| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-35页 |
| 1．1 合成孔径雷达的发展历史与现状 | 第13-22页 |
| 1．1．1 合成孔径雷达的发展历史 | 第13-17页 |
| 1．1．2 合成孔径雷达的成像原理 | 第17-22页 |
| 1．2 SAR图像处理的关键技术 | 第22-23页 |
| 1．3 SAR图像的研究进展与存在的问题 | 第23-26页 |
| 1．4 稀疏自适应图像处理的进展 | 第26-29页 |
| 1．4．1 Ridgelet | 第26页 |
| 1．4．2 Curvelet | 第26-27页 |
| 1．4．3 Brushlet | 第27页 |
| 1．4．4 Beamlet | 第27-28页 |
| 1．4．5 Wedgelet | 第28页 |
| 1．4．6 Contourlet | 第28页 |
| 1．4．7 Bandlet | 第28-29页 |
| 1．5 本文所做的工作 | 第29-30页 |
| 1．6 本章小结 | 第30-31页 |
| 参考文献 | 第31-35页 |
| 第二章 泛函网络与脊波网络逼近 | 第35-67页 |
| 2．1 函数逼近与泛函网络 | 第35-42页 |
| 2．1．1 函数逼近与神经网络 | 第35-37页 |
| 2．1．2 脊波 | 第37-40页 |
| 2．1．3 泛函网络 | 第40-41页 |
| 2．1．4 稀疏性、完备性与Basis Pursuit | 第41-42页 |
| 2．2 子波神经网络 | 第42-48页 |
| 2．3 可交换分离性泛函网络 | 第48-55页 |
| 2．4 基于泛函网络的混沌通信解密 | 第55-58页 |
| 2．5 基于脊波泛函网络的多维函数逼近 | 第58-63页 |
| 2．6 本章小结 | 第63页 |
| 参考文献 | 第63-67页 |
| 第三章 基于空间滤波器和多子波的SAR图像噪声抑制 | 第67-93页 |
| 3．1 SAR图像噪声的数学模型 | 第67-69页 |
| 3．1．1 SAR图像噪声的数学模型 | 第67-68页 |
| 3．1．2 斑点噪声去噪效果的衡量指标 | 第68-69页 |
| 3．2 基于数学形态学的MMLV滤波器 | 第69-80页 |
| 3．3 基于统计模型的SAR图像斑点噪声去除 | 第80-82页 |
| 3．3．1 Frost滤波器 | 第80-81页 |
| 3．3．2 Kuan滤波器 | 第81-82页 |
| 3．3．3 Lee滤波器 | 第82页 |
| 3．3．4 Gamma Map滤波器 | 第82页 |
| 3．3．5 对基于统计模型的滤波器的评价 | 第82页 |
| 3．4 基于多子波的SAR图像去噪 | 第82-90页 |
| 3．4．1 多子波分析 | 第83-84页 |
| 3．4．2 基于多子波和边缘检测的SAR图像斑点噪声抑制 | 第84-86页 |
| 3．4．3 仿真结果及分析 | 第86-90页 |
| 3．5 本章小结 | 第90页 |
| 参考文献 | 第90-93页 |
| 第四章 SAR图像线状特征提取 | 第93-111页 |
| 4．1 基于改进的Canny算子的边缘检测 | 第94-100页 |
| 4．2 Hough变换与Radon变换 | 第100-104页 |
| 4．3 基于脊波分析的直线性边缘的提取 | 第104-109页 |
| 4．4 本章小结 | 第109页 |
| 参考文献 | 第109-111页 |
| 第五章 基于CLi多子波和Ridgelet的 SAR图像压缩 | 第111-133页 |
| 5．1 SAR图像压缩性能指标 | 第111-114页 |
| 5．2 基于复子波的 CLi多子波构造 | 第114-120页 |
| 5．3 基于 CLi多子波的SAR图像去噪压缩混合方法 | 第120-125页 |
| 5．4 基于Ridgelet的 SAR图像压缩 | 第125-130页 |
| 5．5 本章小结 | 第130页 |
| 参考文献 | 第130-133页 |
| 第六章 基于多子波与方向模板的SAR图像融合 | 第133-143页 |
| 6．1 多传感器图像融合的概念和融合效果评价准则 | 第133-135页 |
| 6．2 基于多子波分析和方向模板的SAR图像融合 | 第135-141页 |
| 6．3 本章小结 | 第141页 |
| 参考文献 | 第141-143页 |
| 第七章 总结与展望 | 第143-147页 |
| 致谢 | 第147-149页 |
| 作者攻读博士学位期间的学术论文 | 第149页 |
