| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 前言 | 第9-12页 |
| ·目标检测和辨别的概念 | 第9页 |
| ·本研究的意义 | 第9-10页 |
| ·SAR目标自动识别的流程 | 第10-11页 |
| ·本研究的主要内容 | 第11-12页 |
| 第二章 SAR图像目标检测和辨别在国内外的研究现状 | 第12-32页 |
| ·SAR图像预处理 | 第12-14页 |
| ·单极化图像的处理 | 第12-13页 |
| ·全极化图像的处理 | 第13-14页 |
| ·SAR图像中目标检测的研究现状 | 第14-23页 |
| ·CFAR方法 | 第15-18页 |
| ·多分辨率方法 | 第18-19页 |
| ·基于相位信息的检测 | 第19-22页 |
| ·极化目标分解理论用于目标检测 | 第22-23页 |
| ·SAR图像中目标辨别的研究现状 | 第23-30页 |
| ·二次Gamma判别式法 | 第24-25页 |
| ·模型阶数法 | 第25-26页 |
| ·多尺度模型法 | 第26-28页 |
| ·基于特征选取的目标辨别 | 第28-29页 |
| ·基于SVM和HMM的目标辨别 | 第29-30页 |
| ·我国SAR图像目标识别现状 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 SAR图像中的自动目标检测 | 第32-60页 |
| ·数据源介绍 | 第32-36页 |
| ·ADTS数据 | 第32-33页 |
| ·AIRSAR数据 | 第33-36页 |
| ·CFAR和2L-IHP算法 | 第36-43页 |
| ·ML-CFAR算法 | 第36-37页 |
| ·2L-IHP算法 | 第37-41页 |
| ·ML-CFAR和2L-IHP的比较 | 第41-43页 |
| ·2L-IHP算法的调整和改进 | 第43-46页 |
| ·幅度2L-IHP | 第44-45页 |
| ·极化2L-IHP | 第45-46页 |
| ·地物相干系数分析 | 第46页 |
| ·不同极化不同波段SAR图像对目标检测的影响 | 第46-52页 |
| ·单极化数据的处理与分析 | 第47-49页 |
| ·全极化数据的处理与分析 | 第49-52页 |
| ·单极化和全极化数据处理的比较 | 第52页 |
| ·小波分解方法 | 第52-58页 |
| ·小波分解用于检测的原理 | 第52-54页 |
| ·检测阈值的设定 | 第54-56页 |
| ·最佳小波分解层数的选择 | 第56-58页 |
| ·算法的缺点和不足 | 第58页 |
| ·本章小结 | 第58-60页 |
| 第四章 极化信息用于SAR图像目标的辨别 | 第60-91页 |
| ·数据源—PISAR | 第60-61页 |
| ·目标极化理论及方法 | 第61-75页 |
| ·描述极化的方式 | 第62-64页 |
| ·极化合成技术 | 第64-65页 |
| ·理想地物的散射特性 | 第65-69页 |
| ·AIRSAR数据的极化响应分析 | 第69-72页 |
| ·目标极化分解理论 | 第72-75页 |
| ·Cameron分解 | 第75-84页 |
| ·Cameron分解的原理 | 第75-79页 |
| ·Cameron分解的图形化表示 | 第79-80页 |
| ·Cameron分解的优缺点 | 第80-81页 |
| ·PI-SAR数据试验结果和讨论 | 第81-84页 |
| ·SSCM分解 | 第84-89页 |
| ·Cameron分解的缺陷 | 第84-85页 |
| ·SSCM分解原理 | 第85-87页 |
| ·试验的初步结果 | 第87-89页 |
| ·本章小结 | 第89-91页 |
| 第五章 结论和讨论 | 第91-94页 |
| ·本文主要结论 | 第91-93页 |
| ·讨论与展望 | 第93-94页 |
| 参考文献 | 第94-102页 |
| 附录 | 第102-103页 |