| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·背景介绍 | 第12-13页 |
| ·研究内容与发展现状 | 第13-15页 |
| ·论文的主要内容 | 第15-16页 |
| ·论文的贡献 | 第16-18页 |
| 第二章 SAR图像分类与自动目标识别技术综述 | 第18-36页 |
| ·引言 | 第18页 |
| ·SAR图像的基本特性 | 第18-20页 |
| ·概述 | 第18-19页 |
| ·SAR图像的基本特性 | 第19-20页 |
| ·SAR图像的地物分类 | 第20-28页 |
| ·概述 | 第20-21页 |
| ·SAR图像的特征提取与选择 | 第21-23页 |
| ·SAR图像的地物分类方法 | 第23-27页 |
| ·SAR图像地物分类的发展与趋势 | 第27-28页 |
| ·SAR图像的自动目标识别 | 第28-35页 |
| ·概述 | 第28-29页 |
| ·SAR ATR的系统框架 | 第29-30页 |
| ·SAR ATR的系统分类 | 第30-31页 |
| ·SAR ATR的研究现状 | 第31-33页 |
| ·SAR ATR的主要难点 | 第33-34页 |
| ·SAR ATR的发展趋势 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于AdaBoost的SAR图像地物分类方法 | 第36-61页 |
| ·引言 | 第36页 |
| ·AdaBoost算法 | 第36-42页 |
| ·统计学习理论 | 第36-37页 |
| ·AdaBoost算法描述 | 第37-38页 |
| ·AdaBoost算法理论分析 | 第38-40页 |
| ·Bagging | 第40-41页 |
| ·多类问题的AdaBoost算法 | 第41-42页 |
| ·纠错输出码(Error Correcting Output Code,ECOC) | 第42-45页 |
| ·纠错输出码的定义 | 第43-44页 |
| ·纠错输出码的性质 | 第44页 |
| ·纠错输出码的方法分析 | 第44-45页 |
| ·基于AdaBoost的SAR图像地物分类方法 | 第45-56页 |
| ·特征提取Ⅰ:灰度共生矩阵 | 第45-47页 |
| ·特征提取Ⅱ:局部二值模式(Local Binary Pattern,LBP) | 第47-50页 |
| ·分类方法:AdaBoost.ECOC | 第50-51页 |
| ·弱分类器:Decision Stump | 第51页 |
| ·编码方法:自适应哈达玛矩阵(Adaptive Hardmard Matrix) | 第51-53页 |
| ·实验及结果分析 | 第53-56页 |
| ·基于MetaClass的SAR图像地物分类方法 | 第56-60页 |
| ·算法描述 | 第57-59页 |
| ·实验及结果分析 | 第59-60页 |
| ·本掌小结 | 第60-61页 |
| 第四章 基于半监督学习和主动学习的SAR图像地物分类方法 | 第61-87页 |
| ·引言 | 第61页 |
| ·半监督学习 | 第61-66页 |
| ·研究背景 | 第61-62页 |
| ·算法描述 | 第62-63页 |
| ·半监督学习和监督学习的区别 | 第63-64页 |
| ·未标记样本的价值 | 第64-65页 |
| ·相关工作 | 第65-66页 |
| ·EM算法(Self-Training算法) | 第66-72页 |
| ·算法描述 | 第67-68页 |
| ·递增性和收敛性 | 第68-69页 |
| ·实验及结果分析 | 第69-72页 |
| ·Co-Training算法 | 第72-74页 |
| ·算法描述 | 第72-74页 |
| ·实验及结果分析 | 第74页 |
| ·Agreement-Training算法 | 第74-76页 |
| ·算法描述 | 第74-76页 |
| ·实验及结果分析 | 第76页 |
| ·Combination-Training算法 | 第76-79页 |
| ·算法描述 | 第76-79页 |
| ·实验及结果分析 | 第79页 |
| ·主动学习 | 第79-86页 |
| ·引言 | 第80页 |
| ·主动学习与被动学习 | 第80-82页 |
| ·主动学习算法 | 第82-83页 |
| ·相关工作 | 第83-84页 |
| ·主动学习与半监督学习的融合 | 第84-85页 |
| ·算法描述 | 第85-86页 |
| ·实验及结果分析 | 第86页 |
| ·本章小结 | 第86-87页 |
| 第五章 SAR图像自动目标识别方法研究 | 第87-117页 |
| ·引言 | 第87-88页 |
| ·SAR图像的目标检测 | 第88-90页 |
| ·基于Rayleigh分布的SAR图像目标检测 | 第88-89页 |
| ·基于Gaussion分布的SAR图像目标检测 | 第89-90页 |
| ·SAR图像的特征选择及其不变性 | 第90-104页 |
| ·宽基线特征匹配 | 第91-92页 |
| ·峰值特征 | 第92页 |
| ·基于Radon变换的特征 | 第92-94页 |
| ·不变矩 | 第94-95页 |
| ·SIFT(Scale Invariant Feature Transform) | 第95-100页 |
| ·实验及结果分析 | 第100-104页 |
| ·SAR目标的方位角估计 | 第104-109页 |
| ·基于包络盒的方位角估计 | 第104-105页 |
| ·基于互信息的方位角估计 | 第105-108页 |
| ·实验及结果分析 | 第108-109页 |
| ·基于隐马尔可夫的SAR目标自动识别方法 | 第109-113页 |
| ·隐马尔可夫模型 | 第110页 |
| ·隐马尔可夫模型的定义 | 第110-111页 |
| ·隐马尔可夫模型的基本算法 | 第111-112页 |
| ·基于隐马尔可夫模型的SAR目标自动识别方法 | 第112-113页 |
| ·基于样本(Exemplar-Based)分类的SAR目标自动识别方法 | 第113-115页 |
| ·实验及结果分析 | 第115-116页 |
| ·本章小结 | 第116-117页 |
| 第六章 结束语 | 第117-120页 |
| 参考文献 | 第120-128页 |
| 攻读博士期间发表的论文 | 第128-129页 |
| 致谢 | 第129页 |
