| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-32页 |
| ·研究背景与意义 | 第12-15页 |
| ·国内外研究现状 | 第15-21页 |
| ·极化 SAR 图像特征提取的国内外研究现状 | 第15-18页 |
| ·极化 SAR 图像分类的国内外研究现状 | 第18-21页 |
| ·论文主要工作与创新点 | 第21-24页 |
| ·论文主要工作及其结构关系 | 第22-23页 |
| ·论文创新点 | 第23-24页 |
| 本章参考文献 | 第24-32页 |
| 第二章 极化 SAR 非负特征值理论 | 第32-52页 |
| ·引言 | 第32-33页 |
| ·极化矩阵 | 第33-36页 |
| ·极化散射矩阵 | 第33-34页 |
| ·Mueller 矩阵与 Kennaugh 矩阵 | 第34-35页 |
| ·协方差矩阵与相干矩阵 | 第35-36页 |
| ·非负特征值约束（NNEC） | 第36-39页 |
| ·极化矩阵的 NNEC 推导 | 第36-38页 |
| ·NNEC 与极化矩阵表征目标散射机制的关系 | 第38-39页 |
| ·NNEC 在极化目标分解中的意义 | 第39页 |
| ·非负特征值分解（NNED） | 第39-44页 |
| ·NNED 数学模型及其物理意义 | 第39-40页 |
| ·NNED 重要性质 | 第40-41页 |
| ·NNED 解法 | 第41-44页 |
| ·基于非负特征值理论的自适应子空间分解滤波 | 第44-49页 |
| ·利用 NNED 确定阈值的子空间分解滤波 | 第45-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 本章参考文献 | 第50-52页 |
| 第三章 Freeman 分解结合非负特征值理论的极化特征提取 | 第52-74页 |
| ·引言 | 第52-53页 |
| ·Freeman 分解概述 | 第53-57页 |
| ·三种基本散射模型 | 第53-55页 |
| ·Freeman 分解模型 | 第55-56页 |
| ·Freeman 分解算法 | 第56-57页 |
| ·结合非负特征值理论的 Freeman 分解 | 第57-71页 |
| ·Freeman 分解与 NNEC 的关系 | 第57-59页 |
| ·NNED 应用于 Freeman 分解的已有方法及其局限性 | 第59-61页 |
| ·NNED 前向策略及其局限性 | 第61-63页 |
| ·NNED 后向策略的原理与算法 | 第63-65页 |
| ·结合后向策略的 Freeman-VanZyl 分解 | 第65-68页 |
| ·结合后向策略的 Freeman-Arii 分解 | 第68-71页 |
| ·本章小结 | 第71页 |
| 本章参考文献 | 第71-74页 |
| 第四章 Yamaguchi 分解结合非负特征值理论的极化特征提取 | 第74-96页 |
| ·引言 | 第74-75页 |
| ·Yamaguchi 分解概述 | 第75-79页 |
| ·四种基本散射的相干矩阵 | 第75-76页 |
| ·Yamaguchi 分解模型 | 第76-77页 |
| ·Yamaguchi 分解算法 | 第77-79页 |
| ·结合非负特征值理论的 Yamaguchi 分解 | 第79-93页 |
| ·Yamaguchi 分解与 NNEC 的关系 | 第79-80页 |
| ·Yamaguchi 分解的局限性 | 第80-81页 |
| ·结合后向策略的 Yamaguchi-Sato 分解 | 第81-84页 |
| ·层次后向策略的原理与算法 | 第84-87页 |
| ·结合层次后向策略的 Yamaguchi-Sato 分解 | 第87-93页 |
| ·本章小结 | 第93页 |
| 本章参考文献 | 第93-96页 |
| 第五章 基于加权合成核与 SVM 的极化 SAR 图像分类 | 第96-114页 |
| ·引言 | 第96-97页 |
| ·SVM 与核函数概述 | 第97-100页 |
| ·SVM 概述 | 第97-99页 |
| ·核函数概述 | 第99-100页 |
| ·利用 SVM 来评价极化特征对分类的效果 | 第100-102页 |
| ·加权合成核结合 SVM 的极化 SAR 图像分类 | 第102-110页 |
| ·选取的极化特征 | 第102-103页 |
| ·加权合成核的构造 | 第103-106页 |
| ·加权合成核结合 SVM 的数学模型与算法 | 第106-107页 |
| ·实验结果与分析 | 第107-110页 |
| ·本章小结 | 第110页 |
| 本章参考文献 | 第110-114页 |
| 第六章 TMF 及其改进模型在极化 SAR 图像分类中应用 | 第114-138页 |
| ·引言 | 第114-115页 |
| ·TMF 概述 | 第115-121页 |
| ·MRF 基本理论 | 第115-116页 |
| ·图像非平稳特性 | 第116-117页 |
| ·TMF 的概率分布 | 第117-119页 |
| ·TMF 的参数估计 | 第119-120页 |
| ·TMF 的 MAP 准则与 ICM 算法 | 第120-121页 |
| ·基于 TMF 的极化 SAR 图像分类 | 第121-125页 |
| ·极化 SAR 图像的非平稳特性 | 第122-123页 |
| ·极化 SAR 图像分类的 TMF 模型与算法 | 第123-124页 |
| ·实验结果与分析 | 第124-125页 |
| ·基于 TMF-SAF 的极化 SAR 图像分类 | 第125-133页 |
| ·TMF 辅助场的局限性 | 第126-127页 |
| ·极化 SAR 图像的平滑特征 | 第127-128页 |
| ·极化 SAR 图像分类的 TMF-SAF 模型与算法 | 第128-130页 |
| ·实验结果与分析 | 第130-133页 |
| ·本章小结 | 第133-134页 |
| 本章参考文献 | 第134-138页 |
| 第七章 结束语 | 第138-142页 |
| ·全文工作总结 | 第138-139页 |
| ·工作展望 | 第139-142页 |
| 致谢 | 第142-144页 |
| 作者在读博期间的研究成果 | 第144-146页 |
