首页--工业技术论文--无线电电子学、电信技术论文--雷达论文--雷达设备、雷达站论文--雷达接收设备论文--数据、图像处理及录取论文

基于深度学习和层次语义空间的SAR图像分割

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-24页
    1.1 研究背景及意义第16-17页
        1.1.1 SAR图像分割的研究背景第16-17页
        1.1.2 SAR图像分割的研究意义第17页
    1.2 SAR图像分割的研究现状及难点第17-19页
        1.2.1 图像分割第18页
        1.2.2 SAR图像分割第18-19页
    1.3 SAR图像语义分割第19-20页
    1.4 深度学习研究现状第20-22页
        1.4.1 什么是深度学习第20-21页
        1.4.2 深度学习发展及应用第21-22页
    1.5 本章小结第22-24页
第二章 基于层次视觉语义的区域划分第24-32页
    2.1 视觉计算理论第24-25页
    2.2 初始素描模型第25-26页
    2.3 SAR图像素描模型第26-28页
    2.4 基于层次视觉语义的区域划分第28-31页
        2.4.1 SAR图像层次语义空间第28-30页
        2.4.2 SAR图像不同像素子空间第30-31页
    2.5 本章小结第31-32页
第三章 基于反卷积网络和素描线方向指导的SAR混合像素子空间分割第32-60页
    3.1 引言第32-33页
    3.2 基于反卷积网络的SAR混合像素子空间特征提取第33-39页
        3.2.1 反卷积网络模型理解第33-36页
        3.2.2 极不匀质区域特征学习第36-37页
        3.2.3 算法描述与实验仿真分析第37-39页
    3.3 基于素描线方向指导的SAR混合像素子空间分割方法第39-52页
        3.3.1 素描信息提取方法第40-42页
        3.3.2 滤波器结构特征向量设计第42-46页
        3.3.3 基于方向划分的滤波器结构聚类第46-51页
        3.3.4 基于方向约束的特征编码算法第51-52页
    3.4 本章算法描述第52-53页
    3.5 实验仿真与分析第53-58页
        3.5.1 本章实验仿真与分析第53-57页
        3.5.2 对比实验第57-58页
    3.6 本章小结第58-60页
第四章 基于结构学习和素描特性推理网络的SAR混合像素子空间分割第60-82页
    4.1 引言第60页
    4.2 基于结构学习的SAR混合像素子空间特征提取第60-62页
    4.3 基于素描统计特性的自组织网络第62-68页
        4.3.1 自组织特征映射网络第62-63页
        4.3.2 素描统计直方图第63-65页
        4.3.3 基于素描统计特性的自组织特征映射第65-67页
        4.3.4 算法描述与实验分析第67-68页
    4.4 基于素描特性推理网络的SAR混合像素子空间分割第68-75页
        4.4.1 素描线特征向量设计第68-71页
        4.4.2 基于素描特性推理网络的SAR混合像素子空间分割方法第71-75页
    4.5 本章算法描述第75-76页
    4.6 实验仿真分析第76-80页
        4.6.1 本章实验仿真第76-79页
        4.6.2 对比实验第79-80页
    4.7 本章小结第80-82页
第五章 基于层次视觉语义和特征学习的SAR图像分割第82-90页
    5.1 引言第82-83页
    5.2 混合像素子空间的分割第83-84页
    5.3 结构像素子空间的分割第84-86页
    5.4 匀质像素子空间的分割第86页
    5.5 SAR图像的最终分割结果第86-87页
    5.6 实验仿真与分析第87-89页
        5.6.1 本章实验仿真第87-88页
        5.6.2 对比实验第88-89页
    5.7 本章小结第89-90页
第六章 总结与展望第90-92页
    6.1 论文工作总结第90页
    6.2 未来工作展望第90-92页
参考文献第92-96页
致谢第96-98页
作者简介第98-99页

论文共99页,点击 下载论文
上一篇:基于卷积神经网络的振动信号模态参数提取
下一篇:中俄两国能源消费与经济增长关系的比较研究