| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| List of Symbols | 第17-18页 |
| List of Abbreviations | 第18-24页 |
| Chapter 1 Introduction | 第24-52页 |
| 1.1 Background and Related Works | 第25-42页 |
| 1.1.1 SAR Image Target Detection | 第25-34页 |
| 1.1.2 Selective Visual Attention Modeling | 第34-41页 |
| 1.1.3 Saliency Inspired SAR Image Target Detection | 第41-42页 |
| 1.2 Challenges and Contributions | 第42-49页 |
| 1.2.1 HR Radar Image Target Detection | 第42-45页 |
| 1.2.2 Complex Scene Saliency Modeling | 第45-47页 |
| 1.2.3 Saliency Inspired Intelligent SAR Target Detection | 第47-49页 |
| 1.3 Layout of This Dissertation | 第49-52页 |
| Chapter 2 Saliency Generation via Digraph and Bayesian Inference | 第52-72页 |
| 2.1 Digraph and Bayesian Saliency Model | 第52-63页 |
| 2.1.1 Directed Graph Construction | 第53-56页 |
| 2.1.2 Path Optimization Algorithm | 第56-59页 |
| 2.1.3 Color Histogram Based Bayesian Inference | 第59-63页 |
| 2.2 Experimental Results and Discussions | 第63-70页 |
| 2.2.1 Performance evaluation on MSRA-1000 | 第63-67页 |
| 2.2.2 Model Verification in Complex Scenes | 第67-69页 |
| 2.2.3 Application to SAR Image Target Detection | 第69-70页 |
| 2.3 Summary | 第70-72页 |
| Chapter 3 Salient Region Detection: A Dictionary Learning Approach | 第72-94页 |
| 3.1 Dictionary Learning Based Saliency Model | 第72-84页 |
| 3.1.1 Compact Background Dictionary Learning | 第74-78页 |
| 3.1.2 Probabilistic Saliency Inference Model | 第78-82页 |
| 3.1.3 Implementation Details | 第82-84页 |
| 3.2 Experimental Results and Discussions | 第84-91页 |
| 3.2.1 Performance Evaluation on MSRA-1000 | 第85-87页 |
| 3.2.2 Performance Evaluation on THUS-10000 | 第87-89页 |
| 3.2.3 Comparative Study and Model Verification | 第89-90页 |
| 3.2.4 Application to Content-Aware Image Retargeting | 第90-91页 |
| 3.3 Summary | 第91-94页 |
| Chapter 4 Hybrid Sparse Optimization for Salient Object Detection | 第94-116页 |
| 4.1 Hybrid Sparse Saliency Fusion Model | 第95-105页 |
| 4.1.1 Minimum Span Distance (MSD) | 第95-99页 |
| 4.1.2 Hybrid Sparse Fusion Model | 第99-103页 |
| 4.1.3 Object-Level Collaborative Filtering | 第103-105页 |
| 4.2 Experimental Results and Discussions | 第105-114页 |
| 4.2.1 Performance Evaluation on THUS-10000 Dataset | 第105-107页 |
| 4.2.2 Performance Evaluation on DUT OMRON Dataset | 第107-109页 |
| 4.2.3 Further Insights into the Contour Saliency Metric | 第109-112页 |
| 4.2.4 Application to Ship Detection in HR SAR Imagery | 第112-114页 |
| 4.3 Summary | 第114-116页 |
| Chapter 5 Hierarchical Saliency Filtering for SAR Target Detection | 第116-136页 |
| 5.1 HSF for Target Detection | 第116-129页 |
| 5.1.1 Random-Forest-Based Hierarchical Sparse Modelin | 第117-121页 |
| 5.1.2 CFAR-Based Dynamic Contour Saliency Modeling | 第121-126页 |
| 5.1.3 Structural Refinement and Implementation Details | 第126-129页 |
| 5.2 Experimental Results and Discussions | 第129-134页 |
| 5.2.1 Test on RADARSAT-2 SAR imagery | 第129-130页 |
| 5.2.2 Test on Airborne SAR imagery | 第130-132页 |
| 5.2.3 Test on TerraSAR-X imagery | 第132-133页 |
| 5.2.4 Numerical Evaluation Results | 第133-134页 |
| 5.3 Summary | 第134-136页 |
| Chapter 6 Salient CFAR Target Detection in Complex SAR Scenes | 第136-156页 |
| 6.1 Saliency OL-CFAR Detector | 第136-147页 |
| 6.1.1 BGS-Based Efficient Proposal Generation | 第137-142页 |
| 6.1.2 OL-CFAR for Adaptive Target Prescreening | 第142-145页 |
| 6.1.3 Multi-Layer Integration and Implementation Details | 第145-147页 |
| 6.2 Experimental Results and Discussions | 第147-155页 |
| 6.2.1 Test on Strait of Gibraltar SAR Scene | 第147-149页 |
| 6.2.2 Test on Busy Harbor SAR scene | 第149-151页 |
| 6.2.3 Test on Bay of Gibraltar SAR Scene | 第151-152页 |
| 6.2.4 Quantative Evaluation Results | 第152-155页 |
| 6.3 Summary | 第155-156页 |
| Chapter 7 Conclusions and Future Work | 第156-162页 |
| 7.1 Summary of the Contributions | 第157-158页 |
| 7.2 Directions for Future Research | 第158-162页 |
| Bibliography | 第162-174页 |
| Acknowledgements | 第174-176页 |
| 作者简介 | 第176-178页 |
