| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·国内外研究现状及发展趋势 | 第11-13页 |
| ·论文的主要工作及内容安排 | 第13-17页 |
| 第二章 基于相关匹配的SAR 目标分类方法 | 第17-31页 |
| ·引言 | 第17页 |
| ·SAR 目标方位角估计 | 第17-20页 |
| ·基于目标主轴的方法 | 第17-19页 |
| ·基于最小外接矩形的方法 | 第19-20页 |
| ·基于主导边界的方法 | 第20页 |
| ·SAR 图像相关匹配 | 第20-23页 |
| ·相关匹配算法 | 第20-22页 |
| ·图像相关性度量 | 第22-23页 |
| ·基于方位角信息和相关匹配的SAR 目标分类方法 | 第23-24页 |
| ·算法原理 | 第23-24页 |
| ·算法描述 | 第24页 |
| ·实验结果和分析 | 第24-30页 |
| ·实验数据说明 | 第25页 |
| ·SAR 目标方位角估计结果及分析 | 第25-28页 |
| ·基于相关匹配的SAR 目标分类结果及分析 | 第28-29页 |
| ·基于方位角信息和相关匹配的SAR 目标分类结果及分析 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于峰值匹配的SAR 目标分类方法 | 第31-46页 |
| ·引言 | 第31页 |
| ·SAR 图像目标峰值特征提取 | 第31-35页 |
| ·SAR 图像目标峰值模型 | 第31-32页 |
| ·峰值特征提取方法 | 第32-35页 |
| ·点特征匹配的典型方法 | 第35-39页 |
| ·点特征匹配的一般过程 | 第36页 |
| ·基于最小误判概率的硬匹配方法 | 第36-38页 |
| ·基于松弛标记的软匹配方法 | 第38-39页 |
| ·基于多重约束目标函数和模拟退火的匹配方法 | 第39-42页 |
| ·基于多重约束目标函数的构造 | 第39-40页 |
| ·基于模拟退火的目标函数最小化 | 第40-41页 |
| ·算法流程 | 第41-42页 |
| ·基于峰值匹配的SAR 目标分类结果及分析 | 第42-44页 |
| ·小结 | 第44-46页 |
| 第四章 基于PCA 特征的SVM 分类方法 | 第46-62页 |
| ·引言 | 第46页 |
| ·PCA 特征提取 | 第46-48页 |
| ·PCA 基本原理 | 第47页 |
| ·基于PCA 特征提取的步骤 | 第47-48页 |
| ·SVM 分类器 | 第48-53页 |
| ·SVM 分类器原理 | 第48-50页 |
| ·SVM 典型核函数及其参数选择方法 | 第50-53页 |
| ·基于PCA 和SVM 的SAR 目标分类方法 | 第53-56页 |
| ·基本流程 | 第53页 |
| ·基于类间差异的SVM 核参数选择方法 | 第53-55页 |
| ·基于新SVM 核参数选择方法的分类流程 | 第55-56页 |
| ·实验结果及分析 | 第56-61页 |
| ·SVM 的分类结果并与NN 比较 | 第56-58页 |
| ·基于不同核参数选择方法的SVM 分类结果比较 | 第58-61页 |
| ·小结 | 第61-62页 |
| 第五章 结束语 | 第62-64页 |
| ·本文的主要成果及创新点 | 第62-63页 |
| ·需进一步研究的问题 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者在学期间取得的学术成果 | 第70页 |