| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 SAR图像目标检测国内外研究现状 | 第9-10页 |
| 1.2.2 SAR图像目标分类国内外研究现状 | 第10页 |
| 1.3 主要研究内容和章节安排 | 第10-13页 |
| 第2章 高分辨率SAR图像目标检测与分类基础 | 第13-24页 |
| 2.1 SAR图像成像原理 | 第13-15页 |
| 2.2 高分辨率SAR图像目标特性 | 第15-16页 |
| 2.3 高分辨率SAR图像噪声抑制方法 | 第16-18页 |
| 2.3.1 Lee滤波算法 | 第16-17页 |
| 2.3.2 Kuan滤波算法 | 第17页 |
| 2.3.3 Frost滤波算法 | 第17页 |
| 2.3.4 改进的小波软阈值滤波算法 | 第17-18页 |
| 2.4 传统的SAR图像目标检测方法 | 第18-21页 |
| 2.5 传统的SAR图像目标分类方法 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于多特征联合的高分辨率SAR图像目标检测 | 第24-39页 |
| 3.1 基于局部杂波统计模型的双参数CFAR检测算法 | 第24-29页 |
| 3.1.1 CFAR检测原理 | 第25页 |
| 3.1.2 SAR图像杂波分布模型选取 | 第25-28页 |
| 3.1.3 算法原理及流程 | 第28-29页 |
| 3.2 基于纹理特征的垂直边缘检测算法 | 第29-33页 |
| 3.2.1 纹理特征提取方法 | 第29-30页 |
| 3.2.2 算法原理 | 第30-32页 |
| 3.2.3 检测流程 | 第32-33页 |
| 3.3 结合灰度特征检测和纹理特征融合目标检测 | 第33-35页 |
| 3.3.1 算法原理 | 第33-34页 |
| 3.3.2 检测流程 | 第34-35页 |
| 3.4 目标检测实验结果与分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于分类器组合的高分辨率SAR图像目标分类 | 第39-49页 |
| 4.1 基于峰值特征匹配的分类识别技术 | 第39-40页 |
| 4.1.1 高分辨率SAR图像峰值特征提取 | 第39-40页 |
| 4.1.2 高分辨率SAR图像峰值特征匹配原理 | 第40页 |
| 4.2 高分辨率SAR图像支持向量机分类技术 | 第40-44页 |
| 4.2.1 SVM分类器原理 | 第41-43页 |
| 4.2.2 核函数 | 第43页 |
| 4.2.3 SVM分类器分类流程 | 第43-44页 |
| 4.3 分类器组合的高分辨率SAR图像目标分类技术 | 第44-46页 |
| 4.3.1 分类器组合策略 | 第44-45页 |
| 4.3.2 分类器组合分类原理 | 第45-46页 |
| 4.4 目标分类实验结果与分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 作者简介及科研成果 | 第52-53页 |
| 致谢 | 第53页 |
