| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15页 |
| 1.2 遥感图像变化检测的国内外发展现状 | 第15-19页 |
| 1.3 自步学习研究现状与遥感图像变化检测 | 第19-20页 |
| 1.4 论文架构和内容安排 | 第20-23页 |
| 第二章 研究相关的背景知识介绍 | 第23-29页 |
| 2.1 遥感图像变化检测的基础知识 | 第23页 |
| 2.2 遥感图像变化检测的评价指标 | 第23-24页 |
| 2.3 自步学习理论 | 第24-25页 |
| 2.4 深度降噪自编码器 | 第25-28页 |
| 2.4.1 深度学习思想 | 第25-26页 |
| 2.4.2 深度降噪自编码器 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于自步学习和深度降噪自编码器的SAR图像变化检测 | 第29-51页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于自步学习和深度降噪自编码器的变化检测算法 | 第30-33页 |
| 3.3 基于差分进化算法的自步学习参数优化 | 第33-36页 |
| 3.3.1 步长增量种群的受限初始化 | 第34页 |
| 3.3.2 基于遗传操作迭代搜索步长参数空间 | 第34-35页 |
| 3.3.3 步长参数序列的生成 | 第35-36页 |
| 3.4 实验数据集介绍 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-48页 |
| 3.5.1 SPSDAE模型的参数设置实验 | 第37-40页 |
| 3.5.2 SPSDAE模型的测试实验 | 第40-42页 |
| 3.5.3 SPSDAE模型与其他变化检测方法的对比实验 | 第42-48页 |
| 3.6 本章小结 | 第48-51页 |
| 第四章 基于自步学习和深度降噪自编码器集成的SAR图像变化检测 | 第51-61页 |
| 4.1 集成学习 | 第51-53页 |
| 4.2 基于自步学习和深度降噪自编码器集成的变化检测算法 | 第53-55页 |
| 4.2.1 数据采样方法 | 第53-54页 |
| 4.2.2 基学习器SDAE的集成学习 | 第54-55页 |
| 4.3 实验结果与分析 | 第55-59页 |
| 4.3.1 黄河稻田实验数据的变化检测结果 | 第55-56页 |
| 4.3.2 黄河海岸线实验数据的变化检测结果 | 第56-57页 |
| 4.3.3 河道实验数据的变化检测结果 | 第57-58页 |
| 4.3.4 河道交汇口实验数据的变化检测结果 | 第58页 |
| 4.3.5 西安学校实验数据的变化检测结果 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 基于自步学习和类别信息的多光谱图像变化检测 | 第61-71页 |
| 5.1 基于自步学习和类别信息的变化检测算法 | 第61-62页 |
| 5.2 实验数据介绍 | 第62-64页 |
| 5.3 实验结果与分析 | 第64-69页 |
| 5.3.1 样本特征提取方法的测试实验 | 第64-65页 |
| 5.3.2 基于类别信息和SPL机制的测试实验 | 第65页 |
| 5.3.3 SPSDAE-CI模型与其他变化检测方法的对比实验 | 第65-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第六章 结论与展望 | 第71-73页 |
| 6.1 研究结论 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
