| 中文摘要 | 第1-9页 |
| Absract | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| 1．1 背景介绍 | 第11-14页 |
| 1．2 SAR图象特征提取的主要内容及发展现状 | 第14-15页 |
| 1．3 论文的主要内容及贡献 | 第15-18页 |
| 第二章 SAR图像的边缘检测与线特征提取 | 第18-51页 |
| 2．1 SAR图像的统计特征 | 第18-20页 |
| 2．2 SAR图像的多尺度边缘检测 | 第20-36页 |
| 2．2．1 小波变换与信号奇异性检测 | 第20-23页 |
| 2．2．2 多尺度边缘检测算子 | 第23-27页 |
| 2．2．2．1 多尺度高斯边缘检测原理 | 第23-25页 |
| 2．2．2．2 多尺度高斯边缘检测算子的构造 | 第25-26页 |
| 2．2．2．3 局部模极大值搜索 | 第26-27页 |
| 2．2．3 多尺度边缘关联 | 第27-32页 |
| 2．2．3．1 多尺度边缘关联的提出 | 第27-28页 |
| 2．2．3．2 边缘的传递与继承 | 第28-29页 |
| 2．2．3．3 边缘的生长 | 第29-31页 |
| 2．2．3．4 多尺度边缘检测算法综述 | 第31-32页 |
| 2．2．4 实验结果分析 | 第32-36页 |
| 2．3 ERS-1SAR图像中公路的检测 | 第36-50页 |
| 2．3．1 SAR图像的线特征基元提取 | 第36-42页 |
| 2．3．1．1 边界检测算子的结构 | 第36-37页 |
| 2．3．1．2 雷达强度图R_（lm）的概率密度函数 | 第37-39页 |
| 2．3．1．3 雷达幅度图R_（lm）的概率密度函数 | 第39-40页 |
| 2．3．1．4 高斯假设下R_（lm）的概率密度函数 | 第40-42页 |
| 2．3．2 线特征的组织 | 第42-48页 |
| 2．3．2．1 线特征组织算法简介 | 第42-44页 |
| 2．3．2．3 基于方向势能函数的线段组织@34 | 第44-48页 |
| 2．3．3 实验结果分析 | 第48页 |
| 2．3．4 关于算法的讨论 | 第48-50页 |
| 2．4 小结 | 第50-51页 |
| 第三章 SAR图像的滤波方法研究 | 第51-78页 |
| 3．1 几种经典的斑点噪声抑制方法 | 第51-53页 |
| 3．2 基于隐马尔可夫模型的SAR图像滤波方法 | 第53-69页 |
| 3．2．1 图像的离散小波变换 | 第53-55页 |
| 3．2．2 小波域隐Markov树模型 | 第55-58页 |
| 3．2．2．1 非高斯性描述 | 第55-56页 |
| 3．2．2．2 隐Markov树模型 | 第56-58页 |
| 3．2．3 小波域HMT模型的参数估计 | 第58-62页 |
| 3．2．3．1 波域HMT的模型参数 | 第58-59页 |
| 3．2．3．2 小波域HMT的模型参数估计 | 第59-62页 |
| 3．2．4 基于小波域HMT模型的SAR图像滤波 | 第62-65页 |
| 3．2．4．1 基于HMT的小波域信号估计 | 第62-64页 |
| 3．2．4．2 基于冗余小波变换的信号估计 | 第64页 |
| 3．2．4．3 SAR图像滤波 | 第64-65页 |
| 3．2．5 实验结果分析 | 第65-69页 |
| 3．3 基于迭代结构滤波器的SAR图像去噪方法研究 | 第69-76页 |
| 3．3．1 迭代结构滤波器 | 第69-74页 |
| 3．3．1．1 Crimmins几何滤波器 | 第69-70页 |
| 3．3．1．2 结构邻域模型 | 第70-71页 |
| 3．3．1．3 邻域结构中雷达反射截面的MAP估计 | 第71-72页 |
| 3．3．1．4 基于模拟退火的最优邻域结构选择 | 第72-74页 |
| 3．3．2 实验结果分析 | 第74-76页 |
| 3．4 小结 | 第76-78页 |
