| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究背景 | 第12-15页 |
| ·极化SAR相干斑抑制及分类现状 | 第15-17页 |
| ·主要内容及结构安排 | 第17-19页 |
| 第二章 极化SAR基本理论 | 第19-32页 |
| ·电磁波及其极化 | 第19-21页 |
| ·极化椭圆 | 第19-20页 |
| ·Jones矢量 | 第20-21页 |
| ·Stokes矢量 | 第21页 |
| ·目标极化特征表征 | 第21-24页 |
| ·极化散射矩阵 | 第21-22页 |
| ·Mueller矩阵 | 第22页 |
| ·Stokes矩阵 | 第22-23页 |
| ·极化协方差矩阵与极化相干矩阵 | 第23-24页 |
| ·极化目标特征量的提取 | 第24-31页 |
| ·基于代数运算的目标特征提取 | 第24-25页 |
| ·基于极化目标分解的特征提取 | 第25-30页 |
| ·基于极化协方差矩阵的特征提取 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 极化SAR相干斑抑制 | 第32-47页 |
| ·相干斑的形成 | 第32-33页 |
| ·相干斑噪声模型 | 第33页 |
| ·相干斑抑制方法 | 第33-37页 |
| ·MMSE原理 | 第34页 |
| ·精致Lee滤波 | 第34-36页 |
| ·Sigma滤波 | 第36页 |
| ·Boxcar滤波 | 第36-37页 |
| ·相干斑抑制的评价 | 第37-46页 |
| ·相干斑抑制程度 | 第37页 |
| ·图像的细节及边缘信息 | 第37-38页 |
| ·极化信息的保留 | 第38-39页 |
| ·实验与效果分析 | 第39-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于SVM的极化SAR图像分类 | 第47-63页 |
| ·基于目标散射特性的SAR图像分类 | 第47-54页 |
| ·Cloude分解 | 第47-48页 |
| ·基于特征值分解的H/α分类 | 第48-51页 |
| ·H/α-Wishart非监督分类 | 第51-52页 |
| ·H/α/A-Wishart非监督分类 | 第52-54页 |
| ·支持向量机理论基础 | 第54-60页 |
| ·线性支持向量机 | 第54-57页 |
| ·非线性支持向量机 | 第57-58页 |
| ·核函数方法 | 第58-59页 |
| ·多类分类器算法 | 第59-60页 |
| ·基于SVM的极化SAR图像分类 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 滤波器对分类精度的影响 | 第63-76页 |
| ·试验数据概况 | 第63-65页 |
| ·试验流程 | 第65页 |
| ·分类效果评估准则 | 第65-67页 |
| ·Flevoland试验区的分类及结果评价 | 第67-72页 |
| ·San Francisco试验区的分类及结果评价 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 结论与展望 | 第76-78页 |
| ·总结 | 第76-77页 |
| ·进一步工作 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-81页 |