首页--工业技术论文--无线电电子学、电信技术论文--雷达论文--雷达设备、雷达站论文--雷达接收设备论文--数据、图像处理及录取论文

基于稀疏特征的SAR图像处理与应用研究

摘要第4-6页
Abstract第6-8页
第一章 绪论第17-35页
    1.1 课题的背景和研究意义第17-18页
    1.2 国内外研究现状第18-30页
        1.2.1 稀疏表示理论第18-22页
        1.2.2 SAR图像压缩方法第22-24页
        1.2.3 SAR图像相干斑抑制方法第24-27页
        1.2.4 SAR图像目标分类方法第27-28页
        1.2.5 SAR图像与红外图像融合方法第28-30页
    1.3 本文的主要研究工作第30-33页
    1.4 本文的内容安排第33-35页
第二章 基于稀疏特征的SAR图像压缩第35-55页
    2.1 引言第35-36页
    2.2 稀疏系数求解的匹配追踪类算法第36-39页
        2.2.1 MP算法原理第36-37页
        2.2.2 OMP算法原理第37-38页
        2.2.3 ROMP算法原理第38页
        2.2.4 BAOMP算法原理第38-39页
    2.3 改进的盲稀疏度信号稀疏系数求解算法第39-43页
        2.3.1 算法过程第39-41页
        2.3.2 算法分析第41页
        2.3.3 实验结果与性能分析第41-43页
    2.4 SAR图像压缩与重构实验第43-54页
        2.4.1 小波变换第43-44页
        2.4.2 小波域字典学习第44-46页
        2.4.3 SAR图像的压缩与重构第46-47页
        2.4.4 实验结果与性能分析第47-54页
    2.5 本章小结第54-55页
第三章 基于稀疏特征的SAR图像相干斑抑制第55-69页
    3.1 引言第55-56页
    3.2 SAR图像Contourlet变换系数的统计特性第56-58页
        3.2.1 Contourlet变换第56-57页
        3.2.2 SAR图像的Contourlet变换系数特性第57-58页
    3.3 基于自蛇扩散和稀疏表示的Contourlet域SAR图像相干斑抑制第58-67页
        3.3.1 低频子带的自蛇扩散滤波第58-59页
        3.3.2 高频子带的稀疏优化滤波第59页
        3.3.3 本文相干斑抑制算法第59-61页
        3.3.4 实验结果与性能分析第61-67页
    3.4 本章小结第67-69页
第四章 基于稀疏特征的SAR图像目标分类第69-90页
    4.1 引言第69-70页
    4.2 基于多子分类器Ada Boost算法的SAR图像目标分类第70-79页
        4.2.1 AdaBoost算法原理第70-71页
        4.2.2 基于多子分类器Ada Boost算法的SAR图像目标分类方法第71-77页
        4.2.3 实验结果与性能分析第77-79页
    4.3 基于EMACH与稀疏表示的SAR图像目标分类第79-85页
        4.3.1 基于稀疏表示的SAR图像目标分类方法第79-81页
        4.3.2 基于EMACH与稀疏表示的SAR图像目标分类方法第81-83页
        4.3.3 实验结果与性能分析第83-85页
    4.4 基于稀疏表示和级联字典的SAR图像目标分类第85-89页
        4.4.1 级联分类器第86页
        4.4.2 基于稀疏表示和级联字典的SAR图像目标分类方法第86-87页
        4.4.3 实验结果与性能分析第87-89页
    4.5 本章小结第89-90页
第五章 基于稀疏特征的SAR图像与红外图像融合第90-103页
    5.1 引言第90页
    5.2 基于变换域的SAR图像与红外图像融合策略第90-92页
    5.3 融合效果评价指标第92-94页
    5.4 基于自适应权值的Curvelet域SAR图像与红外图像融合第94-98页
        5.4.1 隶属度函数第94-95页
        5.4.2 Curvelet变换第95页
        5.4.3 基于自适应权值的Curvelet域SAR图像与红外图像融合方法第95-97页
        5.4.4 实验结果与性能分析第97-98页
    5.5 基于稀疏表示的NSCT域SAR图像与红外图像融合第98-102页
        5.5.1 NSCT变换第98-99页
        5.5.2 基于稀疏表示的NSCT域SAR图像与红外图像融合方法第99-100页
        5.5.3 实验结果与性能分析第100-102页
    5.6 本章小结第102-103页
第六章 总结与展望第103-105页
    6.1 本文的主要研究内容与贡献第103-104页
    6.2 进一步工作与展望第104-105页
参考文献第105-119页
致谢第119-120页
在学期间的研究成果及发表的学术论文第120页

论文共120页,点击 下载论文
上一篇:基于计算机视觉的杂草种子鉴别
下一篇:基于高光谱成像技术的酿酒葡萄成熟期酚类物质检测方法研究