摘要 | 第1-11页 |
ABSTRACT | 第11-13页 |
第一章 绪论 | 第13-27页 |
·课题研究背景及意义 | 第13-20页 |
·SAR 图像目标分类的概念与现状 | 第14-18页 |
·SAR 图像目标分类的处理框架 | 第18-19页 |
·课题研究的意义 | 第19-20页 |
·关键技术研究现状 | 第20-24页 |
·SAR 图像去斑的研究现状 | 第20-21页 |
·SAR 图像区域分割技术的研究现状 | 第21-22页 |
·SAR 图像目标切片特征提取技术研究现状 | 第22-24页 |
·论文的主要工作 | 第24-27页 |
第二章 基于Bayes 估计理论的SAR 图像去斑处理方法 | 第27-49页 |
·引言 | 第27-28页 |
·基于MRF 模型的SAR 图像贝叶斯去斑算法 | 第28-36页 |
·基于SPMRF 模型的SAR 图像贝叶斯去斑算法 | 第29-33页 |
·基于自适应邻域MMRF 模型的SAR 图像贝叶斯去斑算法 | 第33-36页 |
·基于HMT-HMRF 模型的SAR 图像贝叶斯去斑算法 | 第36-42页 |
·基于小波变换的贝叶斯SAR 图像去斑处理 | 第37-38页 |
·HMT、HMRF 及HMT-HMRF 模型 | 第38-39页 |
·HMT-HMRF 模型的隐状态估计法及去斑处理 | 第39-42页 |
·去斑实验结果分析及评估 | 第42-48页 |
·基于SPMRF 和AN-MMRF 的贝叶斯去斑算法的实验结果 | 第43-45页 |
·基于HMT-HMRF 模型的贝叶斯去斑实验结果 | 第45-48页 |
·小结 | 第48-49页 |
第三章 高分辨率SAR 图像的区域分割技术 | 第49-74页 |
·引言 | 第49-50页 |
·基于最大类间方差准则的最优阈值分割算法 | 第50-56页 |
·基于最大类间方差准则计算二维直方图的最优分割阈值 | 第50-53页 |
·乘性噪声背景条件下改进的二维最大类间方差分割算法 | 第53-56页 |
·基于分形模型的SAR 图像分割算法 | 第56-60页 |
·SAR 图像的分形维数特征 | 第56-58页 |
·SAR 图像的间隙度特征 | 第58-59页 |
·基于分形特征组的高分辨率SAR 图像区域分割算法 | 第59-60页 |
·基于多分辨率分析的高分辨率SAR 图像分割算法 | 第60-65页 |
·基于四分叉树形结构生成多分辨率SAR 图像序列 | 第61-62页 |
·基于MAR 模型计算多分辨率对数似然比统计量 | 第62-65页 |
·分割实验结果及评估 | 第65-73页 |
·基于最大类间方差准则的SAR 图像分割实验结果 | 第65-67页 |
·基于分形特征组的SAR 图像分割实验结果 | 第67-69页 |
·基于多分辨率分析的SAR 图像分割实验结果 | 第69-70页 |
·分割算法的性能分析及评估结果 | 第70-73页 |
·小结 | 第73-74页 |
第四章 面向目标分类的SAR 图像目标特征提取 | 第74-103页 |
·引言 | 第74-75页 |
·SAR 图像目标方位角估计方法综述 | 第75-84页 |
·SAR 目标模型及其对方位角估计算法的影响 | 第75-77页 |
·SAR 目标方位角估计方法概述 | 第77-78页 |
·SAR 目标方位角估计方法 | 第78-84页 |
·一种联合主导边界和最小外接矩形的目标方位角估计方法 | 第84-89页 |
·算法流程 | 第84-86页 |
·实验结果与分析 | 第86-89页 |
·面向人机交互的图像目标几何特征提取与分析 | 第89-91页 |
·目标几何特征提取 | 第89-91页 |
·实验结果与分析 | 第91页 |
·一种基于PCA 特征的的全自动SAR 图像目标分类方法 | 第91-101页 |
·方案的设计 | 第92页 |
·预处理 | 第92-94页 |
·特征提取 | 第94-95页 |
·分类器 | 第95-97页 |
·实验结果与分析 | 第97-101页 |
·小结 | 第101-103页 |
第五章 结束语 | 第103-106页 |
·本文的主要成果和创新点 | 第103-105页 |
·需要进一步研究的问题 | 第105-106页 |
致谢 | 第106-107页 |
作者在学期间取得的学术成果 | 第107-108页 |
参考文献 | 第108-117页 |