| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·压缩感知及其在识别中的应用 | 第17-18页 |
| ·本文主要研究内容及章节安排 | 第18-20页 |
| 第二章 压缩感知基本理论 | 第20-33页 |
| ·传统采样定理的局限性 | 第20-22页 |
| ·压缩感知理论介绍 | 第22-25页 |
| ·压缩感知模型概述 | 第22-25页 |
| ·测量矩阵 | 第25页 |
| ·稀疏约束下的重建算法 | 第25-32页 |
| ·最小 l1范数算法 | 第27-30页 |
| ·贪婪迭代算法 | 第30-31页 |
| ·重建性能实验分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 SAR 图像预处理技术研究 | 第33-46页 |
| ·MSTAR 数据介绍 | 第33-35页 |
| ·SAR 图像噪声模型 | 第35页 |
| ·去除干扰基团的 Markov 随机场 SAR 图像分割 | 第35-39页 |
| ·Markov 随机场(MRF)图像模型 | 第35-37页 |
| ·MAP 准则和条件迭代算法(ICM) | 第37页 |
| ·算法流程描述 | 第37-39页 |
| ·SAR 图像分割后处理 | 第39-43页 |
| ·基于连通区域标记的几何聚类 | 第39-41页 |
| ·SAR 图像中的目标区域处理 | 第41-43页 |
| ·预处理流程与结果分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于压缩感知的 SAR 图像目标识别 | 第46-62页 |
| ·引言 | 第46-47页 |
| ·二维主分量分析特征提取 | 第47-50页 |
| ·样本之间的稀疏表示方法 | 第50-51页 |
| ·基于非负稀疏表示的 SAR 图像目标识别 | 第51-56页 |
| ·非负梯度投影稀疏重建算法 | 第52-55页 |
| ·基于非负稀疏系数的识别算法 | 第55-56页 |
| ·仿真实验分析 | 第56-61页 |
| ·稀疏系数分布 | 第56-58页 |
| ·识别性能与比较 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 结合最近邻和压缩感知的快速 SAR 图像目标识别 | 第62-73页 |
| ·近邻识别方法 | 第62-63页 |
| ·基于置信度的拒识准则 | 第63-64页 |
| ·压缩感知快速识别算法 | 第64-67页 |
| ·仿真实验分析 | 第67-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 总结及展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |