| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 基于底层特征的场景分类 | 第13-14页 |
| 1.2.2 基于中层特征的场景分类 | 第14-15页 |
| 1.2.3 基于深度特征的场景分类 | 第15-17页 |
| 1.3 现有方法的不足 | 第17页 |
| 1.4 论文创新点 | 第17-18页 |
| 1.5 论文的组织结构 | 第18-20页 |
| 第2章 基于深度学习多特征融合的高分辨率遥感影像场景分类 | 第20-38页 |
| 2.1 引言 | 第20-23页 |
| 2.2 特征融合方法介绍 | 第23-29页 |
| 2.2.1 特征提取 | 第23-25页 |
| 2.2.2 特征归一化 | 第25-27页 |
| 2.2.3 特征融合 | 第27-29页 |
| 2.3 实验 | 第29-37页 |
| 2.3.1 数据库介绍 | 第29-31页 |
| 2.3.2 评价指标 | 第31-32页 |
| 2.3.3 数据库UCM实验 | 第32-34页 |
| 2.3.4 数据库AID实验 | 第34-36页 |
| 2.3.5 悉尼数据库实验 | 第36页 |
| 2.3.6 特征融合实验 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 主动旋转卷积网络 | 第38-56页 |
| 3.1 引言 | 第38-39页 |
| 3.2 旋转不变网络算法框架 | 第39-43页 |
| 3.2.1 主动旋转卷积 | 第40-42页 |
| 3.2.2 卷积核更新策略 | 第42-43页 |
| 3.3 旋转不变池化 | 第43-48页 |
| 3.3.1 旋转不变理论 | 第43-45页 |
| 3.3.2 旋转不变池化 | 第45-48页 |
| 3.4 实验 | 第48-55页 |
| 3.4.1 数据库介绍 | 第48-49页 |
| 3.4.2 评价指标 | 第49-51页 |
| 3.4.3 数据库UCM实验 | 第51-53页 |
| 3.4.4 数据库AID实验 | 第53-55页 |
| 3.4.5 方向通道最大池化实验 | 第55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 总结与展望 | 第56-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第66页 |