| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10页 |
| 1.2 国内外研究历史与现状 | 第10-15页 |
| 1.2.1 SAR目标识别的研究历史和现状 | 第10-13页 |
| 1.2.2 稀疏表示研究历史和现状 | 第13-15页 |
| 1.2.3 基于稀疏表示的SAR目标识别研究历史与现状 | 第15页 |
| 1.3 本文的主要贡献与创新 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 稀疏表示理论 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 稀疏表示 | 第17-19页 |
| 2.3 稀疏表示系数求解算法 | 第19-21页 |
| 2.4 稀疏表示在SAR目标识别的应用 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 SAR图像预处理 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 MSTAR数据简介 | 第25-26页 |
| 3.3 SAR图像预处理 | 第26-30页 |
| 3.3.1 支持向量机 | 第27-29页 |
| 3.3.2 基于SVM的SAR图像分割 | 第29-30页 |
| 3.4 SAR图像预处理实验 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于最大化稀疏重构间隙投影的SAR目标识别 | 第34-52页 |
| 4.1 引言 | 第34页 |
| 4.2 稀疏邻域保留嵌入 | 第34-37页 |
| 4.3 最大化稀疏重构间隙投影 | 第37-45页 |
| 4.3.1 稀疏重构权重的求取方法 | 第37-40页 |
| 4.3.2 目标式的改写 | 第40-45页 |
| 4.4 基于最大化稀疏重构间隙的SAR目标识别实验与分析 | 第45-51页 |
| 4.4.1 不同特征提取方法在三种分类器上的实验 | 第45-47页 |
| 4.4.2 最大化稀疏重构间隙投影的抗噪性 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于改进的联合稀疏表示的SAR目标识别 | 第52-70页 |
| 5.1 引言 | 第52页 |
| 5.2 联合稀疏表示 | 第52-55页 |
| 5.3 改进的联合稀疏表示 | 第55-62页 |
| 5.3.1 单个视角下的稀疏表示求解方法选择 | 第56-58页 |
| 5.3.2 共有模式的寻求 | 第58-61页 |
| 5.3.3 基于改进的联合稀疏表示的识别算法 | 第61-62页 |
| 5.4 基于改进的联合稀疏表示的SAR目标识别实验与分析 | 第62-69页 |
| 5.4.1 实验前提 | 第62-64页 |
| 5.4.2 实验结果与分析 | 第64-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 全文总结与展望 | 第70-72页 |
| 6.1 全文总结 | 第70页 |
| 6.2 后续工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |
