1 绪 论
1.1 研究背景及意义
1.2 课题研究现状
1.2.1 SAR 图像目标检测与识别的国内外研究现状
1.2.2 深度学习的发展现状
1.3 论文结构安排
2 SAR 图像特性分析与深度学习的基本原理
2.1 引言
2.2 SAR 成像原理和SAR 图像特征
2.2.1 SAR 回波信号模型及成像算法简介
2.2.2 SAR 图像特性
2.3 SAR 图像目标检测与识别
2.3.1 SAR 图像目标检测与识别的关键技术分析
2.3.2 SAR 图像目标检测与识别的难点分析
2.4 深度学习训练模型
2.4.1 自编码器
2.4.2 受限波尔兹曼机(RBM)
2.4.3 深度信念网络(DBN)
2.5 本章小结
3 一种多特征联合的SAR 图像分类方法
3.1 引言
3.2 卷积神经网络(CNN)
3.2.1 卷积
3.2.2 池化层
3.2.3 全连接层
3.2.4 CNN 关键函数
3.2.5 CNN 网络训练
3.3.1 数据集简介
3.3.2 基于ZF-Net 的SAR 图像分类
3.3.3 基于联合特征的CNN 的SAR 图像分类
3.4 实验结果分析
3.4.1 数据集预处理
3.4.2 多特征联合实验分析
3.5 本章小结
4 端到端的SAR 目标检测识别
4.1 引言
4.2.1 难点分析
4.2.2 相关原理介绍
4.3 基于Faster R-CNN 的目标检测
4.3.1 RPN 网络
4.3.2 基本网络
4.4 实验结果及其分析
4.4.1 单目标检测识别实验
4.4.2 多目标检测识别实验
4.5 本章小结
5 总结与展望
5.1 本文总结
5.2 工作展望
参考文献
附 录
A. 作者在攻读硕士学位期间发表的论文
B. 作者在攻读硕士学位期间参与的项目
C 学位论文数据集
致谢
重庆大学;