| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-13页 |
| 图目录 | 第13-16页 |
| 表目录 | 第16-17页 |
| 第一章 绪论 | 第17-29页 |
| 1.1 研究背景及意义 | 第17-20页 |
| 1.1.1 SAR传感器的发展 | 第17-19页 |
| 1.1.2 SAR图像解译与目标检测技术 | 第19-20页 |
| 1.2 国内外研究现状 | 第20-25页 |
| 1.2.1 SAR图像目标检测研究现状 | 第20-22页 |
| 1.2.2 SAR图像中弱目标检测算法研究现状 | 第22-23页 |
| 1.2.3 SAR图像背景统计建模研究现状 | 第23-24页 |
| 1.2.4 存在的问题分析 | 第24-25页 |
| 1.3 论文研究内容及章节安排 | 第25-29页 |
| 1.3.1 论文研究内容 | 第25-26页 |
| 1.3.2 论文章节安排 | 第26-29页 |
| 第二章 SAR图像中的弱目标及其特性分析 | 第29-43页 |
| 2.1 点目标成像模型 | 第29-31页 |
| 2.2 SAR图像特点 | 第31-38页 |
| 2.2.1 辐射特性 | 第31-33页 |
| 2.2.2 几何特性 | 第33-35页 |
| 2.2.3 噪声特性 | 第35-38页 |
| 2.3 SAR图像中的目标类型 | 第38-39页 |
| 2.3.1 点目标 | 第38页 |
| 2.3.2 线目标 | 第38页 |
| 2.3.3 面目标 | 第38-39页 |
| 2.4 弱目标的定义 | 第39-40页 |
| 2.4.1 弱目标的一般定义 | 第39页 |
| 2.4.2 广义弱目标 | 第39-40页 |
| 2.5 弱目标的成因和可识别性分析 | 第40-42页 |
| 2.5.1 传感器因素 | 第40-41页 |
| 2.5.2 目标散射特性 | 第41页 |
| 2.5.3 背景环境因素 | 第41页 |
| 2.5.4 目标所处环境的信息量因素 | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 非高斯背景建模及其参数估计方法 | 第43-63页 |
| 3.1 SAR图像背景建模 | 第43-45页 |
| 3.1.1 杂波的一般特征 | 第44页 |
| 3.1.2 中心极限定理及其适用性分析 | 第44-45页 |
| 3.2 常用非高斯背景模型介绍 | 第45-47页 |
| 3.3 α稳定分布 | 第47-52页 |
| 3.3.1 α稳定分布及其性质 | 第47-50页 |
| 3.3.2 参数估计方法 | 第50-52页 |
| 3.4 广义极值分布 | 第52-54页 |
| 3.4.1 广义极值分布及其性质 | 第52-53页 |
| 3.4.2 参数估计 | 第53-54页 |
| 3.5 SAR图像背景拟合实验与分析 | 第54-61页 |
| 3.5.1 实验1 | 第54-59页 |
| 3.5.2 实验2 | 第59-61页 |
| 3.6 本章小结 | 第61-63页 |
| 第四章 复杂背景下基于非高斯模型的目标检测方法 | 第63-87页 |
| 4.1 基于统计模型的CFAR目标检测方法 | 第63-67页 |
| 4.1.1 检测基本原理 | 第63-64页 |
| 4.1.2 算法基本流程 | 第64-66页 |
| 4.1.3 CFAR方法的缺点分析 | 第66-67页 |
| 4.2 基于非高斯统计模型的CFAR检测阈值求解 | 第67-71页 |
| 4.2.1 根据解析表达式推导的方法 | 第67-71页 |
| 4.2.2 无解析表达式的情况 | 第71页 |
| 4.3 基于广义极值分布模型的全局CFAR目标检测方法 | 第71-72页 |
| 4.4 基于区域划分的自适应目标检测改进方法 | 第72-76页 |
| 4.4.1 均质区域检验方法 | 第72-73页 |
| 4.4.2 区域划分的方法 | 第73-75页 |
| 4.4.3 复杂背景下基于区域划分的CFAR检测算法流程 | 第75-76页 |
| 4.5 实验分析 | 第76-85页 |
| 4.5.1 实验1 | 第76-79页 |
| 4.5.2 实验2 | 第79-82页 |
| 4.5.3 实验3 | 第82-85页 |
| 4.6 本章小结 | 第85-87页 |
| 第五章 基于目标增强的弱目标检测方法 | 第87-103页 |
| 5.1 SAR图像弱小目标检测方法 | 第87-89页 |
| 5.1.1 基本流程 | 第87-88页 |
| 5.1.2 增强方法分析 | 第88-89页 |
| 5.2 基于独立分量分析的检测方法 | 第89-94页 |
| 5.2.1 独立分量分析的基本理论 | 第89-92页 |
| 5.2.2 基于ICA的序列图像弱小目标检测方法 | 第92-94页 |
| 5.3 多孔径相干恒虚警检测方法 | 第94-96页 |
| 5.3.1 基本原理 | 第94-95页 |
| 5.3.2 算法流程 | 第95-96页 |
| 5.4 实验与分析 | 第96-102页 |
| 5.4.1 实验1 | 第96-99页 |
| 5.4.2 实验2 | 第99-102页 |
| 5.5 本章小结 | 第102-103页 |
| 第六章 弱目标检测技术在永久散射体识别中的应用 | 第103-119页 |
| 6.1 永久散射体识别的意义 | 第103-104页 |
| 6.2 永久散射体的图像特征及其识别方法 | 第104-106页 |
| 6.2.1 永久散射体的图像特征 | 第104页 |
| 6.2.2 永久散射体的识别方法 | 第104-105页 |
| 6.2.3 现有方法的不足 | 第105-106页 |
| 6.3 永久散射体识别的改进方法 | 第106-110页 |
| 6.3.1 基于小波模极大值的PS点识别方法 | 第106-108页 |
| 6.3.2 基于独立分量分析的PS点识别方法 | 第108-109页 |
| 6.3.3 基于非高斯统计建模的PS识别方法 | 第109-110页 |
| 6.4 实验与分析 | 第110-117页 |
| 6.4.1 实验1 | 第110-113页 |
| 6.4.2 实验2 | 第113-115页 |
| 6.4.3 实验3 | 第115-117页 |
| 6.5 本章小结 | 第117-119页 |
| 第七章 SAR图像弱目标检测算法的并行优化 | 第119-129页 |
| 7.1 并行计算的必要性和可行性 | 第119-120页 |
| 7.2 算法的任务分解和负载平衡 | 第120-122页 |
| 7.2.1 任务分解 | 第120-121页 |
| 7.2.2 负载平衡 | 第121-122页 |
| 7.3 针对SAR图像目标检测算法的优化策略 | 第122-125页 |
| 7.3.1 底层通用算法的并行优化 | 第122-124页 |
| 7.3.2 SAR图像目标检测算法的优化 | 第124-125页 |
| 7.4 算法的技术实现及实验分析 | 第125-129页 |
| 7.4.1 技术实现 | 第125-127页 |
| 7.4.2 实验及结果评价 | 第127-129页 |
| 第八章 总结和展望 | 第129-133页 |
| 8.1 论文总结及主要创新点 | 第129-130页 |
| 8.2 研究展望 | 第130-133页 |
| 参考文献 | 第133-143页 |
| 攻博期间发表的与学位论文相关的科研成果目录 | 第143-145页 |
| 致谢 | 第145页 |