| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 SAR图像目标检测和鉴别方法研究进展 | 第15-17页 |
| 1.2.1 SAR图像目标检测研究进展 | 第15-16页 |
| 1.2.2 SAR图像目标鉴别研究进展 | 第16-17页 |
| 1.3 论文的主要工作和安排 | 第17-20页 |
| 第二章 传统的SAR图像目标检测和鉴别方法 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 传统的SAR图像目标检测方法 | 第20-24页 |
| 2.2.1 双参数CFAR检测算法 | 第20-22页 |
| 2.2.2 IC-CFAR | 第22-23页 |
| 2.2.3 传统的目标像素聚类算法 | 第23-24页 |
| 2.3 传统的SAR图像目标鉴别方法 | 第24-30页 |
| 2.3.1 常用的鉴别特征 | 第24-26页 |
| 2.3.2 特征选择 | 第26-27页 |
| 2.3.4 鉴别器设计 | 第27-30页 |
| 2.4 传统SAR图像目标检测和鉴别方法的不足 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于区域生成的双参数CFAR舰船目标检测方法 | 第32-48页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于梯度特征的区域生成方法 | 第33-38页 |
| 3.2.1 算法流程 | 第34-35页 |
| 3.2.2 算法详细描述 | 第35-38页 |
| 3.3 基于区域的CFAR检测器 | 第38-39页 |
| 3.4 基于区域生成的双参数CFAR检测方法 | 第39-40页 |
| 3.5 实验结果 | 第40-46页 |
| 3.5.1 实验数据介绍 | 第40-42页 |
| 3.5.2 检测结果 | 第42-46页 |
| 3.6 本章总结 | 第46-48页 |
| 第四章 基于弱监督学习的SAR图像车辆目标鉴别方法 | 第48-66页 |
| 4.1 引言 | 第48页 |
| 4.2 中层特征生成技术 | 第48-52页 |
| 4.2.1 底层特征提取 | 第49-52页 |
| 4.2.2 基于SIFT的中层特征生成 | 第52页 |
| 4.3 基于弱监督学习的SAR车辆目标鉴别方法 | 第52-56页 |
| 4.3.1 目标训练集初始化 | 第53-55页 |
| 4.3.2 分类器的迭代训练 | 第55-56页 |
| 4.4 实验结果 | 第56-64页 |
| 4.4.1 基于SIFT的中层特征鉴别性能分析 | 第58-61页 |
| 4.4.2 比例参数t对提出方法的影响 | 第61-63页 |
| 4.4.3 提出方法的鉴别结果 | 第63-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 结束语 | 第66-68页 |
| 5.1 本文工作总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |