| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究目的及意义 | 第15-17页 |
| 1.2 研究现状 | 第17-19页 |
| 1.3 本文主要贡献和内容安排 | 第19-23页 |
| 第二章 SAR图像质量评估基础 | 第23-35页 |
| 2.1 SAR图像成像对分辨率的影响 | 第23-24页 |
| 2.2 灰度共生矩阵特性及结构相似度原理 | 第24-27页 |
| 2.2.1 灰度共生矩阵原理及特性 | 第24-26页 |
| 2.2.2 结构相似度原理及方法 | 第26-27页 |
| 2.3 人类视觉系统(HVS)基本原理 | 第27-29页 |
| 2.3.1 SAR图像的视觉特征 | 第27页 |
| 2.3.2 人类视觉系统的特征 | 第27-28页 |
| 2.3.3 人类视觉系统针对SAR图像的特征 | 第28-29页 |
| 2.4 SAR图像的雷达图像特性 | 第29-33页 |
| 2.4.1 基于点目标评估特性 | 第30-32页 |
| 2.4.2 基于面目标评估 | 第32-33页 |
| 2.5 主观质量评估 | 第33-34页 |
| 2.6 客观质量评估 | 第34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 基于纹理特征和SSIM的SAR图像质量评估方法 | 第35-45页 |
| 3.1 多视SAR图像原理分析 | 第35页 |
| 3.2 结构相似度(SSIM)评估方法分析 | 第35页 |
| 3.3 基于纹理特征和结构相似度的SAR图像质量评估模型 | 第35-38页 |
| 3.3.1 灰度共生矩阵提取各图像的能量特征 | 第35-36页 |
| 3.3.2 改进结构相似度评估方法 | 第36-38页 |
| 3.4 实验与评估结果分析 | 第38-44页 |
| 3.4.1 实验设置 | 第38页 |
| 3.4.2 人工合成多视SAR图像上实验 | 第38-41页 |
| 3.4.3 RADARSAT-2 雷达多视SAR图像上实验 | 第41-43页 |
| 3.4.4 评估结果分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于对比度和IHVS的SAR图像质量评估方法 | 第45-57页 |
| 4.1 对比度对图像质量的影响 | 第45-46页 |
| 4.2 小波变换建立人类视觉系统模型 | 第46页 |
| 4.3 基于对比度和改进人类视觉系统的SAR图像质量评估模型 | 第46-50页 |
| 4.3.1 改进人类视觉系统(IHVS) | 第47-50页 |
| 4.3.2 建立对比度等级评估值 | 第50页 |
| 4.4 实验与评估结果分析 | 第50-55页 |
| 4.4.1 实验设置 | 第50-51页 |
| 4.4.2 不同对比度单幅RADARSAT-2 雷达SAR图像质量评估 | 第51-53页 |
| 4.4.3 MSTAR数据集中不同车辆图像质量评估 | 第53-54页 |
| 4.4.4 评估结果分析 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 面向车辆检测任务的SAR图像应用能力的评估方法 | 第57-69页 |
| 5.1 车辆检测方法分析 | 第57页 |
| 5.2 应用适应度方法 | 第57-58页 |
| 5.3 面向车辆检测任务的SAR图像应用能力的评估模型 | 第58-60页 |
| 5.3.1 SAR图像特征参数标准值 | 第59页 |
| 5.3.2 单一应用适应度评估值 | 第59页 |
| 5.3.3 图像目标应用适应度值 | 第59-60页 |
| 5.4 实验与评估结果分析 | 第60-66页 |
| 5.4.1 实验设置 | 第60-61页 |
| 5.4.2 MSTAR车辆图像应用适应度检测实验 | 第61-63页 |
| 5.4.3 单幅多车辆机载SAR图像应用适应度检测实验 | 第63-65页 |
| 5.4.4 评估结果分析 | 第65-66页 |
| 5.5 本章小结 | 第66-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
