基于特征参数稀疏表示的SAR图像目标识别的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·SAR 目标识别研究进展 | 第12-13页 |
| ·稀疏表示理论的发展 | 第13-15页 |
| ·本文主要研究工作 | 第15-16页 |
| 第二章 目标识别及稀疏表示基础理论 | 第16-24页 |
| ·SAR 图像目标识别理论 | 第16-17页 |
| ·稀疏表示 | 第17-23页 |
| ·信号处理的基本方法 | 第17-18页 |
| ·稀疏表示问题描述 | 第18-20页 |
| ·稀疏表示基础理论 | 第20-22页 |
| ·压缩感知理论 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 字典及稀疏求解算法研究 | 第24-46页 |
| ·固定字典 | 第24-29页 |
| ·固定字典的发展 | 第24-27页 |
| ·基于 FFT 变换基字典的一维信号重构 | 第27-28页 |
| ·基于目标模型字典的 SAR 图像超分辨实现 | 第28-29页 |
| ·学习字典 | 第29-32页 |
| ·字典的学习方法 | 第29-30页 |
| ·基于 K-SVD 字典学习的图像去噪 | 第30-32页 |
| ·字典研究总结 | 第32页 |
| ·稀疏求解算法 | 第32-38页 |
| ·匹配追踪类算法 | 第33-35页 |
| ·l_1 范数的正则化算法 | 第35-36页 |
| ·迭代收缩算法 | 第36-38页 |
| ·一种改进的正交匹配追踪算法 | 第38-44页 |
| ·算法描述 | 第38-39页 |
| ·仿真实验一 | 第39-41页 |
| ·仿真实验二 | 第41-43页 |
| ·仿真实验三 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 基于稀疏表示理论的 SAR 图像目标识别 | 第46-60页 |
| ·基于稀疏表示的识别研究 | 第46-48页 |
| ·基于稀疏表示的图像识别研究 | 第46-47页 |
| ·基于稀疏表示的 SAR 图像目标识别方法 | 第47-48页 |
| ·过完备字典的构造 | 第48-52页 |
| ·SAR 图像特性研究 | 第48-49页 |
| ·目标特征提取 | 第49-51页 |
| ·基于二维 Fisher 线性判别的字典学习 | 第51-52页 |
| ·仿真实验 | 第52-59页 |
| ·MSTAR 数据库介绍 | 第52-53页 |
| ·实验方法 | 第53-55页 |
| ·仿真结果与分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 全文总结与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
