| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景与意义 | 第10-11页 |
| ·国内外发展现状 | 第11-13页 |
| ·SAR 目标识别研究现状分析 | 第11-12页 |
| ·非负矩阵分解（NMF）的发展及应用现状 | 第12-13页 |
| ·本文内容安排 | 第13-15页 |
| 第二章 SAR 图像特征提取分析及 NMF 算法研究 | 第15-26页 |
| ·传统特征方法研究 | 第15-18页 |
| ·主成分分析法（PCA）特征提取研究 | 第15-17页 |
| ·独立分量分析法（ICA）特征提取研究 | 第17-18页 |
| ·非负矩阵分解（NMF）特征提取方法研究 | 第18-25页 |
| ·NMF 理论算法研究 | 第19-20页 |
| ·NMF 收敛性推导 | 第20-22页 |
| ·NMF 在 SAR 图像中的应用 | 第22-23页 |
| ·基于 NMF 的目标分类识别结果研究 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于稀疏约束的 NMF 特征提取算法研究 | 第26-55页 |
| ·稀疏理论及应用 | 第26-34页 |
| ·SAR 图像稀疏性分析 | 第26-27页 |
| ·稀疏理论及稀疏约束 | 第27-29页 |
| ·加入稀疏约束的 NMF 特征提取法 | 第29-30页 |
| ·仿真结果比较及分析 | 第30-34页 |
| ·基于平滑约束的稀疏 NMF 特征提取法 | 第34-40页 |
| ·平滑约束矩阵理论及应用 | 第34-36页 |
| ·迭代公式推导 | 第36-37页 |
| ·仿真结果比较与分析 | 第37-40页 |
| ·基于半监督学习的稀疏 NMF 特征提取法 | 第40-47页 |
| ·半监督学习理论以及应用 | 第40-42页 |
| ·迭代公式推导 | 第42页 |
| ·仿真结果比较与分析 | 第42-46页 |
| ·基于稀疏的 NMF 在分类识别中的应用 | 第46-47页 |
| ·特征高斯分布在特征提取结果的研究 | 第47-53页 |
| ·基于高斯核的 PARZEN 算法在特征分类上的应用 | 第47-49页 |
| ·同角度不同目标其特征高斯分布 | 第49-52页 |
| ·同目标不同角度其特征高斯分布 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 基于稀疏 NMF 的 SAR 图像散射点的提取 | 第55-70页 |
| ·属性散射中心特征提取方法 | 第55-63页 |
| ·SAR 图像散射中心特性分析 | 第55-57页 |
| ·属性散射中心模型介绍 | 第57页 |
| ·模型参数初值估计 | 第57-59页 |
| ·模型判定以及优化迭代过程的研究 | 第59-62页 |
| ·属性散射中心特征提取法基本步骤 | 第62-63页 |
| ·散射中心提取法在 SAR 图像中的应用 | 第63-69页 |
| ·属性散射中心特征提取法的验证 | 第63-66页 |
| ·MSTAR 图片散射点与基于稀疏 NMF 特征出图比较 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 结论 | 第70-72页 |
| ·本文总结 | 第70页 |
| ·工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士期间取得的研究成果 | 第77-78页 |
