| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状及分析 | 第12-14页 |
| 1.2.1 SAR目标识别方法的研究现状及分析 | 第12页 |
| 1.2.2 目标行为识别方法的研究现状及分析 | 第12-14页 |
| 1.3 研究目标与研究内容 | 第14页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第2章 相关技术概述 | 第16-30页 |
| 2.1 图像降噪 | 第16-19页 |
| 2.1.1 Lee滤波及其增强方法 | 第16-18页 |
| 2.1.2 小波阈值去噪方法 | 第18-19页 |
| 2.2 SAR图像目标识别方法 | 第19-23页 |
| 2.2.1 基于主成分分析特征的SAR图像目标识别方法 | 第19-20页 |
| 2.2.2 基于卷积神经网络的SAR图像目标识别方法 | 第20-23页 |
| 2.3 行为识别分类方法 | 第23-29页 |
| 2.3.1 基于隐马尔可夫模型的行为识别方法 | 第23-26页 |
| 2.3.2 基于耦合隐马尔可夫模型的行为识别方法 | 第26-28页 |
| 2.3.3 基于深度学习的行为识别方法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于小波阈值降噪结合卷积神经网络的SAR图像目标识别 | 第30-58页 |
| 3.1 方法概述 | 第30-31页 |
| 3.2 方法具体描述 | 第31-35页 |
| 3.2.1 SAR目标图像的小波分解 | 第31-32页 |
| 3.2.2 小波系数阈值处理 | 第32-33页 |
| 3.2.3 SAR目标图像的小波重构 | 第33-34页 |
| 3.2.4 卷积神经网络目标识别 | 第34-35页 |
| 3.3 实验结果比较和分析 | 第35-57页 |
| 3.3.1 实验数据集 | 第35-37页 |
| 3.3.2 实验结果与分析 | 第37-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第4章 SAR图像多目标交互行为识别 | 第58-72页 |
| 4.1 方法概述 | 第58-59页 |
| 4.2 方法具体描述 | 第59-61页 |
| 4.2.1 运动目标检测 | 第59页 |
| 4.2.2 运动目标识别 | 第59页 |
| 4.2.3 交互行为特征提取 | 第59-60页 |
| 4.2.4 交互行为类型识别 | 第60-61页 |
| 4.3 实验结果比较和分析 | 第61-71页 |
| 4.3.1 实验数据集 | 第61-67页 |
| 4.3.2 实验结果与分析 | 第67-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第5章 SAR多目标行为识别系统的设计与实现 | 第72-81页 |
| 5.1 SAR多目标行为识别系统总体概述 | 第72-74页 |
| 5.2 系统设计及实现 | 第74-80页 |
| 5.2.1 注册/登录模块设计及实现 | 第75-76页 |
| 5.2.2 数据读取模块设计及实现 | 第76-78页 |
| 5.2.3 目标识别模块设计及实现 | 第78-80页 |
| 5.2.4 行为识别模块设计及实现 | 第80页 |
| 5.3 本章小结 | 第80-81页 |
| 第6章 结论与展望 | 第81-83页 |
| 6.1 工作总结 | 第81页 |
| 6.2 展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-88页 |
| 攻读学位期间参加的科研项目和成果 | 第88页 |
