前言

合成孔径雷达（Synthetic Aperture Radar，SAR）可以穿透雨、雪、云、雾，“全天时、全天候”工作，在军事领域和民用领域具有广泛的应用价值，已产生了巨大的经济效益和社会效益。SAR图像目标识别致力于从复杂的地物场景中检测到目标，并对检测到的目标进行类别或型号的判定，是当前SAR应用领域的一个主要方面，在地质探测、冰川运动、精确打击等领域具有重大的应用价值。高精度的SAR图像目标识别可显著提高军队的指挥自动化水平、战场感知能力、威胁目标精确打击等实战化作战能力。

不同于光学图像，SAR基于其独特的相干成像机理，具有分辨率低，有乘性相干斑、目标方位角敏感特性等特点，使SAR图像的目标特征提取极为困难。为了适应新时期多领域背景下对高精度目标识别的需求，尤其是在复杂陆战场环境中的目标识别军事需求，笔者结合十余年的研究工作和研究成果，编写了本书。本书旨在提供基于流形学习和稀疏表示理论的SAR图像目标识别方法，期望能够为后继从事SAR图像目标识别研发的技术人员提供技术支撑。本书介绍了SAR图像预处理、特征提取、分类判别等目标识别的全过程，也适合刚刚进入目标识别领域的研究人员阅读。

本书内容共11章，第1章对SAR图像目标识别进行概述；第2章介绍基于局部保持特性和混合高斯分布的SAR图像目标识别；第3章介绍基于局部保持特性和Gamma分布的SAR图像目标识别；第4章介绍基于结构保持投影的SAR图像目标识别；第5章介绍基于类别稀疏表示的SAR图像目标识别；第6章介绍基于乘性稀疏表示和Gamma分布的SAR图像目标识别；第7章介绍基于判别统计字典学习的SAR图像目标识别；第8章介绍基于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；第9章介绍基于Dempster-Shafer证据理论和稀疏表示的SAR图像目标识别；第10章介绍基于两阶段稀疏结构表示的SAR图像目标识别；第11章总结全书内容并探讨未来SAR图像目标识别可能的发展方向。

本书的编写得到了西北工业大学王伶教授，西安电子科技大学邢孟道教授，陕西师范大学汪西莉教授、武杰副教授等人的热情支持和帮助，在此深表感谢。由于篇幅有限，特别是受限于笔者的水平和能力，书中难免有很多不足之处，恳请各位读者批评指正！

作者
2024年3月