基于强鲁棒性的SAR图像目标识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-9页 |
| Contents | 第9-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 选题背景和意义 | 第11-12页 |
| 1.2 SAR图像目标识别研究现状 | 第12-19页 |
| 1.2.1 滤波研究现状 | 第13-14页 |
| 1.2.2 目标分割研究现状 | 第14-16页 |
| 1.2.3 目标特征提取研究现状 | 第16-17页 |
| 1.2.4 目标识别分类研究现状 | 第17-19页 |
| 1.3 论文主要创新点 | 第19页 |
| 1.4 论文的主要内容及章节安排 | 第19-21页 |
| 第二章 SAR图像相关基础理论及滤波实现 | 第21-30页 |
| 2.1 SAR的成像原理 | 第21-22页 |
| 2.2 SAR图像分辨率 | 第22页 |
| 2.3 SAR图像相干斑噪声 | 第22-25页 |
| 2.3.1 相干斑噪声形成机理 | 第22-23页 |
| 2.3.2 相干斑噪声的模型和统计特性 | 第23-25页 |
| 2.4 SAR的图像目标特点 | 第25页 |
| 2.5 SAR图像滤波 | 第25-28页 |
| 2.5.1 增强型Lee滤波 | 第26-27页 |
| 2.5.2 滤波算法试验 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 基于融合信息熵的AP聚类SAR图像分割 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 CFAR的分割 | 第30-32页 |
| 3.2.1 高斯混合模型的CFAR目标分割 | 第30-32页 |
| 3.2.2 双参数CFAR检测器 | 第32页 |
| 3.3 改进AP聚类分割算法描述 | 第32-40页 |
| 3.3.1 信息熵特征提取 | 第33-34页 |
| 3.3.2 AP聚类分析 | 第34-35页 |
| 3.3.3 偏向参数的优化改进 | 第35-36页 |
| 3.3.4 改进AP算法的实施方案 | 第36页 |
| 3.3.5 实验性能评价准则 | 第36-37页 |
| 3.3.6 实验结果分析 | 第37-39页 |
| 3.3.7 改进方法小结 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于改进SURF算法的SAR图像目标匹配 | 第41-49页 |
| 4.1 引言 | 第41-42页 |
| 4.2 改进SURF算法主要过程 | 第42-43页 |
| 4.3 SURF兴趣点检测 | 第43页 |
| 4.4 SURF兴趣点描述子的生成 | 第43-44页 |
| 4.5 多层剔除的特征点匹配 | 第44-45页 |
| 4.6 实验结果与分析 | 第45-47页 |
| 4.7 算法性能比较分析 | 第47页 |
| 4.8 抗噪声性能分析 | 第47-48页 |
| 4.9 本章小结 | 第48-49页 |
| 总结 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 攻读学位期间发表的论文 | 第55-57页 |
| 致谢 | 第57页 |
