| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-26页 |
| ·研究背景及意义 | 第10-13页 |
| ·SAIR 发展现状 | 第13-20页 |
| ·本文使用的学习机器概述 | 第20-24页 |
| ·论文研究内容和结构安排 | 第24-26页 |
| 2 SAIR 图像反演问题 | 第26-43页 |
| ·SAIR 基本成像原理 | 第26-30页 |
| ·SAIR 亮温重建的数学模型 | 第30-31页 |
| ·传统的 SAIR 图像反演方法 | 第31-34页 |
| ·SAIR 图像反演的模型选取问题 | 第34-38页 |
| ·SAIR 图像反演面临的困难 | 第38-42页 |
| ·本章小节 | 第42-43页 |
| 3 基于贝叶斯学习机器的 SAIR 图像反演方法 | 第43-67页 |
| ·引言 | 第43页 |
| ·SAIR 图像反演的统计特性 | 第43-47页 |
| ·贝叶斯模型选取 | 第47-50页 |
| ·基于贝叶斯学习机器的 SAIR 图像反演法 | 第50-58页 |
| ·仿真 | 第58-64页 |
| ·实验 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 4 基于结构风险最小化原则的 SAIR 图像反演方法 | 第67-91页 |
| ·引言 | 第67-68页 |
| ·结构风险最小化原则 | 第68-69页 |
| ·SAIR 图像反演问题的分解 | 第69-75页 |
| ·基于确定性结构风险最小化的 SAIR 图像反演方法 | 第75-80页 |
| ·贝叶斯结构风险最小化 SAIR 图像反演方法 | 第80-88页 |
| ·实验 | 第88-89页 |
| ·本章小结 | 第89-91页 |
| 5 基于稳健核回归的 SAIR 目标检测算法 | 第91-104页 |
| ·引言 | 第91-92页 |
| ·基于稳健核回归的 SAIR 目标检测算法 | 第92-99页 |
| ·仿真和实验 | 第99-103页 |
| ·本章小结 | 第103-104页 |
| 6 全文总结与展望 | 第104-107页 |
| ·全文总结 | 第104-105页 |
| ·展望 | 第105-107页 |
| 参考文献 | 第107-120页 |
| 附录 1 中英文对照表 | 第120-121页 |
| 附录 2 攻读博士期间发表的论文列表 | 第121页 |