| 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14-18页 |
| 1.1 SAR图像降斑的研究背景与意义 | 第14-15页 |
| 1.2 SAR图像降斑方法的发展现状 | 第15-16页 |
| 1.2.1 空域滤波方法 | 第15-16页 |
| 1.2.2 频域滤波方法 | 第16页 |
| 1.3 论文的主要工作和安排 | 第16-18页 |
| 第二章 SAR图像成像机理与经典降斑算法分析 | 第18-24页 |
| 2.1 SAR图像成像原理及噪声特征 | 第18-19页 |
| 2.1.1 SAR图像的成像机理以及斑点噪声的产生机理 | 第18页 |
| 2.1.2 斑点噪声模型和统计分布特性 | 第18-19页 |
| 2.2 SAR图像的经典降斑方法 | 第19-21页 |
| 2.3 稀疏表示理论基础 | 第21页 |
| 2.4 低秩逼近理论基础 | 第21-24页 |
| 第三章 基于聚类和提升字典学习的SAR图像降斑 | 第24-38页 |
| 3.1 引言 | 第24-25页 |
| 3.2 KSVD算法原理 | 第25页 |
| 3.3 基于聚类和提升字典学习SAR图像降斑 | 第25-29页 |
| 3.3.1 相似图像块聚类 | 第25-26页 |
| 3.3.2 字典设计 | 第26-27页 |
| 3.3.3 提升字典学习 | 第27-29页 |
| 3.4 算法步骤 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于结构相似度校正聚类的稀疏表示SAR图像降斑 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 基于聚类的稀疏表示算法 | 第38-39页 |
| 4.3 基于结构相似度校正聚类的稀疏表示SAR图像降斑 | 第39-42页 |
| 4.3.1 方向波域的斑点噪声估计方法 | 第39-40页 |
| 4.3.2 基于结构相似度校对的K均值聚类算法 | 第40-42页 |
| 4.4 算法步骤 | 第42-43页 |
| 4.5 实验结果与分析 | 第43-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于改进的空间自适应迭代奇异值阈值SAR图像降斑 | 第50-62页 |
| 5.1 引言 | 第50-51页 |
| 5.2 空间自适应迭代奇异值阈值算法 | 第51-53页 |
| 5.3 基于改进的空间自适应迭代奇异值阈值的SAR图像降斑算法 | 第53-54页 |
| 5.3.1 基于梯度直方图的纹理增强 | 第53页 |
| 5.3.2 改进的空间自适应迭代奇异值阈值的SAR图像降斑算法 | 第53-54页 |
| 5.4 算法步骤 | 第54-55页 |
| 5.5 实验结果与分析 | 第55-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 结论和展望 | 第62-64页 |
| 6.1 研究结论 | 第62-63页 |
| 6.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |
