为你推荐
内容简介
前言
第1章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.3 本书内容介绍
第2章 基于局部保持特性和混合高斯分布的SAR图像目标识别
2.1 算法概述
2.2 局部保持投影算法
2.3 基于LPP-GMD算法的SAR图像目标识别
2.4 试验结果与分析
2.5 本章小结
第3章 基于局部保持特性和Gamma分布的SAR图像目标识别
3.1 算法概述
3.2 SAR图像的乘性相干斑模型
3.3 基于LPP-Gamma算法的SAR图像目标识别
3.4 试验结果与分析
3.5 本章小结
第4章 基于结构保持投影的SAR图像目标识别
4.1 算法概述
4.2 基于CDSPP算法的SAR图像目标识别
4.3 试验结果与分析
4.4 本章小结
第5章 基于类别稀疏表示的SAR图像目标识别
5.1 算法概述
5.2 SAR图像的稀疏表示模型
5.3 SAR图像的类别稀疏表示模型
5.4 基于LSR算法的SAR图像目标识别
5.5 试验结果与分析
5.6 本章小结
第6章 基于乘性稀疏表示和Gamma分布的SAR图像目标识别
6.1 算法概述
6.2 乘性稀疏表示算法
6.3 试验结果与分析
6.4 本章小结
第7章 基于判别统计字典学习的SAR图像目标识别
7.1 算法概述
7.2 基于判别统计字典学习（DSDL）的SAR图像目标识别
7.3 试验结果与分析
7.4 本章小结
第8章 基于Dempster-Shafer证据理论融合多稀疏表示和样本统计特性的SAR图像目标识别
8.1 算法概述
8.2 Dempster-Shafer证据理论
8.3 基于Dempster-Shafer证据理论的融合算法
8.4 试验结果与分析
8.5 本章小结
第9章 基于Dempster-Shafer证据理论和稀疏表示的SAR图像目标识别
9.1 算法概述
9.2 基于Dempster-Shafer证据理论的融合算法
9.3 试验结果与分析
9.4 本章小结
第10章 基于两阶段稀疏结构表示的SAR图像目标识别
10.1 算法概述
10.2 基于两阶段稀疏结构表示（TSSR）的算法
10.3 试验结果与分析
10.4 本章小结
第11章 总结与展望
11.1 全书总结
11.2 工作展望
参考文献
反侵权盗版声明
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
6.5
