| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景与意义 | 第11-12页 |
| 1.2 课题目的与动机 | 第12-13页 |
| 1.3 SAR 解译技术国内外研究现状 | 第13-16页 |
| 1.3.1 相干斑抑制 | 第13-14页 |
| 1.3.2 SAR 图像分割 | 第14-15页 |
| 1.3.3 SAR 图像目标检测 | 第15-16页 |
| 1.4 本文的主要工作与结构安排 | 第16-18页 |
| 第2章 高分辨率 SAR 图像预处理 | 第18-36页 |
| 2.1 SAR 图像成像机理与特点 | 第18-23页 |
| 2.1.1 距离向分辨率与脉冲压缩技术 | 第19-20页 |
| 2.1.2 方位向分辨率与合成孔径技术 | 第20-21页 |
| 2.1.3 高分辨率 SAR 图像的方位向衰减 | 第21-22页 |
| 2.1.4 SAR 图像的相干斑噪声 | 第22-23页 |
| 2.2 基于多项式拟合的方位向衰减校正 | 第23-24页 |
| 2.3 基于非局部方法的相干斑抑制 | 第24-29页 |
| 2.3.1 基于空域滤波的相干斑抑制技术概述 | 第24-26页 |
| 2.3.2 非局部均值算法 | 第26-27页 |
| 2.3.3 非局部均值算法的推广 | 第27-29页 |
| 2.4 实验结果与分析 | 第29-35页 |
| 2.4.1 方位向增益校正实验 | 第29-31页 |
| 2.4.2 相干斑抑制实验 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于水平集方法的高分辨率 SAR 图像分割 | 第36-52页 |
| 3.1 引言 | 第36页 |
| 3.2 水平集方法理论基础 | 第36-40页 |
| 3.2.1 曲线演化理论 | 第37-38页 |
| 3.2.2 曲线演化的隐式表示 | 第38-39页 |
| 3.2.3 水平集函数的正则化 | 第39-40页 |
| 3.3 经典水平集分割方法 | 第40-42页 |
| 3.3.1 CV 模型 | 第40-41页 |
| 3.3.2 RSF 模型 | 第41-42页 |
| 3.4 改进 RSF 模型 | 第42-45页 |
| 3.5 基于改进 RSF 模型的高分辨率 SAR 图像分割 | 第45-48页 |
| 3.5.1 高分辨率 SAR 图像分割框架 | 第45-46页 |
| 3.5.2 水平集分割方法的多相化推广 | 第46-48页 |
| 3.6 实验结果与分析 | 第48-50页 |
| 3.6.1 二相分割实验 | 第48页 |
| 3.6.2 四相分割实验 | 第48-50页 |
| 3.7 本章小结 | 第50-52页 |
| 第4章 基于案例推理的目标鉴别 | 第52-60页 |
| 4.1 基于案例推理的基本思想 | 第52-53页 |
| 4.2 基于案例推理的目标鉴别专家系统构建 | 第53-57页 |
| 4.2.1 系统的总体框架 | 第53页 |
| 4.2.2 案例库的数据结构 | 第53-54页 |
| 4.2.3 案例匹配 | 第54-56页 |
| 4.2.4 案例重用 | 第56页 |
| 4.2.5 案例库的训练 | 第56-57页 |
| 4.3 实验结果与分析 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 高分辨率 SAR 图像密集车辆目标提取 | 第60-71页 |
| 5.1 目标提取总体方案设计 | 第60-61页 |
| 5.2 基于形态学的几何特征提取 | 第61-63页 |
| 5.3 基于模板匹配的目标定位 | 第63-64页 |
| 5.4 基于上下文的目标筛选 | 第64-66页 |
| 5.5 实验结果与分析 | 第66-69页 |
| 5.5.1 手动选择 ROI 目标提取实验 | 第66-68页 |
| 5.5.2 自动选择 ROI 目标提取实验 | 第68-69页 |
| 5.6 本章小结 | 第69-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第77-79页 |
| 致谢 | 第79页 |