| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的背景及研究意义 | 第9-10页 |
| 1.2 国内外的研究现状及分析 | 第10-15页 |
| 1.2.1 SAR图像相干斑噪声抑制的发展概述 | 第11-12页 |
| 1.2.2 SAR图像目标检测的发展概述 | 第12-13页 |
| 1.2.3 SAR图像特征提取的发展概述 | 第13-15页 |
| 1.3 本课题的主要研究内容 | 第15页 |
| 1.4 本文结构 | 第15-17页 |
| 第2章 SAR基本原理及SAR图像预处理 | 第17-30页 |
| 2.1 前言 | 第17页 |
| 2.2 SAR成像机理 | 第17-19页 |
| 2.3 相干斑噪声产生机理 | 第19页 |
| 2.4 去噪算法的性能评价准则 | 第19-20页 |
| 2.5 空间域相干斑噪声抑制算法 | 第20-24页 |
| 2.5.1 LEE滤波 | 第20-21页 |
| 2.5.2 Kuan滤波 | 第21-22页 |
| 2.5.3 Frost滤波 | 第22页 |
| 2.5.4 Gammap MAP滤波 | 第22-23页 |
| 2.5.5 仿真结果与分析 | 第23-24页 |
| 2.6 变换域相干斑噪声抑制算法 | 第24-28页 |
| 2.6.1 小波滤波 | 第24-25页 |
| 2.6.2 Curvelet滤波 | 第25-26页 |
| 2.6.3 仿真结果与分析 | 第26-28页 |
| 2.7 本章小结 | 第28-30页 |
| 第3章 SAR图像目标检测算法研究 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 基于阈值分割的SAR图像目标检测算法 | 第30-33页 |
| 3.2.1 基于全局阈值分割的SAR图像目标检测算法 | 第30-31页 |
| 3.2.2 基于最大熵值分割的SAR图像目标检测算法 | 第31-32页 |
| 3.2.3 基于最大类间方差法的SAR图像目标检测算法 | 第32-33页 |
| 3.3 基于数学形态学的SAR图像目标检测算法 | 第33-34页 |
| 3.4 基于脉冲耦合神经网络的SAR图像目标检测算法 | 第34-38页 |
| 3.5 基于改进型脉冲耦合神经网络的SAR图像目标检测算法 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 SAR图像目标特征提取与分析研究 | 第41-65页 |
| 4.1 引言 | 第41页 |
| 4.2 几何特征提取 | 第41-42页 |
| 4.3 矩特征提取 | 第42-55页 |
| 4.3.1 Hu矩特征提取 | 第42-45页 |
| 4.3.2 Zernike矩特征提取 | 第45-55页 |
| 4.4 转角特征提取 | 第55-64页 |
| 4.4.1 角点特征提取 | 第55-59页 |
| 4.4.2 转角特征提取 | 第59-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 SAR图像目标的辅助信息特征提取研究 | 第65-75页 |
| 5.1 引言 | 第65页 |
| 5.2 阴影特征提取 | 第65-71页 |
| 5.2.1 阴影几何特征提取 | 第67-68页 |
| 5.2.2 阴影Zernike边缘特征提取 | 第68页 |
| 5.2.3 阴影转角特征提取 | 第68-69页 |
| 5.2.4 阴影高度特征提取 | 第69-71页 |
| 5.3 SAR图像目标特征提取软件 | 第71-74页 |
| 5.4 本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第82-84页 |
| 致谢 | 第84页 |
