| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究意义 | 第12页 |
| ·国内外研究的技术现状 | 第12-16页 |
| ·SAR 图像统计特性研究现状 | 第12-13页 |
| ·目标检测的研究现状 | 第13-15页 |
| ·CS 理论的研究现状 | 第15-16页 |
| ·本文研究内容 | 第16-19页 |
| 第二章 SAR 图像统计特性研究 | 第19-41页 |
| ·相干斑噪声统计特性研究 | 第19-20页 |
| ·SAR 图像的统计模型 | 第20-23页 |
| ·经验分布 | 第20-21页 |
| ·对数正态分布 | 第20页 |
| ·Weibull 分布 | 第20-21页 |
| ·基于乘性模型的分布 | 第21-22页 |
| ·K 分布 | 第21-22页 |
| ·G0分布 | 第22页 |
| ·非乘性模型分布 | 第22-23页 |
| ·SAR 图像分布拟合实验 | 第23-40页 |
| ·MSTAR 目标数据库分布拟合 | 第23-26页 |
| ·Sandia 各种地物背景数据分布拟合 | 第26-40页 |
| ·无植被或低植被分布拟合 | 第26-29页 |
| ·高植被分布拟合 | 第29-31页 |
| ·河流泥滩和湖泊分布拟合 | 第31-33页 |
| ·人为建筑物分布拟合 | 第33-39页 |
| ·6 种分布拟合精度对比图 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于统计特性的大幅图像目标检测方法研究 | 第41-77页 |
| ·统计检测理论推导下的 CFAR 检测 | 第41-58页 |
| ·目标雷达截面积的 Swerling 起伏类型 | 第41-42页 |
| ·单脉冲检测 | 第42-53页 |
| ·对非起伏目标的单脉冲变量线性检测 | 第43-48页 |
| ·对 Swerling 起伏目标的单脉冲线性检测 | 第48-53页 |
| ·m 分辨率对 CFAR 检测性能的影响 | 第53-56页 |
| ·模型失配对检测性能影响的讨论 | 第56-58页 |
| ·基于各种统计模型的 CFAR 检测阈值的推导 | 第58-62页 |
| ·基于伽玛分布的 CFAR 检测 | 第58-59页 |
| ·基于对数正态分布的 CFAR 检测 | 第59页 |
| ·基于韦布尔分布的 CFAR 检测 | 第59-60页 |
| ·基于 K 分布的 CFAR 检测 | 第60-61页 |
| ·基于 G0分布的 CFAR 检测 | 第61-62页 |
| ·四种基本 CFAR 检测器 | 第62-66页 |
| ·CA-CFAR 检测器 | 第62-64页 |
| ·GO-CFAR 和 SO-CFAR 检测器 | 第64-65页 |
| ·OS-CFAR 检测器 | 第65-66页 |
| ·基于背景统计模型的自动筛选智能目标聚类检测器 SAF-CFAR | 第66-76页 |
| ·自动筛选检测器(AF-CFAR) | 第66-68页 |
| ·模型失配判别的目标检测 | 第68-73页 |
| ·背景拟合判别 | 第68-71页 |
| ·模型失配程度分析 | 第71-73页 |
| ·SAF-CFAR 目标检测算法 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第四章 基于压缩感知的目标检测图像融合 | 第77-88页 |
| ·压缩感知 | 第77-81页 |
| ·压缩感知原理 | 第78页 |
| ·稀疏表示 | 第78-79页 |
| ·非相关采样 | 第79页 |
| ·信号恢复 | 第79-81页 |
| ·CFAR 目标检测图像融合 | 第81-87页 |
| ·压缩感知图像融合分析 | 第81-85页 |
| ·基于本文的 CFAR 算法检测目标的图像融合 | 第85-87页 |
| ·本章小结 | 第87-88页 |
| 第五章 结束语 | 第88-89页 |
| ·总结 | 第88页 |
| ·展望 | 第88-89页 |
| 参考文献 | 第89-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士学位期间发表的学术论文 | 第96页 |