| 摘要 | 第13-15页 |
| ABSTRACT | 第15-17页 |
| 缩略语 | 第18-19页 |
| 第一章 绪论 | 第19-53页 |
| 1.1 研究背景及意义 | 第19-20页 |
| 1.2 研究现状及面临的挑战 | 第20-49页 |
| 1.2.1 当前研究现状 | 第23-33页 |
| 1.2.2 面临的困难与挑战 | 第33-38页 |
| 1.2.3 主要关键技术 | 第38-49页 |
| 1.3 论文的主要工作及创新 | 第49-53页 |
| 1.3.1 论文的主要工作 | 第50-52页 |
| 1.3.2 论文的创新点 | 第52-53页 |
| 第二章 基于稀疏表征的SAR图像目标分类可行性研究 | 第53-99页 |
| 2.1 稀疏表示 | 第54-62页 |
| 2.1.1 线性空间以及线性空间的基 | 第54-56页 |
| 2.1.2 过完备冗余字典 | 第56-62页 |
| 2.2 压缩感知 | 第62-69页 |
| 2.2.1 工作原理 | 第63-65页 |
| 2.2.2 测量矩阵 | 第65-66页 |
| 2.2.3 重构算法 | 第66-67页 |
| 2.2.4 常用的优化工具箱 | 第67-69页 |
| 2.3 基于稀疏表示的分类学习 | 第69-72页 |
| 2.4 稀疏表示在SAR图像目标识别中的应用 | 第72-97页 |
| 2.4.1 可行性分析 | 第72-75页 |
| 2.4.2 改进方案 | 第75-84页 |
| 2.4.3 实验验证 | 第84-97页 |
| 2.5 本章小结 | 第97-99页 |
| 第三章 基于单演信号的SAR图像目标特性描述 | 第99-115页 |
| 3.1 Riesz变换与单演信号 | 第99-109页 |
| 3.1.1 解析信号 | 第99-100页 |
| 3.1.2 Riesz变换 | 第100-103页 |
| 3.1.3 单演信号 | 第103-109页 |
| 3.2 单演信号对SAR图像散射特性的变化分析 | 第109-114页 |
| 3.2.1 物理配置变化分析 | 第110页 |
| 3.2.2 姿态角变化分析 | 第110-111页 |
| 3.2.3 俯仰角变化分析 | 第111-112页 |
| 3.2.4 连接体变体分析 | 第112页 |
| 3.2.5 随机噪声污染分析 | 第112-114页 |
| 3.3 本章小结 | 第114-115页 |
| 第四章 基于单演信号信息融合的SAR图像目标分类学习 | 第115-139页 |
| 4.1 空域信息融合方案 | 第115-130页 |
| 4.1.1 特征级融合(Feature-levelFusion) | 第116-117页 |
| 4.1.2 决策级融合(Decision-level Fusion) | 第117-125页 |
| 4.1.3 多特征多任务联合稀疏表示 | 第125-130页 |
| 4.2 实验验证 | 第130-138页 |
| 4.2.1 标准工作条件 | 第130-133页 |
| 4.2.2 扩展工作条件 | 第133-135页 |
| 4.2.3 杂波样本拒识 | 第135-138页 |
| 4.3 本章小结 | 第138-139页 |
| 第五章 基于单演信号多核合成学习的SAR图像目标分类 | 第139-159页 |
| 5.1 再生核Hilbert空间 | 第139-144页 |
| 5.1.1 Mercer核 | 第140-141页 |
| 5.1.2 再生核Hilbert空间 | 第141-144页 |
| 5.1.3 正定核函数的特性 | 第144页 |
| 5.2 Hilbert核空间线性表示 | 第144-147页 |
| 5.3 单演信号Hilbert空间多核合成学习 | 第147-151页 |
| 5.3.1 “先组合再映射”单演信号特征组合 | 第150页 |
| 5.3.2 “先映射再组合”格莱姆矩阵组合 | 第150-151页 |
| 5.4 实验验证 | 第151-158页 |
| 5.4.1 标准工作条件 | 第152-154页 |
| 5.4.2 扩展工作条件 | 第154-157页 |
| 5.4.3 随机噪声污染 | 第157-158页 |
| 5.5 本章小结 | 第158-159页 |
| 第六章 基于单演信号流形学习的SAR图像目标分类 | 第159-197页 |
| 6.1 微分几何基础理论 | 第159-167页 |
| 6.1.1 黎曼流形 | 第159-165页 |
| 6.1.2 Stiefel和Grassmann流形 | 第165-167页 |
| 6.2 单演信号尺度空间的流形学习 | 第167-184页 |
| 6.2.1 单演信号协方差矩阵构建的黎曼流形 | 第167-172页 |
| 6.2.2 单演信号系数矩阵构建的Grassmann流形 | 第172-177页 |
| 6.2.3 方向可控Riesz小波构建的Grassmann流形 | 第177-184页 |
| 6.3 实验验证 | 第184-195页 |
| 6.3.1 基础实验验证 | 第185-191页 |
| 6.3.2 扩展工作条件实验比较 | 第191-195页 |
| 6.4 本章小结 | 第195-197页 |
| 第七章 结束语 | 第197-201页 |
| 致谢 | 第201-203页 |
| 参考文献 | 第203-225页 |
| 作者在学期间取得的学术成果 | 第225-227页 |
| 附录A 向量空间 | 第227-229页 |
| 附录B Dempster-Shafer证据理论 | 第229-232页 |
| B.1 DS数据融合 | 第229-230页 |
| B.2 Bayes数据融合 | 第230-232页 |
| 附录C 线性回归与核回归分析 | 第232页 |
