| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 SAR ATR研究现状 | 第17-18页 |
| 1.3 MSTAR数据集介绍 | 第18-20页 |
| 1.4 论文主要内容安排 | 第20-22页 |
| 第二章 SAR图像目标识别方法 | 第22-34页 |
| 2.1 概述 | 第22-23页 |
| 2.2 基于模板匹配的SAR图像目标识别 | 第23-25页 |
| 2.2.1 概述 | 第23页 |
| 2.2.2 模板匹配试验及结果 | 第23-25页 |
| 2.3 HD距离基础上的点集匹配方法 | 第25-27页 |
| 2.3.1 HD距离 | 第25-26页 |
| 2.3.2 实验结果 | 第26-27页 |
| 2.4 基于PCA特征提取和SVM分类器的SAR图像识别方法 | 第27-31页 |
| 2.4.1 PCA理论 | 第27-28页 |
| 2.4.2 SVM分类器 | 第28-30页 |
| 2.4.3 实验结果 | 第30-31页 |
| 2.5 基于稀疏表示的SAR图像目标识别 | 第31-32页 |
| 2.5.1 稀疏表示 | 第31页 |
| 2.5.2 实验结果 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 SIFT特征在SAR图像目标识别中的应用 | 第34-46页 |
| 3.1 概述 | 第34页 |
| 3.2 局部SIFT描述符 | 第34-35页 |
| 3.3 基于SIFT特征与空间金字塔模型的SAR图像目标识别 | 第35-36页 |
| 3.4 基于SIFT特征与Bo W模型的SAR图像目标识别 | 第36-38页 |
| 3.4.1 特征提取 | 第36页 |
| 3.4.2 局部限制性编码 | 第36-37页 |
| 3.4.3 池化 | 第37页 |
| 3.4.4 分类器 | 第37页 |
| 3.4.5 实验结果与分析 | 第37-38页 |
| 3.5 基于幅度特征与SIFT特征融合的SAR图像目标识别 | 第38-45页 |
| 3.5.1 引言 | 第38-39页 |
| 3.5.2 图像预处理 | 第39页 |
| 3.5.3 特征提取 | 第39页 |
| 3.5.4 联合动态稀疏表示 | 第39-41页 |
| 3.5.5 识别准则 | 第41页 |
| 3.5.6 实验结果与分析 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于Gaussian PGBM模型的SAR图像目标识别方法 | 第46-60页 |
| 4.1 概述 | 第46-47页 |
| 4.2 深度置信网络 | 第47-52页 |
| 4.2.1 限制玻尔兹曼机 | 第47-48页 |
| 4.2.2 RBM的训练过程 | 第48-50页 |
| 4.2.3 高斯限制玻尔兹曼机 | 第50-51页 |
| 4.2.4 深度置信网络 | 第51-52页 |
| 4.3 高斯点控玻尔兹曼机模型 | 第52-54页 |
| 4.3.1 点控玻尔兹曼机模型 | 第52-53页 |
| 4.3.2 PGBM的训练过程 | 第53-54页 |
| 4.3.3 高斯点控波尔兹曼机模型 | 第54页 |
| 4.4 实验结果与讨论 | 第54-58页 |
| 4.4.1 基于Gaussian PGBM模型的SAR图像目标识别流程 | 第54-55页 |
| 4.4.2 实验结果 | 第55-57页 |
| 4.4.3 显层标准差对实验结果的影响 | 第57页 |
| 4.4.4 高斯滤波对实验结果的影响 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文工作总结 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |
