| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 SAR图像降斑技术的研究进展 | 第15-20页 |
| 1.2.1 多视技术 | 第15-16页 |
| 1.2.2 空域滤波技术 | 第16-17页 |
| 1.2.3 变换域滤波技术 | 第17-18页 |
| 1.2.4 非局部均值滤波技术 | 第18-19页 |
| 1.2.5 其它降斑技术简介 | 第19-20页 |
| 1.2.6 降斑技术研究总结 | 第20页 |
| 1.3 本论文主要工作和安排 | 第20-23页 |
| 1.3.1 主要工作 | 第20页 |
| 1.3.2 论文安排 | 第20-23页 |
| 第二章 SAR图像相干斑噪声模型及降斑效果评价 | 第23-31页 |
| 2.1 SAR成像机制及相干斑模型 | 第23-27页 |
| 2.1.1 SAR成像机制及相干斑产生机理 | 第23-24页 |
| 2.1.2 SAR图像统计特性及相干斑模型 | 第24-26页 |
| 2.1.3 对数相干斑的统计特性 | 第26-27页 |
| 2.2 模拟SAR图像降斑效果评价 | 第27-28页 |
| 2.2.1 峰值信噪比 | 第27页 |
| 2.2.2 边缘保持度 | 第27-28页 |
| 2.2.3 结构相似指数 | 第28页 |
| 2.3 真实SAR图像降斑效果评价 | 第28-29页 |
| 2.3.1 等效视数 | 第28页 |
| 2.3.2 比值图像均值 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于非局部均值估计和逼近稀疏表示的SAR图像降斑算法 | 第31-51页 |
| 3.1 非局部均值算法 | 第31-32页 |
| 3.2 基于主成分分析的字典学习方法和稀疏表示 | 第32-34页 |
| 3.2.1 聚类算法 | 第32页 |
| 3.2.2 主成分分析字典学习 | 第32-33页 |
| 3.2.3 冗余稀疏表示 | 第33-34页 |
| 3.3 非局部逼近稀疏表示模型在SAR图像降斑中的应用 | 第34-38页 |
| 3.3.1 非局部逼近稀疏表示模型 | 第34-35页 |
| 3.3.2 对数SAR图像的稀疏表示残差特性分析 | 第35-37页 |
| 3.3.3 细节探讨及算法实施步骤 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-49页 |
| 3.4.1 模拟SAR图像降斑仿真实验及结果分析 | 第39-46页 |
| 3.4.2 真实SAR图像降斑测试及实验结果分析 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 基于新相似性度量的改进SAR图像降斑算法 | 第51-67页 |
| 4.1 新提出的图像块相似性度量公式 | 第51-54页 |
| 4.1.1 高斯距离公式相似性度量存在的问题 | 第51页 |
| 4.1.2 新提出的相似性度量公式 | 第51-54页 |
| 4.2 改进的SAR图像降斑算法及实施步骤 | 第54-55页 |
| 4.3 实验结果与分析 | 第55-66页 |
| 4.3.1 模拟SAR图像降斑仿真实验及结果分析 | 第56-62页 |
| 4.3.2 真实SAR图像降斑测试及实验结果分析 | 第62-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 总结和展望 | 第67-69页 |
| 5.1 论文工作总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-79页 |
| 1.基本情况 | 第77页 |
| 2.教育背景 | 第77页 |
| 3.攻读硕士学位期间的研究成果 | 第77-79页 |