| 摘要 | 第1-8页 |
| ABSTRACT | 第8-16页 |
| 第一章 绪论 | 第16-42页 |
| ·雷达自动目标识别的基本概念和分类 | 第16-18页 |
| ·雷达自动目标识别的基本概念 | 第16页 |
| ·雷达自动目标识别的分类 | 第16-18页 |
| ·合成孔径雷达（SAR）图像自动目标识别（ATR）研究现状 | 第18-19页 |
| ·SAR图像目标识别技术的关键问题 | 第19-23页 |
| ·SAR图像的预处理问题 | 第20-21页 |
| ·SAR图像的特征提取问题 | 第21-22页 |
| ·SAR图像的识别问题 | 第22-23页 |
| ·SAR图像的其它问题 | 第23页 |
| ·本文的内容安排 | 第23-30页 |
| ·MSTAR数据介绍 | 第23-26页 |
| ·内容安排 | 第26-30页 |
| 本章参考文献 | 第30-42页 |
| 第二章 SAR滤波方法对比研究 | 第42-56页 |
| ·引言 | 第42-43页 |
| ·SAR图像相干斑噪声的乘积模型 | 第43页 |
| ·Lee滤波器 | 第43-44页 |
| ·Kuan滤波器 | 第44-45页 |
| ·基于Gamma分布的MAP滤波 | 第45-47页 |
| ·基于相关邻域模型的SAR图像滤波 | 第47-50页 |
| ·实验结果 | 第50-53页 |
| ·结论 | 第53页 |
| 本章参考文献 | 第53-56页 |
| 第三章 基于多分类器融合的SAR图像自动目标识别方法 | 第56-70页 |
| ·引言 | 第56-57页 |
| ·SAR图像预处理 | 第57-61页 |
| ·特征提取 | 第61-64页 |
| ·基于极化映射的特征提取 | 第61-63页 |
| ·形状属性 | 第63-64页 |
| ·分类器设计 | 第64-65页 |
| ·余弦分类器 | 第64页 |
| ·基于平均准则融合分类器 | 第64-65页 |
| ·实验结果 | 第65-68页 |
| ·结论 | 第68页 |
| 本章参考文献 | 第68-70页 |
| 第四章 改进的二维主分量分析的SAR图像特征提取与识别 | 第70-94页 |
| ·引言 | 第70页 |
| ·SAR图像预处理 | 第70-72页 |
| ·改进的二维主分量分析的SAR图像特征提取与识别 | 第72-82页 |
| ·主分量分析（PCA）的特征提取与识别 | 第72-73页 |
| ·二维主分量分析（2DPCA）的特征提取及识别 | 第73-75页 |
| ·左投影形式的二维主分量分析（L-2DPCA）的特征提取及识别 | 第75-76页 |
| ·几种改进的二维主分量分析的特征提取及识别 | 第76-82页 |
| ·实验结果 | 第82-92页 |
| ·预处理对识别性能的影响 | 第83-86页 |
| ·不同特征提取方法的实验结果对比 | 第86-92页 |
| ·结论 | 第92-93页 |
| 本章参考文献 | 第93-94页 |
| 第五章 基于改进的2DLDA的SAR目标特征提取与识别 | 第94-110页 |
| ·引言 | 第94-95页 |
| ·线性判决分析（LDA） | 第95页 |
| ·二维线性判决分析（2DLDA） | 第95-99页 |
| ·右投影的二维线性判决分析（R-2DLDA） | 第96-97页 |
| ·左投影的二维线性判决分析（L-2DLDA） | 第97-99页 |
| ·改进的二维线性判决分析 | 第99-101页 |
| ·两级R-2DLDA（Two-stage R-2DLDA） | 第99-100页 |
| ·两级L-2DLDA（Two-stage L-2DLDA） | 第100页 |
| ·两向2DLDA（Two-directional 2DLDA） | 第100-101页 |
| ·实验结果 | 第101-107页 |
| ·结论 | 第107页 |
| 本章参考文献 | 第107-110页 |
| 第六章 改进的子类判决分析及其在SAR图像目标识别中的应用 | 第110-124页 |
| ·引言 | 第110-111页 |
| ·改进的子类判决分析（ICDA） | 第111-113页 |
| ·聚类算法 | 第111-112页 |
| ·子类判决分析（CDA） | 第112-113页 |
| ·实验结果 | 第113-121页 |
| ·实验数据 | 第113-114页 |
| ·相关工作 | 第114-115页 |
| ·测试结果 | 第115-121页 |
| ·结论 | 第121-122页 |
| 本章参考文献 | 第122-124页 |
| 第七章 与二维子类判决分析相关的特征提取与识别方法研究 | 第124-162页 |
| ·引言 | 第124-125页 |
| ·二维子类判决分析（2DCDA）及其改进的算法 | 第125-145页 |
| ·二维快速全局k均值聚类算法 | 第125-127页 |
| ·二维子类判决分析（2DCDA）及其改进的算法 | 第127-136页 |
| ·实验结果 | 第136-144页 |
| ·结论 | 第144-145页 |
| ·二维最大子类散度差判决分析（2DMCSD）及其改进的算法 | 第145-152页 |
| ·二维最大子类散度差判决分析（2DMCSD） | 第146-148页 |
| ·两向二维最大子类散度差((2D)2MCSD)鉴别分析 | 第148页 |
| ·实验结果 | 第148-152页 |
| ·结论 | 第152页 |
| ·对角子类判决分析（DiaCDA）及其改进的算法 | 第152-158页 |
| ·对角子类判决分析（DiaCDA） | 第153-155页 |
| ·DiaCDA+2DCDA | 第155-156页 |
| ·实验结果 | 第156-158页 |
| ·结论 | 第158页 |
| ·本章小结 | 第158页 |
| 本章参考文献 | 第158-162页 |
| 第八章 结束语 | 第162-166页 |
| ·本文内容总结 | 第162-164页 |
| ·工作展望 | 第164-166页 |
| 致谢 | 第166-168页 |
| 作者在读期间的研究成果 | 第168-170页 |
| 一、学术论文 | 第168-169页 |
| 二、专利 | 第169-170页 |
