| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.2.1 高分辨率SAR技术 | 第11-12页 |
| 1.2.2 SAR图像目标检测技术的国内外研究现状 | 第12-13页 |
| 1.2.3 案例匹配推理算法的发展及研究现状 | 第13-14页 |
| 1.3 主要研究内容及论文结构 | 第14-16页 |
| 第2章 案例匹配相关技术及目标的特征提取 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 案例匹配的基本原理 | 第16-18页 |
| 2.3 决策树模型介绍 | 第18-20页 |
| 2.4 高分辨SAR图像预处理及图像分割 | 第20-25页 |
| 2.4.1 SAR图像的方位向校正 | 第20-22页 |
| 2.4.2 基于相似像素选择的SAR图像滤波 | 第22-23页 |
| 2.4.3 基于水平集算法的案例分割 | 第23-25页 |
| 2.5 高分辨率SAR图像目标特征提取 | 第25-31页 |
| 2.5.1 几何特征提取 | 第25-28页 |
| 2.5.2 阴影特征提取 | 第28-29页 |
| 2.5.3 纹理特征提取 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 案例匹配在高分辨率SAR解译中的应用 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 案例库的模型建立 | 第32-35页 |
| 3.2.1 典型案例库模型 | 第32-33页 |
| 3.2.2 高分辨率SAR图像中的案例库模型 | 第33-35页 |
| 3.3 基于最近邻算法的案例匹配过程 | 第35-36页 |
| 3.4 基于决策树模型案例匹配过程 | 第36-42页 |
| 3.4.1 基于决策树的案例匹配流程 | 第36-38页 |
| 3.4.2 基于案例训练的案例库修订 | 第38-40页 |
| 3.4.3 决策树模型的参数设定 | 第40-41页 |
| 3.4.4 决策树的匹配模型 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于案例匹配的目标检测相关实验 | 第43-58页 |
| 4.1 引言 | 第43页 |
| 4.2 高分辨率SAR图像典型目标特征分析 | 第43-47页 |
| 4.2.1 几何特征分析 | 第44-45页 |
| 4.2.2 阴影特征分析 | 第45页 |
| 4.2.3 灰度特征分析 | 第45-47页 |
| 4.3 高分辨率SAR图像预处理与案例分割 | 第47-52页 |
| 4.3.1 方位向校正 | 第47-49页 |
| 4.3.2 图像滤波 | 第49-50页 |
| 4.3.3 案例分割实验 | 第50-52页 |
| 4.4 基于案例匹配的目标检测结果及分析 | 第52-57页 |
| 4.4.1 基于最近邻匹配的检测结果 | 第52-53页 |
| 4.4.2 基于决策树匹配的检测结果 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-66页 |
| 致谢 | 第66页 |