| 第四章 SAR图像的分割方法研究 | 第78-94页 |
| 4．1 概述 | 第78-80页 |
| 4．1．1 图像分割的定义 | 第78页 |
| 4．1．2 图像分割方法简介 | 第78-80页 |
| 4．2 基于似然差函数的SAR图像分割 | 第80-88页 |
| 4．2．1 基于区域融合的局部分割方法 | 第80-81页 |
| 4．2．2 似然差函数的定义 | 第81-82页 |
| 4．2．3 关于λ_（edge）的概率密度分布函数研究 | 第82-85页 |
| 4．2．3．1 λ_（edge）的概率密度函数的仿真表现 | 第82-83页 |
| 4．2．3．2 对λ_（edge）的概率密度函数的描述 | 第83-85页 |
| 4．2．4 算法实现 | 第85-87页 |
| 4．2．5 实验结果分析 | 第87-88页 |
| 4．3 SAR图像的最优初始分割方法 | 第88-92页 |
| 4．3．1 代价函数的建立 | 第89-90页 |
| 4．3．2 算法描述 | 第90-91页 |
| 4．3．3 实验结果分析 | 第91-92页 |
| 4．4 小结 | 第92-94页 |
| 第五章 SAR图像的目标识别方法研究 | 第94-123页 |
| 5．1 SAR图像目标识别简介 | 第94-98页 |
| 5．1．1 SAR ATR简介 | 第94页 |
| 5．1．2 SAR目标的所具有的特点 | 第94-95页 |
| 5．1．3 已经提出的研究方法 | 第95-98页 |
| 5．2 SAR图像中目标的检测 | 第98-102页 |
| 5．2．1 恒定虚警率算子简介 | 第98页 |
| 5．2．2 SAR图像恒定虚警率检测算子 | 第98-99页 |
| 5．2．3 测试结果 | 第99-102页 |
| 5．3 基于马尔可夫随机场的SAR目标分割 | 第102-110页 |
| 5．3．1 Markov随机场图像模型 | 第102-103页 |
| 5．3．2 基于MRF的SAR图像分割 | 第103-106页 |
| 5．3．2．1 问题的描述 | 第103-104页 |
| 5．3．2．2 观测模型 | 第104-105页 |
| 5．3．2．3 先验知识模型 | 第105-106页 |
| 5．3．3 实验结果 | 第106-107页 |
| 5．3．4 SAR图像中条纹干扰的抑制 | 第107-109页 |
| 5．3．5 结论 | 第109-110页 |
| 5．4 SAR目标的姿态估计 | 第110-117页 |
| 5．4．1 基于包络盒的姿态估计原理 | 第110-111页 |
| 5．4．1．1 目标背景面积比（TBR）准则 | 第110-111页 |
| 5．4．1．2 矩形框周长（P）最小准则 | 第111页 |
| 5．4．1．3 边界点计数（EPC）准则 | 第111页 |
| 5．4．2 基于Radon变换的目标方位角估计 | 第111-113页 |
| 5．4．2．1 Radon变换定义 | 第112-113页 |
| 5．4．2．2 基于Radon变换的目标方位角估计 | 第113页 |
| 5．4．3 目标方位角的综合估计方法 | 第113-115页 |
| 5．4．4 实验结果 | 第115-117页 |
| 5．5 基于Radon变换的SAR目标识别方法 | 第117-122页 |
| 5．5．1 不变性模式分类 | 第117页 |
| 5．5．2 基于Radon变换的不变性特征 | 第117-119页 |
| 5．5．3 基于特征向量匹配的SAR目标分类 | 第119-120页 |
| 5．5．4 实验结果 | 第120-122页 |
| 5．6 小结 | 第122-123页 |
| 第六章 结束语 | 第123-125页 |
| 6．1 本文的研究结论 | 第123-124页 |
| 6．2 课题的展望 | 第124-125页 |
| 致谢 | 第125-127页 |
| 参考文献 | 第127-133页 |
| 附录 | 第133页 |
