| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 缩略词 | 第9-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·SAR 图像目标阴影修复的研究进展 | 第12-13页 |
| ·SAR 图像目标特征提取的研究进展 | 第13-15页 |
| ·SAR 图像目标分类识别的研究进展 | 第15-16页 |
| ·本文主要研究工作 | 第16-18页 |
| 第二章 高分辨率 SAR 图象目标阴影修复 | 第18-30页 |
| ·高分辨率 SAR 图像目标特点 | 第18-20页 |
| ·图像修复方法 | 第20-24页 |
| ·基于偏微分方程的图像修复 | 第20-22页 |
| ·基于样本块匹配的图像修复 | 第22-24页 |
| ·基于相似度自适应样本快匹配的目标阴影修复 | 第24-29页 |
| ·SAR 平台参数与目标几何关系 | 第24-25页 |
| ·相似度自适应样本块匹配修复 | 第25-26页 |
| ·高分辨 SAR 图像目标阴影修复方法 | 第26-27页 |
| ·实验结果 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 高分辨率 SAR 目标识别的特征提取方法 | 第30-46页 |
| ·高分辨率 SAR 图像目标特征提取 | 第30-31页 |
| ·基于 L2 范数的目标特征提取方法 | 第31-36页 |
| ·主成分分析法 | 第31-32页 |
| ·二维主成分分析法 | 第32-33页 |
| ·广义二维主成分分析法 | 第33-34页 |
| ·双边二维主成分分析法 | 第34-36页 |
| ·基于 L1 范数的目标特征提取方法 | 第36-38页 |
| ·基于 L1 范数的主成分分析法 | 第36-37页 |
| ·基于 L1 范数的二维主成分分析法 | 第37-38页 |
| ·基于 L1 范数的双边二维主成分分析法 | 第38-40页 |
| ·仿真实验 | 第40-44页 |
| ·MSTAR 数据库 | 第40页 |
| ·实验方法 | 第40-41页 |
| ·仿真结果与分析 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 基于稀疏表示的 SAR 图像目标特征分类方法 | 第46-62页 |
| ·基于稀疏表示的 SAR 图像目标识别框架 | 第46-47页 |
| ·稀疏表示理论 | 第47-50页 |
| ·问题描述 | 第47-48页 |
| ·基础理论 | 第48-50页 |
| ·稀疏求解算法 | 第50-53页 |
| ·基追踪算法 | 第50-51页 |
| ·正交匹配追踪算法 | 第51页 |
| ·正则化的正交匹追踪算法 | 第51-52页 |
| ·稀疏度自适应的匹配追踪算法 | 第52-53页 |
| ·阈值自适应的回溯匹配追踪算法 | 第53-59页 |
| ·算法描述 | 第53-55页 |
| ·仿真实验一 | 第55-57页 |
| ·仿真实验二 | 第57-59页 |
| ·基于稀疏表示的 SAR 图像目标特征分类方法 | 第59-61页 |
| ·实验方法 | 第59-60页 |
| ·仿真结果与分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 全文总结与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |