| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·论文研究背景及意义 | 第9页 |
| ·国内外研究现状及发展趋势 | 第9-12页 |
| ·论文主要研究内容 | 第12-13页 |
| 第二章 雷达极化基础与极化SAR 目标分解理论 | 第13-27页 |
| ·引言 | 第13页 |
| ·极化数据的表示形式 | 第13-17页 |
| ·极化散射矩阵 | 第13-15页 |
| ·Mueller 矩阵 | 第15-16页 |
| ·相干矩阵和协方差矩阵 | 第16-17页 |
| ·目标分解理论 | 第17-26页 |
| ·目标分解理论概述 | 第17-18页 |
| ·相干分解 | 第18-21页 |
| ·Pauli 分解 | 第18-19页 |
| ·Krogager 分解 | 第19-21页 |
| ·非相干分解 | 第21-26页 |
| ·Cloude 分解 | 第21-24页 |
| ·Freeman 分解 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 极化SAR 图像对比增强 | 第27-38页 |
| ·极化合成技术 | 第27-30页 |
| ·极化SAR 图像线性加权法对比增强 | 第30-31页 |
| ·极化SAR 图像对比增强的SUMT 数值解法 | 第31-33页 |
| ·基于目标分解的极化SAR 图像对比增强 | 第33-36页 |
| ·极化SAR 图像目标分解 | 第33-34页 |
| ·基于散射分量的线性加权法对比增强 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 ICA 方法抑制极化SAR 图像相干斑及分类 | 第38-54页 |
| ·SAR 图像相干斑模型 | 第38-40页 |
| ·独立分量分析 | 第40-42页 |
| ·ICA 模型 | 第40-41页 |
| ·ICA 的约束条件与不确定性 | 第41页 |
| ·变量的中心化与白化 | 第41-42页 |
| ·极大化非高斯性的ICA 估计方法 | 第42-50页 |
| ·非高斯性与独立性 | 第43页 |
| ·非高斯性的度量 | 第43-44页 |
| ·FastICA 算法 | 第44-48页 |
| ·ICA 稀疏编码收缩算法 | 第48-50页 |
| ·直接基于ICA 的极化SAR 图像分类 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于目标特征分解的极化SAR 图像分类方法 | 第54-64页 |
| ·H/α分类 | 第54-58页 |
| ·H/α/Wishart 分类 | 第58-60页 |
| ·结合ICA 相干斑抑制的Η/α/Wishart 分类 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结束语 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻硕期间取得的研究成果 | 第72-73页 |
