| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状与发展趋势 | 第14-17页 |
| 1.2.1 SAR图像统计特性的研究现状 | 第14-15页 |
| 1.2.2 目标检测的研究现状 | 第15-17页 |
| 1.3 本文内容与章节安排 | 第17-19页 |
| 第二章 SAR图像杂波统计模型分析 | 第19-41页 |
| 2.1 引言 | 第19-20页 |
| 2.2 SAR图像统计模型及其参数估计 | 第20-27页 |
| 2.2.1 经验分布 | 第20-21页 |
| 2.2.2 由乘积模型发展的统计模型 | 第21-24页 |
| 2.2.3 其他模型 | 第24-25页 |
| 2.2.4 参数估计 | 第25-27页 |
| 2.3 模型拟合精度评价准则 | 第27-28页 |
| 2.3.1 K-L距离 | 第27页 |
| 2.3.2 K-S检验统计量 | 第27页 |
| 2.3.3 MSE检验 | 第27页 |
| 2.3.4 AIC准则 | 第27-28页 |
| 2.4 实验结果分析 | 第28-40页 |
| 2.4.1 自然植被区 | 第28-33页 |
| 2.4.2 无植被的人造区 | 第33-37页 |
| 2.4.3 海洋河流区 | 第37-40页 |
| 2.5 小结 | 第40-41页 |
| 第三章 基于背景统计模型的CFAR目标检测方法 | 第41-62页 |
| 3.1 引言 | 第41-42页 |
| 3.2 不同统计模型下CFAR检测阈值和基本CFAR检测器 | 第42-47页 |
| 3.2.1 不同统计模型下CFAR检测阈值 | 第42-45页 |
| 3.2.2 基本CFAR检测器 | 第45-47页 |
| 3.3 基于自动筛选的目标智能迭代CFAR检测 | 第47-61页 |
| 3.3.1 基于自动筛选的CFAR检测 | 第47-50页 |
| 3.3.2 智能迭代CFAR检测 | 第50-53页 |
| 3.3.3 基于背景统计模型的智能迭代CFAR检测 | 第53-61页 |
| 3.4 小结 | 第61-62页 |
| 第四章 基于SAR图像重建的目标检测 | 第62-78页 |
| 4.1 引言 | 第62页 |
| 4.2 图像重建的方法 | 第62-64页 |
| 4.2.1 正则化方法 | 第62-63页 |
| 4.2.2 迭代反投影法 | 第63页 |
| 4.2.3 基于稀疏表示的方法 | 第63-64页 |
| 4.3 重建图像的性能评估指标 | 第64-69页 |
| 4.3.1 重建图像质量评价的常用指标 | 第65-66页 |
| 4.3.2 重建图像质量评价的新指标 | 第66-69页 |
| 4.4 基于稀疏表示的SAR图像重建与目标检测 | 第69-77页 |
| 4.4.1 非局部聚类稀疏表示建模 | 第69-72页 |
| 4.4.2 SAR图像重建与目标检测 | 第72-77页 |
| 4.5 小结 | 第77-78页 |
| 第五章 基于复杂场景SAR图像的多目标检测 | 第78-92页 |
| 5.1 引言 | 第78页 |
| 5.2 基于扩展分形特征的目标检测 | 第78-83页 |
| 5.3 复杂场景中的多目标检测 | 第83-91页 |
| 5.3.1 复杂场景中的单类目标检测 | 第83-87页 |
| 5.3.2 复杂场景中的多类目标检测 | 第87-91页 |
| 5.4 小结 | 第91-92页 |
| 第六章 总结与展望 | 第92-94页 |
| 6.1 总结 | 第92-93页 |
| 6.2 展望 | 第93-94页 |
| 参考文献 | 第94-100页 |
| 致谢 | 第100-101页 |
| 在学期间的研究成果及发表的学术论文 | 第101页 |