| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·ICA 特征的发展状况 | 第8-9页 |
| ·基于 ICA 特征的图像公共基模型研究及压缩应用 | 第9-11页 |
| ·研究意义 | 第9-10页 |
| ·发展状况 | 第10-11页 |
| ·基于 ICA 特征的 SAR 图像纹理分割算法研究 | 第11-12页 |
| ·研究意义 | 第11页 |
| ·发展状况 | 第11-12页 |
| ·本文的研究内容 | 第12页 |
| ·论文的组织 | 第12-13页 |
| ·符号说明 | 第13-14页 |
| 第二章 ICA 的原理与算法 | 第14-30页 |
| ·引言 | 第14-15页 |
| ·ICA 原理 | 第15-21页 |
| ·ICA 相关的数学知识 | 第15-19页 |
| ·ICA 的定义 | 第19-20页 |
| ·ICA 独立性的度量准则 | 第20-21页 |
| ·ICA 算法 | 第21-29页 |
| ·ICA 算法概述 | 第21页 |
| ·数据的预处理 | 第21-23页 |
| ·几个典型的 ICA 算法及其的关系 | 第23-27页 |
| ·ICA 的固定点算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于 ICA 特征的图像公共基模型研究及压缩应用 | 第30-40页 |
| ·引言 | 第30页 |
| ·生成公共基的模型与系数投影模型 | 第30-31页 |
| ·独立子空间分析模型 | 第30-31页 |
| ·偏最小二乘法模型 | 第31页 |
| ·构造基于 ICA 特征的图像公共基 | 第31-37页 |
| ·数据选择与评价准则 | 第31-32页 |
| ·实验设计与结果 | 第32-37页 |
| ·基于公共基上稀疏表示的图像压缩算法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于 ICA 特征的 SAR 图像纹理分割算法研究 | 第40-54页 |
| ·引言 | 第40-42页 |
| ·问题的提出 | 第40-41页 |
| ·模型的选取 | 第41-42页 |
| ·SAR 纹理特征 | 第42-43页 |
| ·线性降维模型 | 第43-46页 |
| ·线性降维的统一框架 | 第43-44页 |
| ·Principal Component Analysis (PCA) 与 Fisher Linear Discriminant (FLD) | 第44页 |
| ·Relevant Component Analysis (RCA) | 第44页 |
| ·Neighbourhood Component Analysis（NCA） | 第44-45页 |
| ·Independent component analysis (ICA) 与 Discriminant ICA (DICA) | 第45-46页 |
| ·SAR 图像纹理分割实验 | 第46-53页 |
| ·参数设置和算法流程 | 第46-48页 |
| ·合成 SAR 图像分割实验 | 第48-51页 |
| ·真实 SAR 图像分割实验 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·进一步工作 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 研究成果 | 第62-63页 |
