| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景 | 第7-9页 |
| ·基于SAR 的自动目标识别技术简介 | 第9-12页 |
| ·SAR ATR（SAR 图象自动目标识别）的含义 | 第10页 |
| ·SAR ATR（SAR 自动目标识别）分类方法的研究 | 第10-12页 |
| ·基于SAR 的自动目标识别技术的主要问题 | 第12-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第二章 SAR 图像预处理的算法研究 | 第15-27页 |
| ·引言 | 第15页 |
| ·SAR 图像滤波方法的研究 | 第15-21页 |
| ·几种传统的滤波算法介绍 | 第15-19页 |
| ·对数变换 | 第19-20页 |
| ·中值滤波 | 第20-21页 |
| ·SAR 图像分割方法的研究 | 第21-25页 |
| ·图像分割的定义 | 第21-22页 |
| ·阈值分割法－直接检测区域的分割方法 | 第22-24页 |
| ·形态学滤波 | 第24-25页 |
| ·实验结果分析 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第三章 SAR 图像特征提取算法研究 | 第27-31页 |
| ·引言 | 第27-28页 |
| ·中心矩特征 | 第28页 |
| ·主分量分析（PCA）特征提取 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 不同分类器设计下的SAR 自动目标识别算法 | 第31-46页 |
| ·引言 | 第31页 |
| ·模板匹配 | 第31-33页 |
| ·模板形成 | 第31-32页 |
| ·识别准则 | 第32-33页 |
| ·混合高斯分类器 | 第33-35页 |
| ·核函数理论与支持矢量机 | 第35-44页 |
| ·核函数的概念 | 第35-40页 |
| ·核函数在统计学习理论中的应用——支持矢量机 | 第40-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 结束语 | 第46-48页 |
| ·本文工作总结 | 第46页 |
| ·未来工作展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 硕士期间撰写的学术论文、参加的科研项目及获得的奖励 | 第54页 |
