基于目标分解与机器学习的极化SAR图像地物分类
| 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 课题研究背景 | 第14-15页 |
| 1.2 国内外极化SAR发展历程及其应用 | 第15-16页 |
| 1.3 极化SAR图像分类技术 | 第16-19页 |
| 1.3.1 极化SAR特征提取研究现状 | 第16-17页 |
| 1.3.2 极化SAR图像分类研究现状 | 第17-19页 |
| 1.4 本文的内容安排 | 第19-20页 |
| 第二章 极化SAR的基础理论 | 第20-30页 |
| 2.1 电磁波的极化原理和极化表征 | 第20-23页 |
| 2.1.1 极化椭圆 | 第20-22页 |
| 2.1.2 Jones矢量 | 第22页 |
| 2.1.3 Stokes矢量 | 第22-23页 |
| 2.2 目标变极化效应 | 第23-25页 |
| 2.2.1 极化散射矩阵 | 第23-24页 |
| 2.2.2 协方差矩阵和相干矩阵 | 第24-25页 |
| 2.3 微波成像原理 | 第25-27页 |
| 2.4 经典图像分类算法 | 第27-29页 |
| 2.4.1 H/α 分类算法 | 第27-29页 |
| 2.4.2 H/α-Wishart分类算法 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于目标分解和SVM的极化SAR地物分类 | 第30-40页 |
| 3.1 特征参数选择 | 第31-33页 |
| 3.2 SVM分类原理 | 第33-36页 |
| 3.3 基于SVM的极化SAR地物分类 | 第36页 |
| 3.4 实验仿真与结果分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于目标分解和ELM的极化SAR地物分类 | 第40-50页 |
| 4.1 单隐层前馈神经网络（SLFN） | 第40-42页 |
| 4.1.1 SLFN模型 | 第40-41页 |
| 4.1.2 SLFN学习算法 | 第41-42页 |
| 4.2 极限学习机（ELM） | 第42-44页 |
| 4.2.1 ELM学习算法 | 第42-44页 |
| 4.2.2 ELM与SVM、SLFN的区别 | 第44页 |
| 4.3 基于ELM的极化SAR地物分类 | 第44-45页 |
| 4.4 实验仿真与结果分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-54页 |
| 5.1 主要工作总结 | 第50页 |
| 5.2 展望研究 | 第50-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 作者简介 | 第60-61页 |
