| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 注释表 | 第14-15页 |
| 缩略词 | 第15-17页 |
| 第一章 绪论 | 第17-33页 |
| 1.1 研究背景、目的及意义 | 第17-22页 |
| 1.1.1 研究背景 | 第17-20页 |
| 1.1.2 研究目的及意义 | 第20-22页 |
| 1.2 应用于无人机精确打击的SAR图像解译研究现状 | 第22-27页 |
| 1.2.1 无人机实现精确打击的历史与现状 | 第22-23页 |
| 1.2.2 SAR图像解译在无人机精确打击中的应用及相关技术 | 第23-25页 |
| 1.2.3 应用于无人机精确打击的SAR图像解译标准 | 第25-26页 |
| 1.2.4 SAR图像解译在无人机精确打击领域领域面临的挑战 | 第26-27页 |
| 1.3 无人机精确打击过程中的SAR图像解译相关算法研究现状 | 第27-31页 |
| 1.3.1 SAR图像滤波研究现状与分析 | 第27-28页 |
| 1.3.2 SAR图像目标检测研究现状与分析 | 第28-29页 |
| 1.3.3 SAR图像目标识别研究现状与分析 | 第29-30页 |
| 1.3.4 SAR图像配准研究现状与分析 | 第30-31页 |
| 1.4 本文的内容安排 | 第31-33页 |
| 第二章 无人机精确打击过程中SAR图像解译系统概述 | 第33-43页 |
| 2.1 引言 | 第33页 |
| 2.2 无人机精确打击系统 | 第33-35页 |
| 2.2.1 无人机精确打击系统概述 | 第33-34页 |
| 2.2.2 SAR图像解译应用于无人机精确打击系统的技术方案 | 第34-35页 |
| 2.3 SAR与其成像原理 | 第35-37页 |
| 2.4 机载SAR图像数据特性 | 第37-40页 |
| 2.4.1 辐射特性 | 第37-39页 |
| 2.4.2 几何特性 | 第39-40页 |
| 2.5 无人机精确打击过程中的SAR图像解译算法概述 | 第40-42页 |
| 2.5.1 SAR图像解译系统的应用阶段 | 第40-41页 |
| 2.5.2 SAR图像解译算法整体流程 | 第41-42页 |
| 2.6 小结 | 第42-43页 |
| 第三章SAR图像滤波与适用性分析 | 第43-59页 |
| 3.1 引言 | 第43-44页 |
| 3.2 SAR图像相干斑噪声的物理描述 | 第44-45页 |
| 3.3 基于统计学的SAR图像相干斑抑制方法 | 第45-47页 |
| 3.3.1 Lee滤波算法 | 第45页 |
| 3.3.2 Kuan滤波算法 | 第45页 |
| 3.3.3 Gamma MAP滤波算法 | 第45-46页 |
| 3.3.4 增强型Lee滤波和增强型Gamma MAP滤波算法 | 第46-47页 |
| 3.4 基于小波域的SAR图像滤波方法 | 第47-50页 |
| 3.4.1 基于贝叶斯估计的小波域滤波算法 | 第48-49页 |
| 3.4.2 复小波域贝叶斯收缩滤波算法 | 第49-50页 |
| 3.5 滤波算法性能分析 | 第50-57页 |
| 3.6 小结 | 第57-59页 |
| 第四章 基于鲁棒主元分析和稀疏度的SAR图像目标检测与分割 | 第59-78页 |
| 4.1 引言 | 第59-60页 |
| 4.2 问题描述 | 第60-61页 |
| 4.3 目标图像分割 | 第61-66页 |
| 4.3.1 SAR图像目标区域分割的定义 | 第62页 |
| 4.3.2 SAR图像分割方法 | 第62-65页 |
| 4.3.3 图像分割算法的效能评估 | 第65-66页 |
| 4.4 基于鲁棒主元分析的SAR图像车辆目标检测与分割 | 第66-77页 |
| 4.4.1 鲁棒主元分析 | 第67-70页 |
| 4.4.2 阈值的选取与目标区域分割 | 第70-72页 |
| 4.4.3 目标分割实验结果和性能分析 | 第72-73页 |
| 4.4.4 目标形心位置确定 | 第73-74页 |
| 4.4.5 高分辨率SAR图像多目标快速检测 | 第74-77页 |
| 4.5 小结 | 第77-78页 |
| 第五章 基于过完备字典压缩和稀疏表示的SAR图像目标识别 | 第78-93页 |
| 5.1 引言 | 第78-79页 |
| 5.2 问题描述 | 第79-81页 |
| 5.3 过完备字典压缩 | 第81-82页 |
| 5.3.1 主元分析降维算法设计 | 第81页 |
| 5.3.2 核主元分析降维算法设计 | 第81-82页 |
| 5.4 基于稀疏表示的SAR图像车辆目标识别 | 第82-92页 |
| 5.4.1 算法描述 | 第82-85页 |
| 5.4.2 目标分类识别仿真实验分析 | 第85-88页 |
| 5.4.3 目标姿态变化对识别性能的影响 | 第88-89页 |
| 5.4.4 噪声对识别性能的影响 | 第89-90页 |
| 5.4.5 变体目标的识别性能 | 第90-92页 |
| 5.5 小结 | 第92-93页 |
| 第六章 基于控制线的SAR图像和可见光图像匹配 | 第93-116页 |
| 6.1 引言 | 第93-94页 |
| 6.2 问题描述 | 第94-95页 |
| 6.3 机载SAR图像景象匹配原理 | 第95-99页 |
| 6.3.1 图像仿射变换的数学模型 | 第95-98页 |
| 6.3.2 异源图像匹配的四要素 | 第98页 |
| 6.3.3 匹配误差分析和匹配精度 | 第98-99页 |
| 6.4 基于LSD的直线特征提取 | 第99-105页 |
| 6.4.1 图像梯度 | 第99-101页 |
| 6.4.2 直线段候选区域和直线段的判定 | 第101-102页 |
| 6.4.3 算法描述与仿真验证 | 第102-105页 |
| 6.5 可见光与SAR图像配准 | 第105-115页 |
| 6.5.1 控制线的选取 | 第105-107页 |
| 6.5.2 配准算法描述 | 第107-108页 |
| 6.5.3 仿真实验验证与分析 | 第108-113页 |
| 6.5.4 目标定位 | 第113-115页 |
| 6.6 小结 | 第115-116页 |
| 第七章 总结与展望 | 第116-118页 |
| 7.1 本文的主要工作与创新点 | 第116页 |
| 7.2 展望 | 第116-118页 |
| 参考文献 | 第118-133页 |
| 致谢 | 第133-134页 |
| 在学期间的研究成果及发表的学术论文 | 第134-135页 |
