| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 SAR图像分割方法的研究现状 | 第10-12页 |
| 1.2.2 基于图论的分割方法的研究现状 | 第12-13页 |
| 1.3 研究内容与论文框架 | 第13-16页 |
| 1.3.1 研究目标 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.3.3 全文组织 | 第14-16页 |
| 2 基于图论的SAR图像分割理论分析 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 SAR图像分割的定义 | 第16-18页 |
| 2.3 基于图论的SAR图像分割方法描述 | 第18-28页 |
| 2.3.1 图论基础 | 第18-23页 |
| 2.3.2 最大流-最小割方法 | 第23-26页 |
| 2.3.3 图谱分割方法 | 第26-28页 |
| 2.4 分割算法的性能评估 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于迭代图割的SAR图像分割改进算法 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 Grab Cut算法原理 | 第30-34页 |
| 3.2.1 Graph Cut方法 | 第30-31页 |
| 3.2.2 使用GMM模型的Grab Cut算法 | 第31-33页 |
| 3.2.3 EM算法 | 第33-34页 |
| 3.3 改进的基于Grab Cut的SAR图像分割 | 第34-39页 |
| 3.3.1 Grab Cut应用于SAR图像的分析 | 第34-35页 |
| 3.3.2 GMM初始化参数分析 | 第35-37页 |
| 3.3.3 EM算法初始化及其改进 | 第37-38页 |
| 3.3.4 改进的基于Grab Cut的SAR图像分割 | 第38-39页 |
| 3.4 实验结果及分析 | 第39-45页 |
| 3.4.1 实验数据描述 | 第39-40页 |
| 3.4.2 分割结果及分析 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 基于图像分解与特征提取谱聚类的SAR图像分割 | 第46-60页 |
| 4.1 引言 | 第46页 |
| 4.2 谱聚类算法概述 | 第46-48页 |
| 4.2.1 相似度及相似度矩阵 | 第46-47页 |
| 4.2.2 谱聚类算法的一般框架 | 第47-48页 |
| 4.2.3 谱聚类算法应用于SAR图像的分析 | 第48页 |
| 4.3 基于图像分解与特征提取的谱聚类算法 | 第48-53页 |
| 4.3.1 基于MS-G模型的图像分解 | 第48-51页 |
| 4.3.2 特征提取与相似度矩阵的构造 | 第51-52页 |
| 4.3.3 算法流程 | 第52-53页 |
| 4.4 实验结果及分析 | 第53-59页 |
| 4.4.1 实验数据描述 | 第53-54页 |
| 4.4.2 分割结果及分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 论文工作总结 | 第60-61页 |
| 5.2 研究课题展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 读硕士期间发表的科研成果目录 | 第66-67页 |
| 致谢 | 第67-69页 |
