| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-32页 |
| ·研究背景及研究意义 | 第18-20页 |
| ·国内外研究现状 | 第20-26页 |
| ·基于模型的SAR目标识别算法的关键问题 | 第26-28页 |
| ·本文的研究内容和章节安排 | 第28-32页 |
| 第二章 基于局部保持特性和混合高斯分布的SAR目标识别 | 第32-46页 |
| ·局部保持投影算法 | 第32-33页 |
| ·基于LPP-GMD算法的SAR目标识别 | 第33-40页 |
| ·基于混合高斯分布的似然函数建模 | 第34-35页 |
| ·基于局部保持特性的先验函数建模 | 第35-36页 |
| ·参数估计 | 第36-40页 |
| ·实验结果与分析 | 第40-44页 |
| ·本章小结 | 第44-46页 |
| 第三章 基于局部保持特性和Gamma分布的SAR目标识别 | 第46-64页 |
| ·SAR图像的乘性斑点噪声模型 | 第47-48页 |
| ·基于LPP-Gamma算法的SAR目标识别 | 第48-58页 |
| ·基于Gamma分布构建似然函数 | 第49-50页 |
| ·基于局部保持特性构建先验函数 | 第50-53页 |
| ·参数估计 | 第53-58页 |
| ·实验结果与分析 | 第58-63页 |
| ·SAR目标识别结果 | 第59-61页 |
| ·修正的相似度矩阵的有效性验证 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第四章 基于DS证据理论的多稀疏描述和样本统计特性的SAR目标融合识别 | 第64-78页 |
| ·Dempster-Shafer证据理论 | 第65-66页 |
| ·基于Dempster-Shafer证据理论的融合识别算法 | 第66-74页 |
| ·SAR图像的多稀疏描述 | 第66-70页 |
| ·基本概率分配函数的推导 | 第70-72页 |
| ·基于Dempster-Shafer证据理论的SAR目标识别 | 第72-74页 |
| ·实验结果与分析 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 基于稀疏描述和贝叶斯融合的SAR目标识别 | 第78-90页 |
| ·稀疏描述理论 | 第78-79页 |
| ·基于SR-BF算法的SAR目标识别 | 第79-85页 |
| ·SAR图像的SR-BF模型 | 第81-84页 |
| ·参数估计 | 第84-85页 |
| ·实验结果与分析 | 第85-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 基于局部保持特性和稀疏描述的SAR目标识别 | 第90-100页 |
| ·基于稀疏描述的识别算法 | 第91-92页 |
| ·基于LPP-SR算法的SAR目标识别 | 第92-95页 |
| ·实验结果与分析 | 第95-98页 |
| ·本章小结 | 第98-100页 |
| 第七章 总结与展望 | 第100-104页 |
| ·全文总结 | 第100-101页 |
| ·工作展望 | 第101-104页 |
| 参考文献 | 第104-116页 |
| 致谢 | 第116-118页 |
| 作者简介 | 第118-121页 |
