| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研究现状 | 第16-20页 |
| 1.2.1 SAR图像变化检测问题描述 | 第17-18页 |
| 1.2.2 常用的SAR图像变化检测方法 | 第18-19页 |
| 1.2.3 SAR图像变化检测评价指标 | 第19-20页 |
| 1.3 SAR图像变化检测存在的问题 | 第20-21页 |
| 1.4 深度学习理论知识 | 第21-23页 |
| 1.5 论文架构和内容安排 | 第23-25页 |
| 第二章 基于SPP Net的SAR图像变化检测 | 第25-57页 |
| 2.1 无监督方法的SAR图像变化检测 | 第25-33页 |
| 2.1.1 深度置信网络 | 第25-30页 |
| 2.1.2 模糊C均值聚类算法 | 第30-31页 |
| 2.1.3 基于DBN和FCM的SAR图像变化检测 | 第31-33页 |
| 2.2 空间金字塔池化网络 | 第33-34页 |
| 2.3 基于SPP Net的SAR图像变化检测 | 第34-39页 |
| 2.3.1 SPP Net感兴趣区域检测网络的构造 | 第34-37页 |
| 2.3.2 SPP Net感兴趣区域检测样本选择 | 第37-38页 |
| 2.3.3 训练过程 | 第38-39页 |
| 2.4 实验结果与参数分析 | 第39-56页 |
| 2.4.1 数据集介绍 | 第39-41页 |
| 2.4.2 基于DBN和FCM的SAR图像变化检测仿真实验 | 第41-43页 |
| 2.4.3 参数分析 | 第43-45页 |
| 2.4.4 基于SPP Net的SAR图像变化检测仿真实验 | 第45-56页 |
| 2.5 本章小结 | 第56-57页 |
| 第三章 基于NSCT和全局-局部SPP Net的SAR图像变化检测 | 第57-77页 |
| 3.1 非下采样轮廓波变换 | 第57-58页 |
| 3.2 基于NSCT和全局-局部SPP Net的SAR图像变化检测 | 第58-64页 |
| 3.2.1 样本选择 | 第59-60页 |
| 3.2.2 训练过程 | 第60-64页 |
| 3.3 实验结果与参数分析 | 第64-76页 |
| 3.3.1 参数分析 | 第64-65页 |
| 3.3.2 仿真实验结果和分析 | 第65-76页 |
| 3.4 本章小结 | 第76-77页 |
| 第四章 基于多层特征金字塔池化网络的SAR图像变化检测 | 第77-95页 |
| 4.1 多层特征金字塔池化网络 | 第77-79页 |
| 4.2 基于多层特征金字塔池化网络的SAR图像变化检测 | 第79-83页 |
| 4.2.1 网络结构 | 第79-81页 |
| 4.2.2 训练过程 | 第81-83页 |
| 4.3 实验结果与分析 | 第83-94页 |
| 4.4 本章小结 | 第94-95页 |
| 第五章 总结与展望 | 第95-97页 |
| 5.1 研究结论 | 第95-96页 |
| 5.2 研究展望 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 致谢 | 第103-105页 |
| 作者简介 | 第105-106页 |
