摘要 | 第1-7页 |
Abstract | 第7-12页 |
第一章 绪论 | 第12-20页 |
·研究背景和意义 | 第12页 |
·极化合成孔径雷达的发展 | 第12-14页 |
·极化SAR 信息处理的研究状况 | 第14-18页 |
·本文的主要工作及内容安排 | 第18-20页 |
第二章 极化雷达的基本理论 | 第20-32页 |
·电磁波的极化及其表征 | 第20-26页 |
·电磁波极化的表征 | 第20-21页 |
·极化椭圆 | 第21-22页 |
·Jones 矢量 | 第22-23页 |
·Stokes 矢量 | 第23-24页 |
·Poincare 球 | 第24-25页 |
·部分极化电磁波及其分解 | 第25-26页 |
·天线的极化接收 | 第26-27页 |
·目标的变极化效应及其描述 | 第27-31页 |
·极化散射矩阵 | 第27-28页 |
·Mueller 矩阵 | 第28-29页 |
·Stokes 矩阵 | 第29-30页 |
·极化协方差矩阵和极化相干矩阵 | 第30-31页 |
·本章小节 | 第31-32页 |
第三章 极化降斑 | 第32-47页 |
·引言 | 第32-33页 |
·极化白化滤波算法 | 第33-35页 |
·基于最小均方误差(MMSE)的极化降斑 | 第35-37页 |
·基于MMSE 的降斑方法 | 第35-36页 |
·基于MMSE 的多极化数据降斑 | 第36-37页 |
·基于MMSE 极化数据降斑的具体实现 | 第37-43页 |
·矩形窗方法 | 第38页 |
·Prewitt 算子方法 | 第38-40页 |
·基于分类的参数估计 | 第40-41页 |
·基于散射模型的参数估计 | 第41-43页 |
·基于散射模型预分类降斑方法的改进研究 | 第43-45页 |
·本章小结 | 第45-47页 |
第四章 极化 SAR 图像中目标特征量提取 | 第47-78页 |
·引言 | 第47-48页 |
·基于简单代数运算的目标特征量提取 | 第48-58页 |
·通过极化分解提取目标特征 | 第58-69页 |
·相干目标分解(CTD) | 第58-61页 |
·非相干目标分解(ICTD) | 第61-69页 |
·目标差异的表征 | 第69-76页 |
·特征量距离 | 第70页 |
·目标相似性参数 | 第70-72页 |
·特征图量化参数 | 第72-75页 |
·目标间的差异度 | 第75-76页 |
·本章小结 | 第76-78页 |
第五章 极化对比增强 | 第78-100页 |
·引言 | 第78-79页 |
·最优极化对比增强 | 第79-85页 |
·基于线性加权的对比增强 | 第79-82页 |
·最优对比增强的SUMT 数值解法 | 第82-84页 |
·广义最优极化对比增强 | 第84-85页 |
·极化两目标同零 | 第85-88页 |
·同极化零和交叉极化零 | 第85-86页 |
·极化两目标同零 | 第86-88页 |
·海上舰船目标的极化对比增强研究 | 第88-99页 |
·基于自动划分舰船目标样本的对比增强 | 第89-90页 |
·实测数据的对比增强效果 | 第90-99页 |
·本章小结 | 第99-100页 |
第六章 极化 SAR 图像分类 | 第100-120页 |
·引言 | 第100-101页 |
·基于极化分解的目标分类 | 第101-107页 |
·基于Freeman 分解的目标分类 | 第101-103页 |
·基于特征分解的目标分类 | 第103-107页 |
·迭代分类 | 第107-118页 |
·基于Wishart 距离的迭代分类 | 第107-114页 |
·基于目标差异度的迭代分类 | 第114-118页 |
·本章小结 | 第118-120页 |
第七章 极化 SAR 图像中的舰船检测研究 | 第120-131页 |
·引言 | 第120-121页 |
·基于H /α/ Wishart 分类的舰船检测 | 第121-123页 |
·基于H /α/ Difference 分类的舰船检测 | 第123页 |
·基于特征矢量的检测方法 | 第123-127页 |
·特征矢量的构造 | 第124页 |
·基于特征矢量的迭代分类 | 第124-125页 |
·实测数据的舰船检测结果 | 第125-127页 |
·用于舰船检测的三种分类方法的比较 | 第127-128页 |
·舰船目标鉴别 | 第128-130页 |
·本章小结 | 第130-131页 |
第八章 结束语 | 第131-133页 |
参考文献 | 第133-139页 |
攻读博士学位期间取得的研究成果 | 第139-140页 |
致谢 | 第140-141页 |
作者简介 | 第141页 |