| 摘要 | 第3-4页 |
| Abstract | 第4-8页 |
| 第1章绪论 | 第8-14页 |
| 1.1研究背景与意义 | 第8-9页 |
| 1.2国内外研究现状 | 第9-12页 |
| 1.2.1传统的冰雷达图像冰盖内部目标识别方法 | 第10-11页 |
| 1.2.2基于深度学习的冰雷达图像冰盖内部目标识别算法 | 第11-12页 |
| 1.3研究目的与内容 | 第12-13页 |
| 1.3.1研究目的 | 第12页 |
| 1.3.2研究内容 | 第12-13页 |
| 1.4论文整体结构 | 第13-14页 |
| 第2章深度学习网络基础 | 第14-20页 |
| 2.1卷积神经网络 | 第14-19页 |
| 2.1.1卷积层 | 第15-16页 |
| 2.1.2池化层 | 第16页 |
| 2.1.3激活函数 | 第16-18页 |
| 2.1.4反卷积函数 | 第18-19页 |
| 2.2本章小结 | 第19-20页 |
| 第3章基于生成对抗网络的冰雷达图像冰盖内部目标识别算法 | 第20-42页 |
| 3.1基于生成对抗网络的冰雷达图像冰盖内部目标识别算法提出 | 第20-21页 |
| 3.2生成对抗网络基本原理 | 第21-24页 |
| 3.3基于GAN的冰雷达图像冰盖内部目标识别算法 | 第24-34页 |
| 3.3.1基于GAN的冰雷达图像冰盖内部目标识别算法的生成网络选择 | 第24-30页 |
| 3.3.2基于GAN的冰雷达图像冰盖内部目标识别算法的判别网络选择 | 第30-33页 |
| 3.3.3基于GAN的冰雷达图像冰盖内部目标识别算法的网络结构 | 第33页 |
| 3.3.4网络训练优化策略 | 第33-34页 |
| 3.3.5模型训练流程 | 第34页 |
| 3.4实验环境与评价指标 | 第34-37页 |
| 3.4.1数据集 | 第34-36页 |
| 3.4.2评价指标 | 第36页 |
| 3.4.3软硬件环境介绍 | 第36-37页 |
| 3.5实验与分析 | 第37-40页 |
| 3.5.1实验参数设置 | 第37页 |
| 3.5.2实验结果对比 | 第37-40页 |
| 3.6本章小结 | 第40-42页 |
| 第4章基于胶囊网络的冰雷达图像冰盖内部目标识别算法 | 第42-54页 |
| 4.1基于胶囊网络的冰雷达图像冰盖内部目标识别算法提出 | 第42-43页 |
| 4.2胶囊神经网络基本原理 | 第43-46页 |
| 4.2.1胶囊网络 | 第43-45页 |
| 4.2.2路由算法 | 第45-46页 |
| 4.3基于胶囊网络的冰雷达图像冰盖内部目标识别算法 | 第46-50页 |
| 4.3.1基于胶囊网络的冰雷达图像冰盖内部目标识别算法的网络结构 | 第46-50页 |
| 4.3.2基于胶囊网络的冰雷达图像冰盖内部目标识别算法的优化方法 | 第50页 |
| 4.4实验结果与分析 | 第50-53页 |
| 4.4.1实验环境介绍 | 第50页 |
| 4.4.2实验结果分析 | 第50-53页 |
| 4.5本章小结 | 第53-54页 |
| 第5章基于SegCaps的冰雷达图像冰盖内部目标识别算法 | 第54-62页 |
| 5.1基于SegCaps的冰雷达图像冰盖内部目标识别算法 | 第54-55页 |
| 5.2相干斑噪声滤波方法 | 第55-57页 |
| 5.2.1极化Lee算法 | 第56页 |
| 5.2.2NL-Lee算法 | 第56-57页 |
| 5.2.3Pretest滤波算法 | 第57页 |
| 5.3相干斑噪声滤波算法评价标准 | 第57-58页 |
| 5.4实验结果与分析 | 第58-61页 |
| 5.4.1实验环境介绍 | 第58页 |
| 5.4.2实验结果分析 | 第58-61页 |
| 5.5本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 1总结 | 第62-63页 |
| 2展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间研究成果 | 第68-70页 |
| 致谢 | 第70页 |
