| 摘要 | 第13-15页 |
| Abstract | 第15-16页 |
| 第一章 绪论 | 第17-34页 |
| 1.1 课题背景和研究意义 | 第17-21页 |
| 1.2 SAR图像统计建模、仿真以及典型应用概述 | 第21-32页 |
| 1.2.1 SAR图像统计建模与仿真概述 | 第21-26页 |
| 1.2.2 SAR图像统计建模的典型应用 | 第26-31页 |
| 1.2.3 SAR图像统计建模及应用面临的问题 | 第31-32页 |
| 1.3 主要工作和内容安排 | 第32-34页 |
| 1.3.1 本文主要工作 | 第32-33页 |
| 1.3.2 本文内容安排 | 第33-34页 |
| 第二章 SAR图像统计建模基本方法 | 第34-62页 |
| 2.1 引言 | 第34页 |
| 2.2 SAR图像统计模型构建 | 第34-44页 |
| 2.2.1 SAR图像散射模型 | 第34-38页 |
| 2.2.2 SAR图像乘积模型 | 第38-41页 |
| 2.2.3 SAR图像经验模型 | 第41-43页 |
| 2.2.4 SAR图像混合模型 | 第43-44页 |
| 2.3 SAR图像模型参数估计 | 第44-49页 |
| 2.3.1 经典参数估计方法 | 第44-45页 |
| 2.3.2 对数累积量方法 | 第45-48页 |
| 2.3.3 其他参数估计方法 | 第48-49页 |
| 2.4 极化SAR图像统计模型构建 | 第49-53页 |
| 2.4.1 极化SAR图像散射模型 | 第49-50页 |
| 2.4.2 极化SAR图像乘积模型 | 第50-53页 |
| 2.5 极化SAR图像模型参数估计 | 第53-61页 |
| 2.5.1 极化协方差矩阵估计 | 第53-54页 |
| 2.5.2 等效视数估计 | 第54-57页 |
| 2.5.3 纹理参数估计 | 第57-61页 |
| 2.6 本章小结 | 第61-62页 |
| 第三章 基于广义Gamma分布的SAR图像统计建模与仿真 | 第62-116页 |
| 3.1 引言 | 第62页 |
| 3.2 基于GΓD的单通道SAR图像统计建模 | 第62-83页 |
| 3.2.1 GΓD及其特性分析 | 第62-67页 |
| 3.2.2 GΓD参数估计 | 第67-76页 |
| 3.2.3 SAR图像统计建模实验与分析 | 第76-83页 |
| 3.3 基于GΓD纹理的多极化SAR图像统计建模 | 第83-95页 |
| 3.3.1 GΓ-Wishart分布模型的构建与性质 | 第83-86页 |
| 3.3.2 基于MoMLC的GΓ-Wishart分布参数估计 | 第86-87页 |
| 3.3.3 多极化SAR图像统计建模实验结果与分析 | 第87-95页 |
| 3.4 空间相关的SAR杂波图像仿真 | 第95-114页 |
| 3.4.1 空间相关的SAR杂波图像仿真基本原理 | 第95-97页 |
| 3.4.2 特定概率密度的SAR杂波图像仿真 | 第97-100页 |
| 3.4.3 特定空间相关性的SAR杂波图像仿真 | 第100-107页 |
| 3.4.4 SAR杂波图像仿真实验结果与分析 | 第107-114页 |
| 3.5 本章小结 | 第114-116页 |
| 第四章 基于广义Gamma分布的SAR图像CFAR检测 | 第116-136页 |
| 4.1 引言 | 第116-117页 |
| 4.2 经典的SAR图像目标检测算法 | 第117-120页 |
| 4.2.1 固定阈值检测法 | 第117-118页 |
| 4.2.2 广义似然比检测法 | 第118页 |
| 4.2.3 CFAR检测法 | 第118-120页 |
| 4.3 SAR图像CFAR检测算法 | 第120-129页 |
| 4.3.1 基于不同检测器的SAR图像CFAR方法 | 第120-123页 |
| 4.3.2 基于不同背景分布模型的CFAR检测方法 | 第123-129页 |
