| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 SAR目标识别研究现状 | 第12-15页 |
| 1.2.2 稀疏表示在图像处理中的应用及研究现状 | 第15-16页 |
| 1.3 本文结构安排 | 第16-18页 |
| 第二章 SAR图像目标识别基本理论 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 SAR ATR研究的主要内容 | 第18-24页 |
| 2.2.1 SAR图像预处理技术 | 第19-20页 |
| 2.2.2 SAR目标特征提取技术 | 第20页 |
| 2.2.3 SAR目标分类技术 | 第20-24页 |
| 2.3 SAR ATR的主要难点 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 稀疏表示理论及其在图像识别中的应用 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 信号的稀疏表示模型 | 第25-26页 |
| 3.3 稀疏字典的构造 | 第26-27页 |
| 3.4 稀疏分解算法的研究 | 第27-28页 |
| 3.5 梯度投影法 | 第28-30页 |
| 3.5.1 梯度投影算法相关背景 | 第28-29页 |
| 3.5.2 梯度投影算法 | 第29-30页 |
| 3.6 基于稀疏表示的图像识别方法 | 第30-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 结合KPCA和稀疏表示的SAR目标识别方法 | 第33-47页 |
| 4.1 引言 | 第33页 |
| 4.2 特征提取方法 | 第33-36页 |
| 4.2.1 PCA特征提取方法 | 第34-35页 |
| 4.2.2 KPCA特征提取方法 | 第35-36页 |
| 4.3 结合KPCA和稀疏表示的SAR目标识别方法 | 第36-46页 |
| 4.3.1 识别分类 | 第36-38页 |
| 4.3.2 实验结果及分析 | 第38-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于改进的稀疏保持投影的SAR目标识别方法 | 第47-61页 |
| 5.1 引言 | 第47页 |
| 5.2 LLE特征提取方法 | 第47-50页 |
| 5.3 SPP特征提取方法 | 第50-51页 |
| 5.4 改进的SPP特征提取方法 | 第51-53页 |
| 5.5 基于改进的SPP特征提取的SAR目标识别方法 | 第53-54页 |
| 5.6 实验结果及分析 | 第54-60页 |
| 5.6.1 第一组数据实验结果及分析 | 第54-58页 |
| 5.6.2 第二组数据实验结果及分析 | 第58-60页 |
| 5.7 本章小结 | 第60-61页 |
| 第六章 总结 | 第61-63页 |
| 6.1 论文工作总结 | 第61页 |
| 6.2 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 硕士攻读期间所发表的论文 | 第68页 |
