合成孔径雷达图像目标分类研究
| 第一章 引言 | 第1-14页 |
| 第二章 模式识别概论 | 第14-20页 |
| 2．1 模式识别的基本概念 | 第14-16页 |
| 2．2 模式识别系统 | 第16-17页 |
| 2．3 模式识别方法 | 第17-20页 |
| 第三章 纹理特征分析 | 第20-30页 |
| 3．1 灰度共生矩阵 | 第21-22页 |
| 3．2 基于灰度共生矩阵的统计量 | 第22-28页 |
| 3．3 SAR图像纹理特征提取的实现 | 第28-30页 |
| 第四章 特征提取和选择 | 第30-36页 |
| 4．1 特征提取 | 第30-31页 |
| 4．2 准则函数 | 第31-36页 |
| 4．2．1 误差平方和准则 | 第31-32页 |
| 4．2．2 类内类间距准则 | 第32-36页 |
| 第五章 SAR图像目标分类 | 第36-62页 |
| 5．1 随机模式的分类方法 | 第36-45页 |
| 5．1．1 最小错误判决准则 | 第37-41页 |
| 5．1．2 最小错误率判决规则在正态分布中的应用 | 第41-45页 |
| 5．2 神经网络的分类方法概述 | 第45-49页 |
| 5．2．1 神经元结构 | 第45-47页 |
| 5．2．2 神经网络的结构及分类 | 第47-49页 |
| 5．3 B-P型神经网络 | 第49-62页 |
| 5．3．1 网络结构与数学描述 | 第49-52页 |
| 5．3．2 B-P的学习算法 | 第52-57页 |
| 5．3．3 B-P网络的设计考虑 | 第57-59页 |
| 5．3．4 B-P网络的特点 | 第59-62页 |
| 第六章 SAR图像分类过程及实验结果 | 第62-86页 |
| 6．1 SAR图像分布式场景纹理特征 | 第62-63页 |
| 6．2 SAR图像分类的流程 | 第63-64页 |
| 6．3 第一幅图像的分类 | 第64-77页 |
| 6．3．1 共生矩阵的生成及纹理特征的计算 | 第64-67页 |
| 6．3．2 进行纹理特征的选择 | 第67-68页 |
| 6．3．3 进行分类 | 第68-77页 |
| 6．4 第二幅图像的分类 | 第77-86页 |
| 第七章 软件使用说明 | 第86-92页 |
| 7．1 使用环境 | 第86页 |
| 7．2 使用说明 | 第86-92页 |
| 第八章 结论 | 第92-93页 |
| 参考文献 | 第93-95页 |
| 致谢 | 第95-96页 |
| 个人简历 | 第96页 |
