| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 主要缩写词对照表 | 第19-21页 |
| 第一章 绪论 | 第21-37页 |
| 1.1 研究背景 | 第21-23页 |
| 1.2 研究现状 | 第23-33页 |
| 1.2.1 统计建模 | 第26-28页 |
| 1.2.2 散射特性分析 | 第28-29页 |
| 1.2.3 噪声抑制 | 第29-30页 |
| 1.2.4 空域信息分析 | 第30-31页 |
| 1.2.5 典型应用 | 第31-33页 |
| 1.3 研究内容 | 第33-35页 |
| 1.4 组织架构 | 第35页 |
| 1.5 本章小结 | 第35-37页 |
| 第二章 极化SAR图像统计模型与相似性衡量 | 第37-71页 |
| 2.1 引言 | 第37页 |
| 2.2 基础理论 | 第37-44页 |
| 2.2.1 SAR图像基础知识 | 第37-38页 |
| 2.2.2 极化SAR图像基础理论 | 第38-44页 |
| 2.3 统计模型 | 第44-54页 |
| 2.3.1 SAR图像统计建模 | 第44-50页 |
| 2.3.2 多维SLC SAR图像统计建模 | 第50-51页 |
| 2.3.3 极化SAR图像统计建模 | 第51-54页 |
| 2.4 相似性衡量 | 第54-63页 |
| 2.4.1 估计法 | 第55-56页 |
| 2.4.2 检测法 | 第56-58页 |
| 2.4.3 信息论法 | 第58-62页 |
| 2.4.4 信息几何法 | 第62-63页 |
| 2.5 极化误差 | 第63-69页 |
| 2.5.1 幅相失衡 | 第64-65页 |
| 2.5.2 极化耦合 | 第65-69页 |
| 2.6 本章小结 | 第69-71页 |
| 第三章 极化SAR图像保分辨精定位边缘提取 | 第71-95页 |
| 3.1 引言 | 第71-72页 |
| 3.2 理论基础 | 第72-75页 |
| 3.2.1 基于区域的概率相似性衡量 | 第72-73页 |
| 3.2.2 基于图像块的概率相似性衡量 | 第73-75页 |
| 3.3 方法详介 | 第75-82页 |
| 3.4 实验分析 | 第82-94页 |
| 3.4.1 数据集介绍 | 第82-86页 |
| 3.4.2 数值性能评估 | 第86-90页 |
| 3.4.3 视觉性能展示 | 第90-93页 |
| 3.4.4 参数分析 | 第93-94页 |
| 3.5 本章小结 | 第94-95页 |
| 第四章 极化SAR图像超像素生成 | 第95-137页 |
| 4.1 引言 | 第95-96页 |
| 4.2 理论基础 | 第96-100页 |
| 4.2.1 改进的基于超像素的概率相似性衡量 | 第96-98页 |
| 4.2.2 改进的基于图像块的概率相似性衡量 | 第98-100页 |
| 4.3 方法详介 | 第100-115页 |
| 4.3.1 超像素生成 | 第100-107页 |
| 4.3.2 基于超像素的类别数目自适应分类 | 第107-113页 |
| 4.3.3 基于多时相超像素的变化检测 | 第113-115页 |
| 4.4 实验分析 | 第115-127页 |
| 4.4.1 超像素生成性能分析 | 第115-118页 |
| 4.4.2 基于超像素的类别数目自适应分类性能分析 | 第118-123页 |
| 4.4.3 基于多时相超像素的变化检测性能分析 | 第123-127页 |
| 4.5 本章小结 | 第127-137页 |
| 第五章 极化SAR图像空域自适应区域生成 | 第137-159页 |
| 5.1 引言 | 第137-138页 |
| 5.2 理论基础 | 第138-141页 |
| 5.2.1 Wedgelet分析 | 第138-139页 |
| 5.2.2 基于图像块的概率数据保真度衡量 | 第139-141页 |
| 5.3 方法详介 | 第141-149页 |
| 5.3.1 多尺度wedgelet分解 | 第142-144页 |
| 5.3.2 多尺度wedgelet表征 | 第144-148页 |
| 5.3.3 分割优化 | 第148-149页 |
| 5.4 实验分析 | 第149-157页 |
| 5.4.1 数据集介绍 | 第149页 |
| 5.4.2 参数选择 | 第149-152页 |
| 5.4.3 视觉性能展示 | 第152-153页 |
| 5.4.4 数值性能评估 | 第153-157页 |
| 5.5 本章小结 | 第157-159页 |
| 第六章 极化SAR图像全局主导地物轮廓勾勒 | 第159-175页 |
| 6.1 引言 | 第159-160页 |
| 6.2 理论基础 | 第160-162页 |
| 6.2.1 L0梯度最小化方法 | 第160-161页 |
| 6.2.2 基于区域的概率数据保真度衡量 | 第161-162页 |
| 6.3 方法详介 | 第162-166页 |
| 6.3.1 区域生成 | 第163-165页 |
| 6.3.2 基于区域的L0梯度最小化 | 第165-166页 |
| 6.4 实验分析 | 第166-172页 |
| 6.4.1 数据集介绍 | 第166-167页 |
| 6.4.2 参数选择 | 第167-169页 |
| 6.4.3 视觉性能展示 | 第169-171页 |
| 6.4.4 数值性能评估 | 第171-172页 |
| 6.5 本章小结 | 第172-175页 |
| 全文总结 | 第175-179页 |
| 附录A 复Wishart分布参数的最大似然估计 | 第179-181页 |
| 参考文献 | 第181-207页 |
| 致谢 | 第207-211页 |
| 攻读学位期间发表的学术论文目录 | 第211-213页 |
| 攻读学位期间参与的项目 | 第213-215页 |