高分辨率SAR图像目标识别关键技术
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 基于偏微分方程的SAR图像去噪算法 | 第16-34页 |
| 2.1 引言 | 第16-17页 |
| 2.2 MSTAR数据介绍 | 第17-18页 |
| 2.3 SAR图像噪声模型 | 第18-21页 |
| 2.3.1 相干斑噪声形成机理 | 第18-19页 |
| 2.3.2 相干斑噪声统计特性 | 第19-20页 |
| 2.3.3 相干斑噪声模型处理 | 第20-21页 |
| 2.4 几种常见的偏微分方程去噪方法及分析 | 第21-23页 |
| 2.4.1 P-M去噪模型 | 第21-22页 |
| 2.4.2 平均曲率和高斯曲率驱动去噪模型 | 第22-23页 |
| 2.5 改进的差分曲率驱动偏微分去噪算法 | 第23-26页 |
| 2.5.1 基于差分曲率驱动去噪模型的提出 | 第23-24页 |
| 2.5.2 新模型鲁棒性分析 | 第24-25页 |
| 2.5.3 新模型的离散化形式 | 第25-26页 |
| 2.6 仿真结果与分析 | 第26-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第三章 SAR图像特征提取方法的研究 | 第34-54页 |
| 3.1 引言 | 第34页 |
| 3.2 基于物理性质的特征特征提取 | 第34-43页 |
| 3.2.1 几何特征提取 | 第34-35页 |
| 3.2.2 点特征和线特征提取 | 第35-41页 |
| 3.2.3 区域特征提取 | 第41-43页 |
| 3.3 基于PCA的SAR图像特征提取 | 第43-47页 |
| 3.3.1 PCA算法原理 | 第43-46页 |
| 3.3.2 PCA特征提取算法步骤 | 第46-47页 |
| 3.4 基于 2DPCA的SAR图像目标特征提取 | 第47-50页 |
| 3.4.1 2DPCA基本思想 | 第47-48页 |
| 3.4.2 2DPCA特征提取步骤 | 第48-50页 |
| 3.5 仿真结果与分析 | 第50-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 SAR目标投影数据的分类器设计方法 | 第54-70页 |
| 4.1 引言 | 第54页 |
| 4.2 近邻法分类器设计 | 第54-55页 |
| 4.3 支持向量机分类器设计 | 第55-63页 |
| 4.3.1 线性最优分类面 | 第56-58页 |
| 4.3.2 非线性最优分类面 | 第58-61页 |
| 4.3.3 SVM多类分类算法 | 第61-63页 |
| 4.3.4 SVM的特点及优势 | 第63页 |
| 4.4 基于不等距最优超平面的支持向量机分类算法 | 第63-66页 |
| 4.4.1 不等间距SVM算法的形成 | 第63-64页 |
| 4.4.2 不等间距SVM算法的实现 | 第64-66页 |
| 4.5 改进近邻法与不等间距SVM结合的分类算法 | 第66-67页 |
| 4.6 仿真结果与分析 | 第67-69页 |
| 4.7 本章小结 | 第69-70页 |
| 第五章 SAR图像目标识别系统的设计与实现 | 第70-73页 |
| 5.1 SAR图像目标识别系统总体结构 | 第70页 |
| 5.2 SAR图像目标识别系统实现 | 第70-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间取得的成果 | 第81-82页 |
