| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 SAR图像分类存在的问题 | 第12-13页 |
| 1.4 本文主要内容及结构安排 | 第13-16页 |
| 第2章 SAR图像及其分类基础 | 第16-28页 |
| 2.1 SAR图像简介 | 第16-19页 |
| 2.1.1 SAR成像原理简介 | 第16-17页 |
| 2.1.2 SAR图像的特点 | 第17-19页 |
| 2.1.3 SAR图像的种类 | 第19页 |
| 2.2 SAR图像分类 | 第19-23页 |
| 2.2.1 非监督分类 | 第19-21页 |
| 2.2.2 监督分类 | 第21-23页 |
| 2.3 SAR图像预处理 | 第23-27页 |
| 2.3.1 SAR图像滤波 | 第23-25页 |
| 2.3.2 SAR图像滤波实验 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 深度学习和卷积神经网络 | 第28-38页 |
| 3.1 深度学习 | 第28-32页 |
| 3.1.1 深度学习介绍 | 第28-29页 |
| 3.1.2 深度学习模型 | 第29-32页 |
| 3.2 卷积神经网络 | 第32-37页 |
| 3.2.1 卷积神经网络介绍 | 第32-33页 |
| 3.2.2 卷积神经网络结构 | 第33-34页 |
| 3.2.3 卷积神经网络训练 | 第34-36页 |
| 3.2.4 卷积神经网络算法 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于卷积神经网络的高分辨率SAR图像分类 | 第38-58页 |
| 4.1 基于卷积神经网络的高分辨率SAR图像分类方法 | 第38-42页 |
| 4.1.1 分类步骤和方法 | 第38-39页 |
| 4.1.2 网络选取和搭建 | 第39-40页 |
| 4.1.3 训练数据的获取 | 第40-41页 |
| 4.1.4 网络训练和测试 | 第41-42页 |
| 4.1.5 SAR图像分类方法 | 第42页 |
| 4.2 数据介绍和评价方法 | 第42-47页 |
| 4.2.1 实验SAR数据介绍 | 第42-44页 |
| 4.2.2 实验的网络结构 | 第44-46页 |
| 4.2.3 实验的评价方法 | 第46-47页 |
| 4.3 分类结果的优化和应用 | 第47-48页 |
| 4.3.1 SAR图像分类结果的优化 | 第47-48页 |
| 4.3.2 基于SAR图像分类结果的变化检测应用 | 第48页 |
| 4.4 实验与结果分析 | 第48-57页 |
| 4.4.1 训练数据和数量 | 第49-50页 |
| 4.4.2 实验结果和精度 | 第50-54页 |
| 4.4.3 实验结果分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 基于卷积神经网络的中低分辨率SAR图像分类 | 第58-66页 |
| 5.1 基于卷积神经网络的中低分辨率SAR图像分类方法 | 第58-60页 |
| 5.1.1 分类步骤与方法 | 第58-59页 |
| 5.1.2 训练数据的获取 | 第59-60页 |
| 5.1.3 改进的SAR图像分类方法 | 第60页 |
| 5.2 数据介绍与评价方法 | 第60-61页 |
| 5.2.1 实验SAR数据介绍 | 第60-61页 |
| 5.2.2 实验的网络结构 | 第61页 |
| 5.2.3 分类结果评价方法 | 第61页 |
| 5.3 实验与结果分析 | 第61-64页 |
| 5.3.1 训练数据和数量 | 第62页 |
| 5.3.2 分类结果和精度 | 第62-64页 |
| 5.3.3 分类结果分析 | 第64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 作者简介 | 第74-76页 |
| 致谢 | 第76页 |
