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 |