| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究目的和意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 现存主要问题 | 第17页 |
| 1.4 论文的研究内容和章节安排 | 第17-20页 |
| 第二章 SAR图像变化检测方法和矩阵分解算法 | 第20-32页 |
| 2.1 SAR图像变化检测流程 | 第20-22页 |
| 2.1.1 图像预处理 | 第20页 |
| 2.1.2 生成差异图 | 第20-21页 |
| 2.1.3 图像变化检测评价标准 | 第21-22页 |
| 2.2 矩阵分解算法 | 第22-26页 |
| 2.3 RLSMD矩阵分解算法 | 第26-30页 |
| 2.3.1 RLSMD算法的目标函数 | 第27-28页 |
| 2.3.2 RLSMD算法的迭代方式 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于分类比较法和低秩表示的SAR图像变化检测方法 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 基于分类比较法和低秩表示的SAR图像变化检测方法 | 第32-37页 |
| 3.2.1 低秩表示与模型建立 | 第32-34页 |
| 3.2.2 分类比较法 | 第34-35页 |
| 3.2.3 本章算法流程 | 第35-37页 |
| 3.3 实验与分析 | 第37-44页 |
| 3.3.1 实验数据 | 第37-38页 |
| 3.3.2 实验仿真与分析 | 第38-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于低秩稀疏信息的SAR图像变化检测方法 | 第46-62页 |
| 4.1 引言 | 第46页 |
| 4.2 低秩稀疏分解模型 | 第46-47页 |
| 4.3 贝叶斯分类器 | 第47-49页 |
| 4.4 基于低秩稀疏信息的SAR图像变化检测方法 | 第49-54页 |
| 4.4.1 差异信息分块处理 | 第49-51页 |
| 4.4.2 基于低秩稀疏信息的贝叶斯分类器建立 | 第51-52页 |
| 4.4.3 本章算法流程 | 第52-54页 |
| 4.5 实验与分析 | 第54-61页 |
| 4.5.1 实验仿真与分析 | 第54-59页 |
| 4.5.2 实验参数分析 | 第59-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |