| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 选题背景及研究意义 | 第14-15页 |
| 1.2 课题来源 | 第15页 |
| 1.3 SAR图像目标识别系统简介 | 第15-16页 |
| 1.4 SAR图像处理国内外研究状况 | 第16-18页 |
| 1.5 论文主要安排 | 第18-20页 |
| 第二章 SAR图像去噪 | 第20-38页 |
| 2.1 SAR图像成像原理 | 第20-21页 |
| 2.2 相干斑噪声的数学特性 | 第21-22页 |
| 2.3 空间域滤波去噪 | 第22-24页 |
| 2.3.1 Lee滤波 | 第22页 |
| 2.3.2 Kuan滤波 | 第22-23页 |
| 2.3.3 Frost滤波 | 第23页 |
| 2.3.4 Sigma滤波 | 第23-24页 |
| 2.4 变换域去噪 | 第24-32页 |
| 2.4.1 多尺度变换分析 | 第24-25页 |
| 2.4.2 小波变换 | 第25-27页 |
| 2.4.3 剪切波变换 | 第27-32页 |
| 2.5 增强型Shearlet域SAR图像去噪 | 第32-37页 |
| 2.5.1 SAR图像局部特性分析 | 第32页 |
| 2.5.2 增强型Shearlet域SAR图像去噪的算法步骤 | 第32-33页 |
| 2.5.3 斑点噪声抑制的评价指标 | 第33-34页 |
| 2.5.4 实验结果及分析 | 第34-37页 |
| 2.6 本章小节 | 第37-38页 |
| 第三章 SAR图像分割技术 | 第38-56页 |
| 3.1 阈值分割 | 第38-43页 |
| 3.1.1 一维最大类间方差法阈值分割 | 第39-41页 |
| 3.1.2 二维最大类间方差法阈值分割 | 第41-43页 |
| 3.2 基于马尔可夫随机场的SAR图像分割 | 第43-46页 |
| 3.2.1 马尔可夫随机场图像模型的数学描述 | 第43-45页 |
| 3.2.2 算法流程 | 第45-46页 |
| 3.3 基于脉冲耦合神经网络的图像分割 | 第46-48页 |
| 3.3.1 脉冲耦合神经网络模型 | 第46-48页 |
| 3.3.2 PCNN图像分割的原理 | 第48页 |
| 3.4 改进型脉冲耦合神经网络SAR图像分割 | 第48-55页 |
| 3.4.1 改进型PCNN数学模型 | 第48-49页 |
| 3.4.2 改进PCNN神经元参数的设定 | 第49-51页 |
| 3.4.3 分割算法流程 | 第51页 |
| 3.4.4 实验结果及分析 | 第51-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 SAR图像道路目标识别 | 第56-71页 |
| 4.1 SAR图像目标的几何特征分析 | 第56-57页 |
| 4.1.1 点目标 | 第56-57页 |
| 4.1.2 线目标 | 第57页 |
| 4.1.3 面目标 | 第57页 |
| 4.2 道路特征 | 第57-59页 |
| 4.3 道路目标识别 | 第59-70页 |
| 4.3.1 道路边缘检测 | 第59-63页 |
| 4.3.2 道路线性特征提取 | 第63-64页 |
| 4.3.3 遗传算法全局道路搜索连接 | 第64-69页 |
| 4.3.4 道路识别算法流程 | 第69-70页 |
| 4.3.5 实验结果及分析 | 第70页 |
| 4.4 本章小节 | 第70-71页 |
| 第五章 总结和展望 | 第71-73页 |
| 5.1 全文工作总结 | 第71页 |
| 5.2 未来研究展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第77-78页 |