基于稀疏表示的SAR图像目标识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-13页 |
| 1.2.1 SAR图像目标识别的发展现状 | 第11-12页 |
| 1.2.2 基于稀疏表示的目标识别研究动态 | 第12-13页 |
| 1.3 本文工作及内容安排 | 第13-16页 |
| 第二章 基于稀疏表示的SAR图像识别理论 | 第16-29页 |
| 2.1 SAR图像特性及MSTAR数据简介 | 第16-18页 |
| 2.2 SAR图像识别关键技术 | 第18-21页 |
| 2.2.1 SAR图像预处理 | 第19-20页 |
| 2.2.2 SAR图像特征提取 | 第20-21页 |
| 2.2.3 SAR图像分类识别 | 第21页 |
| 2.3 稀疏表示理论简介 | 第21-25页 |
| 2.3.1 冗余字典的构造 | 第23-24页 |
| 2.3.2 稀疏求解理论模型 | 第24-25页 |
| 2.4 基于稀疏表示的SAR图像目标识别 | 第25-27页 |
| 2.4.1 SAR图像的稀疏特性分析 | 第25-27页 |
| 2.4.2 基于稀疏表示的SAR目标识别框图 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 冗余字典的构造 | 第29-47页 |
| 3.1 原始冗余字典的缺陷分析 | 第29-31页 |
| 3.2 构造小波域冗余字典 | 第31-41页 |
| 3.2.1 小波域冗余字典理论简介 | 第31-35页 |
| 3.2.2 小波各因素对识别的影响 | 第35-38页 |
| 3.2.3 字典改进前后的差异表示能力对比分析 | 第38-41页 |
| 3.3 基于近邻子空间的动态字典 | 第41-46页 |
| 3.3.1 基于近邻子空间的字典压缩 | 第42-44页 |
| 3.3.2 基于近邻子空间的动态字典构造 | 第44-45页 |
| 3.3.3 仿真实验分析 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于冗余字典的稀疏分解 | 第47-64页 |
| 4.1 稀疏分解算法研究 | 第47-54页 |
| 4.1.1 最小L1范数凸优化算法 | 第47-50页 |
| 4.1.2 OMP贪婪迭代算法 | 第50-52页 |
| 4.1.3 算法性能对比分析 | 第52-54页 |
| 4.2 改进的OMP算法 | 第54-58页 |
| 4.2.1 算法流程描述 | 第54-55页 |
| 4.2.2 算法仿真分析 | 第55-56页 |
| 4.2.3 改进前后仿真对比分析 | 第56-58页 |
| 4.3 分类识别器设计 | 第58-60页 |
| 4.4 基于稀疏表示的SAR图像目标识别结果 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 基于稀疏表示的SAR目标识别实验 | 第64-71页 |
| 5.1 仿真实验方案设计 | 第64页 |
| 5.2 引入小波处理前后的识别率对比实验 | 第64-65页 |
| 5.3 不同训练样本大小下的识别率对比实验 | 第65-66页 |
| 5.4 非理想情况下的识别率对比实验 | 第66-69页 |
| 5.4.1 有噪声情况下的识别率对比实验 | 第66-67页 |
| 5.4.2 有遮挡情况下的识别率对比实验 | 第67-68页 |
| 5.4.3 分辨率下降情况下的识别率对比实验 | 第68-69页 |
| 5.5 本文方法与其他识别方法的对比分析实验 | 第69-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 硕士研究生期间发表的论文 | 第77-78页 |
