| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文结构安排 | 第12-14页 |
| 第二章 极化SAR基本理论 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 极化SAR系统简介 | 第14-15页 |
| 2.3 电磁波的极化及其表征 | 第15-17页 |
| 2.4 极化散射特性的描述 | 第17-21页 |
| 2.4.1 极化散射矩阵 | 第17-18页 |
| 2.4.2 Stokes矩阵 | 第18-19页 |
| 2.4.3 极化散射矩阵的矢量化 | 第19页 |
| 2.4.4 极化协方差矩阵和相干矩阵 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 几种典型的极化SAR图像分类方法 | 第22-40页 |
| 3.1 引言 | 第22页 |
| 3.2 基于最大似然准则的极化SAR图像有监督分类方法 | 第22-25页 |
| 3.2.1 算法说明 | 第22-23页 |
| 3.2.2 实验结果及分析 | 第23-25页 |
| 3.3 基于目标分解理论的极化SAR图像非监督分类方法 | 第25-32页 |
| 3.3.1 目标分解理论 | 第25-27页 |
| 3.3.2 基于Cloude分解的H/? 分类 | 第27-29页 |
| 3.3.3 基于Cloude分解和Wishart分布的H/?/Wishart分类 | 第29-32页 |
| 3.4 基于支持矢量机的极化SAR图像分类方法 | 第32-39页 |
| 3.4.1 基于支持矢量机的监督分类 | 第32-36页 |
| 3.4.2 基于H/?/Wishart和支持矢量机的非监督分类 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 压缩感知基本理论及其在图像分类中的应用 | 第40-47页 |
| 4.1 引言 | 第40页 |
| 4.2 压缩感知的数学模型 | 第40-41页 |
| 4.3 压缩感知的关键技术 | 第41-45页 |
| 4.3.1 稀疏字典 | 第42-43页 |
| 4.3.2 观测矩阵 | 第43-44页 |
| 4.3.3 重建算法 | 第44-45页 |
| 4.4 压缩感知在图像分类中的应用 | 第45-46页 |
| 4.5 本章小节 | 第46-47页 |
| 第五章 基于压缩感知和支持矢量机的极化SAR图像分类方法 | 第47-68页 |
| 5.1 引言 | 第47页 |
| 5.2 基于支持矢量机的特征选择及其分类方法 | 第47-55页 |
| 5.2.1 支持矢量机的特征选择理论 | 第47-48页 |
| 5.2.2 基于支持矢量机特征选择的有监督分类方法 | 第48-50页 |
| 5.2.3 基于支持矢量机特征选择的非监督分类方法 | 第50-55页 |
| 5.3 基于压缩感知和支持矢量机的非监督分类方法 | 第55-63页 |
| 5.3.1 基于压缩感知的特征提取 | 第55-57页 |
| 5.3.2 方法描述 | 第57-59页 |
| 5.3.3 实验结果及分析 | 第59-63页 |
| 5.4 基于压缩感知和支持矢量机的有监督分类方法 | 第63-67页 |
| 5.4.1 方法描述 | 第63-64页 |
| 5.4.2 实验结果及分析 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68页 |
| 6.2 未来工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士期间发表论文 | 第76页 |
