| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文主要研究内容和结构安排 | 第13-14页 |
| 2 极化 SAR 图像船只检测识别的基本理论 | 第14-25页 |
| ·引言 | 第14页 |
| ·极化 SAR 的基本理论 | 第14-18页 |
| ·电磁波的极化及其表征 | 第14-15页 |
| ·极化散射特性的表征 | 第15-18页 |
| ·海面与船只的散射机理 | 第18-19页 |
| ·极化分解 | 第19-24页 |
| ·相干分解 | 第19-21页 |
| ·非相干分解 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 3 极化 SAR 的相干斑抑制算法分析 | 第25-36页 |
| ·相干斑形成的机理 | 第25-26页 |
| ·相干斑的噪声模型 | 第26页 |
| ·常见的相干斑滤波方法 | 第26-32页 |
| ·极化白化滤波 | 第27-29页 |
| ·改进的 LEE 滤波 | 第29-30页 |
| ·基于极化散射特性的滤波 | 第30-32页 |
| ·实验结果与分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 4 极化 SAR 船只检测方法研究 | 第36-45页 |
| ·引言 | 第36页 |
| ·常用的船只检测算法 | 第36-40页 |
| ·K-CFAR 方法 | 第36-37页 |
| ·基于极化熵的船只检测 | 第37-38页 |
| ·基于 GOPCE 的船只检测 | 第38-40页 |
| ·基于小波变换和非负稀疏矩阵分解的船只检测方法 | 第40-42页 |
| ·二维离散小波分解 | 第40页 |
| ·稀疏约束下的非负矩阵分解 | 第40-41页 |
| ·基于小波变换和非负稀疏矩阵分解的船只检测 | 第41-42页 |
| ·实验及结果分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 5 极化 SAR 图像船只分类识别的研究 | 第45-52页 |
| ·引言 | 第45页 |
| ·基于独立分量分析与神经网络的 SAR 图像识别方法 | 第45-47页 |
| ·独立分量分析 | 第45-46页 |
| ·FMM 神经网络 | 第46页 |
| ·基于 ICA 及 FMM 集成的船只识别 | 第46-47页 |
| ·基于主成分分析特征的船只分类识别 | 第47-49页 |
| ·主成分分析 | 第47页 |
| ·支持向量机 | 第47-49页 |
| ·基于 PCA 及支持向量机的船只分类识别 | 第49页 |
| ·基于极化目标分解的船只识别 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |