-45页 |
| 3.1 引言 | 第20页 |
| 3.2 视觉注意机制及其计算模型 | 第20-23页 |
| 3.2.1 视觉注意机制 | 第20-21页 |
| 3.2.2 视觉注意计算模型 | 第21-23页 |
| 3.3 视觉注意机制在复杂海况下的可行性分析及显著区域计算 | 第23-27页 |
| 3.3.1 SR模型应用在SAR图像上的可行性分析 | 第24-25页 |
| 3.3.2 显著区域计算的优势分析 | 第25-27页 |
| 3.4 基于显著图的目标预筛选 | 第27-30页 |
| 3.4.1 CFAR算法原理及CFAR检测器 | 第27-30页 |
| 3.4.2 基于显著图的目标预筛选 | 第30页 |
| 3.4.3 二次显著图上的CFAR检测算法 | 第30页 |
| 3.5 实验结果 | 第30-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 基于shearlet变换的目标鉴别 | 第45-75页 |
| 4.1 引言 | 第45页 |
| 4.2 Shearlet变换基本理论 | 第45-53页 |
| 4.2.1 Shearlet变换基本原理 | 第45-49页 |
| 4.2.2 Shearlet的离散化 | 第49-52页 |
| 4.2.3 平移不变Shearlet变换 | 第52-53页 |
| 4.3 基于改进的Shearlet变换的虚警剔除 | 第53-62页 |
| 4.3.1 Shearlet分解 | 第54页 |
| 4.3.2 改进的Shearlet系数处理法 | 第54-61页 |
| 4.3.4 阈值分割 | 第61-62页 |
| 4.4 实验结果 | 第62-74页 |
| 4.4.1 目标检测性能评估指标 | 第62-63页 |
| 4.4.2 实验结果及分析 | 第63-72页 |
| 4.4.3 本文算法在复杂海况下的检测实验 | 第72-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 作者简介 | 第83页 |