| 4.4 实验结果与分析 | 第129-135页 |
| 4.4.1 实验数据说明 | 第129-130页 |
| 4.4.2 恒虚警率保持性能实验分析 | 第130-133页 |
| 4.4.3 算法效率比较分析 | 第133-135页 |
| 4.5 本章小结 | 第135-136页 |
| 第五章 基于广义Gamma分布的SAR图像层次分割算法 | 第136-159页 |
| 5.1 引言 | 第136-137页 |
| 5.2 SAR图像分割基本原理 | 第137-138页 |
| 5.2.1 图像分割的定义 | 第137页 |
| 5.2.2 图像分割算法分类 | 第137-138页 |
| 5.3 基于区域似然的SAR图像层次分割 | 第138-148页 |
| 5.3.1 图像层次分割基本原理 | 第138-139页 |
| 5.3.2 基于区域似然值的SAR图像层次分割 | 第139-143页 |
| 5.3.3 基于L方法的最优区域数确定 | 第143-144页 |
| 5.3.4 图像层次分割实验结果与分析 | 第144-148页 |
| 5.4 基于局部贝叶斯准则的区域边界演化 | 第148-157页 |
| 5.4.1 MRF模型 | 第148-151页 |
| 5.4.2 边界演化的局部贝叶斯准则 | 第151-154页 |
| 5.4.3 边界演化实验结果与分析 | 第154-157页 |
| 5.5 本章小结 | 第157-159页 |
| 第六章 基于广义Gamma分布的SAR图像地物区域分类 | 第159-180页 |
| 6.1 引言 | 第159-160页 |
| 6.2 经典的SAR图像参量贝叶斯分类方法 | 第160-162页 |
| 6.2.1 基于像素的SAR图像贝叶斯分类 | 第160-161页 |
| 6.2.2 基于区域的SAR图像贝叶斯分类 | 第161-162页 |
| 6.3 基于区域的SAR图像最小KL距离分类 | 第162-166页 |
| 6.3.1 SAR图像最小区域KL距离分类方法 | 第163-164页 |
| 6.3.2 基于GΓD的最小区域KL距离分类 | 第164-166页 |
| 6.4 实验结果与分析 | 第166-179页 |
| 6.4.1 仿真SAR图像的分类结果与分析 | 第166-173页 |
| 6.4.2 实测SAR图像的分类结果与分析 | 第173-179页 |
| 6.5 本章小结 | 第179-180页 |
| 第七章 结论与展望 | 第180-183页 |
| 7.1 工作总结 | 第180-181页 |
| 7.2 下一步研究方向 | 第181-183页 |
| 致谢 | 第183-185页 |
| 附录A. 本文涉及的多个典型特殊函数 | 第185-186页 |
| 附录B. GΓD的方差系数C_v的单调性证明 | 第186-187页 |
| 附录C. GΓD、Fisher、Beta和逆Beta分布的ICDF推导 | 第187-190页 |
| C.1 GΓD的ICDF推导 | 第187-188页 |
| C.2 Fisher分布的ICDF推导 | 第188页 |
| C.3 Beta分布的ICDF推导 | 第188-189页 |
| C.4 逆Beta分布ICDF推导 | 第189-190页 |
| 附录D. Fisher、Beta和逆Beta分布的第r阶矩推导 | 第190-192页 |
| D.1 Fisher分布的第r阶矩推导 | 第190页 |
| D.2 Beta分布的第r阶矩推导 | 第190-191页 |
| D.3 逆Beta分布的第r阶矩推导 | 第191-192页 |
| 附录E. 混合矩计算式证明 | 第192-193页 |
| 附录F. GΓD的KL散度推导 | 第193-195页 |
| 参考文献 | 第195-208页 |
| 作者在学期间取得的学术成果 | 第208-210页 |
| 攻读博士期间参与的科研项目 | 第210页 |
