极化SAR图像处理的相关问题研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 极化SAR系统的发展 | 第17-21页 |
| 1.3 极化SAR信号处理发展 | 第21-23页 |
| 1.4 图像处理的突破与特征学习 | 第23-25页 |
| 1.5 论文内容安排 | 第25-28页 |
| 第二章 简缩极化SAR模式的参数估计 | 第28-50页 |
| 2.1 引言 | 第28-29页 |
| 2.2 简缩模式下的极化SAR | 第29-30页 |
| 2.3 几种简缩极化模式下极化方向角估计 | 第30-37页 |
| 2.3.1 π/4模式参数求解 | 第31页 |
| 2.3.2 DCP模式参数求解 | 第31-32页 |
| 2.3.3 CTLR模式参数求解 | 第32-33页 |
| 2.3.4 极化方向角估计实验验证 | 第33-37页 |
| 2.4 三分量分解模型 | 第37-46页 |
| 2.4.1 π/4模式下的参数求解 | 第38-39页 |
| 2.4.2 CTLR模式下的三个未知参数 | 第39-40页 |
| 2.4.3 散射模型剩余参数估计 | 第40-41页 |
| 2.4.4 三分量参数估计流程 | 第41-42页 |
| 2.4.5 三分量参数估计实验验证 | 第42-46页 |
| 2.5 结论 | 第46-50页 |
| 第三章 基于密度峰值搜索的非监督极化SAR分类 | 第50-68页 |
| 3.1 引言 | 第50-51页 |
| 3.2 极化表示 | 第51-54页 |
| 3.2.1 信息熵距离 | 第52-53页 |
| 3.2.2 特征空间表达式 | 第53-54页 |
| 3.3 密度峰值搜索分类介绍 | 第54-55页 |
| 3.4 采用Chernoff距离的分类 | 第55-58页 |
| 3.4.1 分类算法流程 | 第55-56页 |
| 3.4.2 实验验证 | 第56-58页 |
| 3.5 采用特征信息的分类 | 第58-65页 |
| 3.5.1 显著性图 | 第59-60页 |
| 3.5.2 分类算法流程 | 第60-61页 |
| 3.5.3 实验验证 | 第61-65页 |
| 3.6 结论 | 第65-68页 |
| 第四章 极化SAR图像降噪与滤波器组训练 | 第68-88页 |
| 4.1 研究背景及意义 | 第68-69页 |
| 4.2 传统极化SAR图像降噪方法 | 第69-73页 |
| 4.2.1 Lee滤波 | 第70-71页 |
| 4.2.2 Nonlocal滤波 | 第71-72页 |
| 4.2.3 实验对比 | 第72-73页 |
| 4.3 神经网络基本概念 | 第73-81页 |
| 4.3.1 基本公式推导 | 第73-77页 |
| 4.3.2 随机梯度下降 | 第77-79页 |
| 4.3.3 降噪自编码 | 第79-81页 |
| 4.4 滤波器组 | 第81-86页 |
| 4.4.1 单隐藏层图像滤波器组 | 第82-85页 |
| 4.4.2 多层网络滤波器组 | 第85-86页 |
| 4.5 结论 | 第86-88页 |
| 第五章 总结与展望 | 第88-92页 |
| 5.1 论文内容总结 | 第88-89页 |
| 5.2 工作展望 | 第89-92页 |
| 参考文献 | 第92-102页 |
| 致谢 | 第102-104页 |
| 作者简介 | 第104-105页 |
