| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·SAR 图像特征提取 | 第10-11页 |
| ·SAR 图像分类 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文的结构安排 | 第13-14页 |
| 第二章 基础知识 | 第14-19页 |
| ·SAR 的成像原理 | 第14-16页 |
| ·SAR 图像的统计性质 | 第16-17页 |
| ·基于相干斑的先验假设统计模型 | 第16页 |
| ·基于实验数据的经验分布模型 | 第16-17页 |
| ·SAR 图像的基本特性 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于 FPGA 的 SAR 图像纹理特征快速提取 | 第19-30页 |
| ·灰度共生矩阵（GLCM）的基本原理 | 第19-20页 |
| ·几种 GLCM 改进算法的基本原理 | 第20-23页 |
| 一、和差统计法 | 第20-21页 |
| 二、灰度共生链表（GLCLL）算法 | 第21-22页 |
| 三、灰度共生混合结构（GLCHS）算法 | 第22-23页 |
| ·基于 FPGA 的 SAR 图像纹理特征快速提取算法 | 第23-25页 |
| ·并行处理算法的设计 | 第23-24页 |
| ·数据重用性设计 | 第24-25页 |
| ·实验结果及分析 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于谱聚类和粒子群优化的 SAR 图像半监督分类 | 第30-40页 |
| ·分类算法 | 第30-35页 |
| ·谱聚类算法 | 第30-32页 |
| ·PSO 算法 | 第32-33页 |
| ·基于谱聚类和粒子群优化的 SAR 图像半监督分类算法 | 第33-35页 |
| ·分类精度的评价 | 第35页 |
| ·实验结果与分析 | 第35-38页 |
| ·仿真数据实验 | 第35-37页 |
| ·实际 SAR 图像实验 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第五章 总结与展望 | 第40-42页 |
| ·本文工作总结 | 第40页 |
| ·本文创新点 | 第40-41页 |
| ·工作展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 发表论文和科研情况说明 | 第45-46页 |
| 发表的论文 | 第45页 |
| 参与的科研项目 | 第45-46页 |
| 致谢 | 第46-47页 |
