| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8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 合成孔径雷达简介 | 第16-18页 |
| 1.2 传统SAR图像目标检测算法及其不足 | 第18-22页 |
| 1.2.1 CFAR检测算法简介 | 第18-19页 |
| 1.2.2 CFAR检测算法中的统计模型 | 第19页 |
| 1.2.3 传统方法存在的问题 | 第19页 |
| 1.2.4 本文章节安排 | 第19-22页 |
| 第二章 传统SAR图像目标检测算法简介 | 第22-42页 |
| 2.1 CFAR方法简介 | 第23-25页 |
| 2.2 参数模型的选取 | 第25-30页 |
| 2.2.1 基于广义伽马分布的CFAR算法 | 第25-27页 |
| 2.2.2 基于高斯分布的CFAR算法 | 第27-28页 |
| 2.2.3 基于四阶函数分布的CFAR算法 | 第28页 |
| 2.2.4 基于瑞利分布的CFAR算法 | 第28-30页 |
| 2.3 参数估计方法 | 第30-34页 |
| 2.3.1 最大似然估计方法 | 第30-31页 |
| 2.3.2 矩估计法 | 第31-32页 |
| 2.3.3 基于梅林变换的参数估计 | 第32-34页 |
| 2.4 传统参数模型拟合结果展示 | 第34-37页 |
| 2.5 参数评价方法 | 第37-40页 |
| 2.5.1 KL距离测试 | 第37页 |
| 2.5.2 KS测试 | 第37-38页 |
| 2.5.3 MSE测度 | 第38页 |
| 2.5.4 卡方检验 | 第38-40页 |
| 2.6 传统CFAR检测算法检测结果展示 | 第40-42页 |
| 第三章 超高分辨SAR图像分层特征稀疏表示 | 第42-54页 |
| 3.1 混合模型简介 | 第42-43页 |
| 3.1.1 基于混合高斯模型的CFAR检测算法 | 第42-43页 |
| 3.2 超高分辨SAR图像特征稀疏表示 | 第43-45页 |
| 3.2.1 特征稀疏表示的必要性 | 第45页 |
| 3.3 基于字典的稀疏表示模型 | 第45-49页 |
| 3.3.1 K-SVD方法简介 | 第46-47页 |
| 3.3.2 分层字典特征稀疏表示 | 第47-49页 |
| 3.4 追踪算法 | 第49-51页 |
| 3.4.1 基追踪算法 | 第49-50页 |
| 3.4.2 匹配追踪算法 | 第50-51页 |
| 3.4.3 正交匹配追踪算法 | 第51页 |
| 3.5 实验结果展示与分析 | 第51-54页 |
| 第四章 基于分层稀疏特征和三马尔可夫随机场的高分辨图像目标检测 | 第54-80页 |
| 4.1 马尔可夫随机场模型简介 | 第54-62页 |
| 4.1.1 马尔可夫随机场与图像的关系 | 第55-56页 |
| 4.1.2 马尔可夫性与马尔可夫随机场 | 第56-57页 |
| 4.1.3 马尔可夫随机场和Gibbs分布的等价性 | 第57-59页 |
| 4.1.4 常用的马尔可夫场模型 | 第59-62页 |
| 4.2 基于马尔可夫模型的SAR图像分类 | 第62-66页 |
| 4.2.1 隐马尔可夫模型 | 第63-65页 |
| 4.2.2 双马尔可夫场 | 第65-66页 |
| 4.3 三马尔可夫随机场 | 第66-70页 |
| 4.4 基于分层稀疏特征的三马尔可夫高分辨SAR图像分类 | 第70-73页 |
| 4.4.1 建立附加场 | 第70-71页 |
| 4.4.2 基于分层稀疏特征的三马尔可夫场高分辨SAR图像分割 | 第71-72页 |
| 4.4.3 实验结果展示与分析 | 第72-73页 |
| 4.5 确定目标并利用阴影对残缺目标进行补偿 | 第73-80页 |
| 4.5.1 目标确定并利用阴影对目标进行补偿 | 第74-76页 |
| 4.5.2 检测结果展示与分析 | 第76-80页 |
| 第五章 结论与展望 | 第80-82页 |
| 5.1 本文工作总结 | 第80-81页 |
| 5.2 高分辨SAR图像目标检测的未来 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 作者简介 | 第90-91页 |
