| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·极化SAR图像相干斑抑制研究现状 | 第9-10页 |
| ·极化SAR图像分类研究现状 | 第10-11页 |
| ·本文工作 | 第11-12页 |
| ·章节安排 | 第12-14页 |
| 第二章 极化SAR理论、形态成分分析及BP基础 | 第14-26页 |
| ·极化SAR理论基础 | 第14-19页 |
| ·极化合成基本理论 | 第14-15页 |
| ·极化特征图 | 第15-17页 |
| ·极化SAR相干斑统计特性 | 第17-19页 |
| ·形态成分分析方法 | 第19-23页 |
| ·形态成分分析 | 第19-20页 |
| ·形态成分稀疏表示 | 第20页 |
| ·稀疏表示字典选择 | 第20-22页 |
| ·算法实现 | 第22-23页 |
| ·BP神经网络 | 第23-25页 |
| ·BP神经网络基本理论 | 第23-24页 |
| ·Sigmoid函数和误差准则函数 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于形态成分分析的极化SAR图像相干斑抑制 | 第26-44页 |
| ·极化SAR图像相干斑模型分析 | 第26-27页 |
| ·基于形态成分分析的极化SAR图像稀疏分解 | 第27-28页 |
| ·基于MCAPWF的极化SAR图像相干斑抑制 | 第28-32页 |
| ·等功率加权滤波算法 | 第28-29页 |
| ·极化白化滤波算法 | 第29-30页 |
| ·基于MCAPWF的极化SAR图像相干斑抑制 | 第30-32页 |
| ·基于MCACOWF的极化SAR图像相干斑抑制 | 第32-36页 |
| ·基于Curvelet变换的极化SAR图像相干斑抑制 | 第32-33页 |
| ·最优加权滤波算法 | 第33-34页 |
| ·基于MCACOWF的极化SAR图像相干斑抑制 | 第34-36页 |
| ·极化SAR图像相干斑抑制实验 | 第36-43页 |
| ·实验环境及极化SAR图像相干斑抑制的评价标准 | 第36-37页 |
| ·参数设置 | 第37页 |
| ·实验结果及分析 | 第37-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于改进BP神经网络的极化SAR图像分类 | 第44-54页 |
| ·偏置项与冲量项的引入 | 第44-45页 |
| ·偏置项的引入 | 第44-45页 |
| ·冲量项的引入 | 第45页 |
| ·基于改进BP神经网络的极化SAR图像分类 | 第45-48页 |
| ·基于改进BP神经网络的极化SAR图像分类 | 第45-47页 |
| ·算法实现 | 第47-48页 |
| ·基于改进BP神经网络的极化SAR图像分类实验 | 第48-50页 |
| ·实验环境及极化SAR图像分类的评价标准 | 第48-49页 |
| ·参数设置 | 第49页 |
| ·实验结果及分析 | 第49-50页 |
| ·相干斑抑制对极化SAR图像分类影响实验及分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结束语 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 研究成果 | 第62-63页 |