| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 研究历史与现状 | 第11-12页 |
| 1.3 本论文的主要内容与结构安排 | 第12-14页 |
| 第二章 SAR图像目标识别系统 | 第14-24页 |
| 2.1 SAR图像成像机制与影像特征分析 | 第14-15页 |
| 2.2 SAR图像目标识别系统构成简介 | 第15-16页 |
| 2.3 基于模板的SAR ATR系统介绍 | 第16-22页 |
| 2.3.1 图像预处理 | 第17页 |
| 2.3.2 图像检测 | 第17-18页 |
| 2.3.3 图像聚类 | 第18-19页 |
| 2.3.4 图像分割 | 第19页 |
| 2.3.5 目标鉴别 | 第19-21页 |
| 2.3.6 目标匹配 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 SAR图像特征提取与特征信息融合 | 第24-38页 |
| 3.1 引言 | 第24-25页 |
| 3.2 SAR图像纹理特征提取 | 第25-29页 |
| 3.2.1 基于灰度共生矩阵的纹理特征 | 第25-27页 |
| 3.2.2 基于Gabor滤波的纹理特征 | 第27-29页 |
| 3.3 特征信息融合理论与方法 | 第29-30页 |
| 3.4 特征信息融合的特征组合方法 | 第30-31页 |
| 3.5 基于线性降维方法的特征选择 | 第31-34页 |
| 3.6 实验结果与分析 | 第34-36页 |
| 3.6.1 正确率对比 | 第34-35页 |
| 3.6.2 稳定性对比 | 第35-36页 |
| 3.7 本章小结 | 第36-38页 |
| 第四章 基于极限学习机的SAR图像分类器设计 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 极限学习机理论 | 第38-42页 |
| 4.2.1 极限学习机的理论基础 | 第39-41页 |
| 4.2.2 极限学习机的网络构造方式 | 第41-42页 |
| 4.3 增量算法与极限学习机 | 第42-46页 |
| 4.3.1 增量算法 | 第42-43页 |
| 4.3.2 增量型极限学习机 | 第43-44页 |
| 4.3.3 增强型极限学习机 | 第44-46页 |
| 4.4 变长型增量极限学习机算法 | 第46-48页 |
| 4.4.1 增量模型的增长速度与网络收敛速度 | 第46-47页 |
| 4.4.2 变长型网络增长方式 | 第47-48页 |
| 4.5 基于变长增量型极限学习机的SAR图像分类算法设计 | 第48-54页 |
| 4.5.1 变长增量型与其它增量型极限学习机对比 | 第48-50页 |
| 4.5.2 基于特征融合和极限学习机的SAR图像分类系统 | 第50-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 基于点群相似度的SAR图像目标匹配 | 第56-68页 |
| 5.1 引言 | 第56页 |
| 5.2 SAR图像相似性度量 | 第56-57页 |
| 5.3 点群相似度准则 | 第57-59页 |
| 5.3.1 点与点群距离相似度准则 | 第57页 |
| 5.3.2 点与点群灰度相似度准则 | 第57-59页 |
| 5.3.3 点群与点群相似度准则 | 第59页 |
| 5.4 相关系数与相似性度量实验对比 | 第59-65页 |
| 5.4.1 不同噪声下的相似度校验 | 第60-61页 |
| 5.4.2 不同部分遮挡的相似度校验 | 第61-62页 |
| 5.4.3 不同变形的相似度校验 | 第62-63页 |
| 5.4.4 不同灰度分布的相似度校验 | 第63-64页 |
| 5.4.5 基于点群相似性度量与相关系数对比 | 第64-65页 |
| 5.5 基于MSTAR目标匹配的相似性度量有效性验证 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文 | 第76页 |
