首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

SAR图像海面舰船目标检测算法研究

摘要第2-3页
Abstract第3页
第一章 绪论第6-12页
    1.1 课题主要研究背景和意义第6-7页
    1.2 课题的国内外研究现状第7-11页
    1.3 论文的研究内容和结构安排第11-12页
第二章 SAR图像舰船目标检测基础理论第12-29页
    2.1 SAR图像及目标基本特性第12-14页
        2.1.1 SAR图像特征第12页
        2.1.2 舰船目标特征第12-14页
    2.2 基于CFAR的舰船检测原理第14-28页
        2.2.1 CFAR检测算法描述第14-15页
        2.2.2 均值类CFAR检测器第15-24页
        2.2.3 有序统计类CFAR检测器第24-28页
    2.3 本章小结第28-29页
第三章 SAR图像杂波统计建模第29-43页
    3.1 海杂波统计模型及参数估计第29-35页
        3.1.1 瑞利分布及参数估计第29-30页
        3.1.2 对数-正态分布及参数估计第30-32页
        3.1.3 韦布尔分布及参数估计第32-33页
        3.1.4 K分布及参数估计第33-35页
    3.2 海杂波模型仿真第35-42页
        3.2.1 杂波仿真方法第35-37页
        3.2.2 仿真结果第37-42页
    3.3 本章小结第42-43页
第四章 杂波模型自动识别方法第43-54页
    4.1 拟合优度检验方法第43-46页
        4.1.1 Chi-Square检验第43-44页
        4.1.2 K-S检验第44-45页
        4.1.3 Anderson-Darling检验第45-46页
    4.2 A-D检验方法及临界值计算第46-47页
    4.3 AD检验结果与参数估计的融合分析第47-50页
    4.4 仿真结果第50-53页
        4.4.1 仿真杂波辨识性能对比实验第50-52页
        4.4.2 真实杂波分布模型识别实验第52-53页
    4.5 本章小结第53-54页
第五章 基于杂波模型的检测算法第54-71页
    5.1 引言第54-55页
    5.2 针对韦布尔分布的循环剔除TLM-CFAR检测算法第55-70页
        5.2.1 TL矩估计(TL-MomentEstimation)第55-58页
        5.2.2 TLM-CFAR检测器第58-62页
        5.2.3 多目标环境下循环剔除TLM-CFAR算法第62-64页
        5.2.4 性能分析及试验结果第64-70页
    5.3 本章小结第70-71页
第六章 总结与展望第71-72页
参考文献第72-76页
致谢第76-78页
个人简历、在学期间发表的学术论文与研究成果第78页

论文共78页,点击 下载论文
上一篇:基于内容的图片管理平台研究与实现
下一篇:基于线结构光视觉的定制鞋楦外形反求装置研发