| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究工作的背景与意义 | 第10页 |
| 1.2 国内外研究历史及现状 | 第10-16页 |
| 1.2.1 SAR目标识别的研究历史与现状 | 第10-13页 |
| 1.2.2 基于多源数据融合的SAR目标识别研究现状 | 第13-16页 |
| 1.3 本文的主要贡献与创新 | 第16-17页 |
| 1.4 本论文的结构安排 | 第17-18页 |
| 第二章 SAR图像特征提取方法研究 | 第18-37页 |
| 2.1 引言 | 第18-19页 |
| 2.2 SAR图像降维算法 | 第19-23页 |
| 2.2.1 IID高斯随机投影方法概述 | 第19-20页 |
| 2.2.2 IID高斯随机投影方法数学描述及证明 | 第20-21页 |
| 2.2.3 IID高斯随机投影在SAR ATR中的应用 | 第21-23页 |
| 2.3 稀疏表示特征提取算法 | 第23-29页 |
| 2.3.1 稀疏表示算法原理 | 第23-24页 |
| 2.3.2 稀疏矩阵求解算法 | 第24-26页 |
| 2.3.3 基于稀疏表示的目标识别方法 | 第26-29页 |
| 2.4 联合稀疏表示特征提取算法 | 第29-36页 |
| 2.4.1 联合稀疏表示算法原理 | 第30-32页 |
| 2.4.2 联合稀疏表示系数求解算法 | 第32-33页 |
| 2.4.3 联合稀疏表示在SAR ATR中的应用 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于子字典的多视角联合稀疏表示方法 | 第37-49页 |
| 3.1 引言 | 第37页 |
| 3.2 基于子字典的多视角联合稀疏表示方法 | 第37-42页 |
| 3.2.1 基于子字典的多视角联合稀疏表示方法原理 | 第38-40页 |
| 3.2.2 子字典对联合稀疏表示的抗噪性的改善 | 第40-42页 |
| 3.3 基于局部自适应子字典的多视角联合稀疏表示方法 | 第42-47页 |
| 3.3.1 联合稀疏表示鲁棒性分析 | 第43页 |
| 3.3.2 局部自适应字典的构建 | 第43-45页 |
| 3.3.3 基于局部自适应字典的多视角联合稀疏表示算法原理 | 第45-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 基于子字典的多视角SAR ATR实验设计与分析 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 仿真数据库介绍 | 第49-50页 |
| 4.3 基于固定子字典的联合稀疏表示SAR ATR实验与分析 | 第50-56页 |
| 4.3.1 实验数据选择 | 第50-51页 |
| 4.3.2 数据预处理 | 第51-52页 |
| 4.3.3 实验设计与数据分析 | 第52-56页 |
| 4.4 基于局部自适应字典的联合稀疏表示SAR ATR实验与分析 | 第56-60页 |
| 4.4.1 实验数据选择 | 第56页 |
| 4.4.2 实验设计与数据分析 | 第56-60页 |
| 4.5 两种改进方法的性能对比 | 第60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 全文总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61页 |
| 5.2 后续工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的成果 | 第69-70页 |
