| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究动态 | 第10-12页 |
| ·SAR ATR 的技术难点 | 第12-13页 |
| ·本论文的选题及主要工作 | 第13-16页 |
| ·本论文的选题 | 第13-14页 |
| ·本论文的主要工作 | 第14-16页 |
| 第二章 流形学习的SAR ATR 可行性分析 | 第16-20页 |
| ·流形学习的概念及目的 | 第16-17页 |
| ·流形学习的分类 | 第17-18页 |
| ·线性流形学习算法 | 第17-18页 |
| ·非线性流形学习算法 | 第18页 |
| ·流形学习用于SAR ATR 的可行性分析 | 第18-19页 |
| ·小结 | 第19-20页 |
| 第三章 SAR 图像目标识别预处理算法研究与识别步骤 | 第20-35页 |
| ·MSTAR 数据库简介 | 第20-22页 |
| ·预处理算法研究 | 第22-32页 |
| ·相干斑抑制 | 第22-25页 |
| ·图像分割算法 | 第25-29页 |
| ·SAR 图像后处理 | 第29-31页 |
| ·预处理算法性能评估 | 第31-32页 |
| ·SAR 自动目标识别实验步骤 | 第32-34页 |
| ·实验用两类数据生成 | 第32-33页 |
| ·目标识别实验步骤 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第四章 基于广义邻域鉴别嵌入的SAR 自动目标识别 | 第35-60页 |
| ·引言 | 第35-37页 |
| ·向量空间上的广义邻域鉴别嵌入（GNDEV） | 第37-41页 |
| ·GNDEV 的基本原理 | 第37页 |
| ·GNDEV 邻域定义与目标函数选取的讨论 | 第37-41页 |
| ·GNDEV 特征提取算法 | 第41页 |
| ·基于核函数的广义邻域鉴别嵌入（KGNDE） | 第41-44页 |
| ·核函数方法的基本思想 | 第41-42页 |
| ·基于核函数的广义邻域鉴别嵌入（KGNDE）的基本原理 | 第42-44页 |
| ·KGNDE 特征提取算法 | 第44页 |
| ·二阶张量空间上的广义邻域鉴别嵌入（GNDET） | 第44-48页 |
| ·GNDET 特征提取 | 第44-47页 |
| ·GNDET 的性质与简便计算 | 第47-48页 |
| ·基于2DPCA 和GNDET 的特征融合（2DPCA-based GNDET） | 第48-50页 |
| ·水平二维主分量分析（Horizontal 2DPCA）及其性质 | 第48-49页 |
| ·2DPCA-based GNDET 特征提取算法 | 第49-50页 |
| ·实验分析 | 第50-58页 |
| ·小结 | 第58-60页 |
| 第五章 基于定标鉴别嵌入的SAR 自动目标识别 | 第60-77页 |
| ·向量空间上的定标鉴别嵌入（SDEV） | 第60-63页 |
| ·SDEV 的基本原理 | 第60-61页 |
| ·定标点的选取 | 第61-62页 |
| ·向量空间上的定标鉴别嵌入（SDEV）映射 | 第62页 |
| ·SDEV 特征提取算法 | 第62-63页 |
| ·基于核函数的定标鉴别嵌入（KSDE） | 第63-66页 |
| ·KSDE 的基本原理 | 第63-65页 |
| ·KSDE 特征提取算法 | 第65-66页 |
| ·二阶张量空间上的定标鉴别嵌入（SDET） | 第66-68页 |
| ·SDET 的基本原理 | 第66-68页 |
| ·SDET 特征提取算法 | 第68页 |
| ·实验分析 | 第68-76页 |
| ·小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-80页 |
| ·研究总结 | 第77-78页 |
| ·前景展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间研究成果 | 第86页 |
| 个人简历 | 第86-87页 |
