| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 干涉SAR的发展历史 | 第14-15页 |
| 1.2 干涉SAR应用领域 | 第15-16页 |
| 1.3 干涉SAR研究现状 | 第16-17页 |
| 1.4 本课题的研究现状 | 第17-18页 |
| 1.5 论文的主要工作和内容安排 | 第18-20页 |
| 第二章 干涉SAR数据处理及相干图统计特性分析 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 干涉SAR数据处理 | 第20-26页 |
| 2.2.1 干涉SAR数据处理流程 | 第20-24页 |
| 2.2.2 干涉SAR处理软件介绍 | 第24-25页 |
| 2.2.3 干涉SAR相干图 | 第25-26页 |
| 2.3 干涉SAR相干图统计特性分析 | 第26-28页 |
| 2.3.1 高斯混合模型 | 第26页 |
| 2.3.2 EM算法 | 第26-27页 |
| 2.3.3 相干图统计特性分析 | 第27-28页 |
| 2.4 实验结果与分析 | 第28-32页 |
| 2.4.1 实验数据 | 第28-30页 |
| 2.4.2 实验结果与分析 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于相干系数与空间信息的干涉SAR相干图分割 | 第34-44页 |
| 3.1 引言 | 第34-35页 |
| 3.2 贝叶斯原理与Markov随机场 | 第35-37页 |
| 3.2.1 贝叶斯原理 | 第35页 |
| 3.2.2 Markov随机场 | 第35-37页 |
| 3.3 基于相干系数与空间信息的干涉SAR相干图分割 | 第37-39页 |
| 3.3.1 算法思想 | 第37页 |
| 3.3.2 算法框架 | 第37-39页 |
| 3.4 实验结果与分析 | 第39-43页 |
| 3.4.1 实验数据 | 第39-40页 |
| 3.4.2 实验结果与分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于相干图迁移聚类的干涉SAR图像分割 | 第44-54页 |
| 4.1 引言 | 第44-45页 |
| 4.2 迁移学习与字典学习 | 第45-46页 |
| 4.2.1 迁移学习 | 第45-46页 |
| 4.2.2 字典学习 | 第46页 |
| 4.3 基于相干图迁移聚类的干涉SAR图像分割 | 第46-48页 |
| 4.3.1 算法思想 | 第46-48页 |
| 4.3.2 算法流程 | 第48页 |
| 4.4 实验结果与分析 | 第48-52页 |
| 4.4.1 实验数据 | 第48-49页 |
| 4.4.2 实验结果及分析 | 第49-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 总结和展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |