摘要 | 第11-12页 |
Abstract | 第12-13页 |
第一章 绪论 | 第14-28页 |
1.1 课题研究背景与意义 | 第14-17页 |
1.1.1 超宽带SAR探测浅埋目标的兴起 | 第14-16页 |
1.1.2 超宽带SAR浅埋目标特征获取技术研究的意义 | 第16-17页 |
1.2 国内外研究现状 | 第17-24页 |
1.2.1 典型超宽带SAR浅埋目标探测系统 | 第17-20页 |
1.2.2 超宽带SAR特征获取技术研究现状 | 第20-24页 |
1.3 本文主要工作及内容安排 | 第24-28页 |
1.3.1 本文研究思路 | 第24页 |
1.3.2 本文结构安排 | 第24-28页 |
第二章 基于有效特征空间的浅埋目标特征获取框架 | 第28-49页 |
2.1 引言 | 第28页 |
2.2 有效特征基本概念 | 第28-31页 |
2.2.1 特征的定义与作用 | 第28-30页 |
2.2.2 有效特征 | 第30-31页 |
2.3 超宽带SAR浅埋目标特征分析 | 第31-40页 |
2.3.1 浅埋目标电磁散射模型 | 第31-37页 |
2.3.2 浅埋目标散射特征 | 第37-40页 |
2.4 超宽带SAR浅埋目标有效特征空间与特征获取框架 | 第40-48页 |
2.4.1 超宽带SAR浅埋目标有效特征空间的定义 | 第40-41页 |
2.4.2 浅埋目标有效特征空间与超宽带SAR观测模型的关系 | 第41-45页 |
2.4.3 超宽带SAR浅埋目标特征获取框架 | 第45-48页 |
2.5 小结 | 第48-49页 |
第三章 超宽带SAR浅埋目标预筛选特征提取 | 第49-68页 |
3.1 引言 | 第49-50页 |
3.2 对比度特征的提取 | 第50-55页 |
3.2.1 基于对比度特征的预筛选 | 第50-52页 |
3.2.2 对比度特征的快速提取 | 第52-55页 |
3.2.3 基于对比度特征的预筛选的特点分析 | 第55页 |
3.3 局部结构特征的提取 | 第55-63页 |
3.3.1 图像局部结构特征 | 第55-59页 |
3.3.2 基于局部结构特征的预筛选方法 | 第59-63页 |
3.3.3 基于局部结构特征的预筛选的特点分析 | 第63页 |
3.4 基于实测数据的预筛选特征提取方法性能对比 | 第63-66页 |
3.5 小结 | 第66-68页 |
第四章 超宽带SAR浅埋目标鉴别特征提取 | 第68-100页 |
4.1 引言 | 第68-69页 |
4.2 基于时频分析的多维散射函数估计方法 | 第69-79页 |
4.2.1 空间波数分布理论 | 第69-71页 |
4.2.2 基于经典时频分析方法的多维散射函数估计 | 第71-78页 |
4.2.3 不确定原理的约束 | 第78-79页 |
4.3 基于经验模态分解的特征提取方法 | 第79-88页 |
4.3.1 经验模态分解方法 | 第80-85页 |
4.3.2 目标散射中心特征提取 | 第85-88页 |
4.4 基于稀疏表示的特征提取方法 | 第88-98页 |
4.4.1 基于稀疏表示的时频分析方法 | 第89-91页 |
4.4.2 基于稀疏表示的超宽带SAR浅埋目标特征提取 | 第91-98页 |
4.5 小结 | 第98-100页 |
第五章 超宽带SAR浅埋目标鉴别特征降维 | 第100-119页 |
5.1 引言 | 第100页 |
5.2 特征降维的必要性与可行性 | 第100-106页 |
5.2.1 特征降维的必要性分析 | 第101-104页 |
5.2.2 特征降维的可行性分析 | 第104-106页 |
5.3 线性降维方法 | 第106-111页 |
5.3.1 线性降维技术 | 第107-110页 |
5.3.2 数据处理实验 | 第110-111页 |
5.4 基于流形学习的非线性降维方法 | 第111-116页 |
5.4.1 流形学习方法 | 第111-113页 |
5.4.2 改进的Isomap方法 | 第113-114页 |
5.4.3 数据处理实验 | 第114-116页 |
5.5 基于实测数据的特征降维方法性能对比 | 第116-118页 |
5.6 小结 | 第118-119页 |
第六章结论与展望 | 第119-123页 |
6.1 本文工作总结 | 第119-121页 |
6.2 技术展望 | 第121-123页 |
致谢 | 第123-125页 |
参考文献 | 第125-134页 |
作者在学期间取得的学术成果 | 第134-136页 |
附录 英文缩写词对照表 | 第136-137页 |