| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第10-17页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 国内外多源信息融合研究进展 | 第11-13页 |
| 1.3 国内外多源信息融合溢油研究进展 | 第13-15页 |
| 1.4 小结及本论文研究思路与框架 | 第15-17页 |
| 2 信息融合理论 | 第17-30页 |
| 2.1 主观贝叶斯方法 | 第18-22页 |
| 2.1.1 主观贝叶斯基本概念 | 第18-20页 |
| 2.1.2 主观贝叶斯推理 | 第20-22页 |
| 2.2 D-S证据理论 | 第22-26页 |
| 2.2.1 辨识框架 | 第22页 |
| 2.2.2 基本概率赋值函数、信任函数、似真函数 | 第22-24页 |
| 2.2.3 Dempster合成法则 | 第24-26页 |
| 2.3 人工神经网络 | 第26-29页 |
| 2.3.1 人工神经网络简介 | 第26-27页 |
| 2.3.2 BP神经网络 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 SAR监测溢油原理 | 第30-37页 |
| 3.1 SAR概述 | 第30-31页 |
| 3.2 SAR基本工作原理 | 第31-33页 |
| 3.3 SAR监测海洋溢油原理 | 第33-34页 |
| 3.4 SAR图像解译 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 SAR海洋溢油监测多源信息融合 | 第37-71页 |
| 4.1 SAR图像样本数据 | 第37-38页 |
| 4.2 主观贝叶斯方法影响SAR解译环境因素融合 | 第38-60页 |
| 4.2.1 风场因素影响程度分析 | 第39-46页 |
| 4.2.2 石油平台因素影响程度分析 | 第46-51页 |
| 4.2.3 航道因素影响程度分析 | 第51-56页 |
| 4.2.4 输油管道因素影响程度分析 | 第56-57页 |
| 4.2.5 风场、石油平台、航道三个因素同时考虑影响程度分析 | 第57-60页 |
| 4.3 人工神经网络影响SAR解译特征因素融合 | 第60-66页 |
| 4.3.1 样本特征信息提取 | 第61-62页 |
| 4.3.2 特征量降维 | 第62-64页 |
| 4.3.3 神经网络识别溢油和疑似溢油 | 第64-66页 |
| 4.4 D-S证据理论多证据信息融合海面溢油识别 | 第66-70页 |
| 4.5 本章小结 | 第70-71页 |
| 5 论文总结与展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 个人简历 | 第77页 |
| 发表的学术论文 | 第77页 |