| 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14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外发展现状 | 第15-16页 |
| 1.3 SAR目标图像处理的主要内容 | 第16-20页 |
| 1.4 本文工作及内容安排 | 第20-22页 |
| 第二章 基于深度K-means的SAR目标图像分类 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 基于小波变换的SAR图像特征提取 | 第22-23页 |
| 2.3 基于深层K-means的SAR目标图像分类 | 第23-28页 |
| 2.3.1 经典K-means算法 | 第24-25页 |
| 2.3.2 单层K-means算法 | 第25-26页 |
| 2.3.3 深层K-means算法及优缺点 | 第26-28页 |
| 2.4 实验结果及分析 | 第28-32页 |
| 2.4.1 实验数据介绍 | 第28-30页 |
| 2.4.2 实验结果及分析 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于SDAE-SVM的SAR目标图像分类 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 图像分割和目标切片的提取 | 第34-38页 |
| 3.2.1 基于马尔科夫随机场的图像分割 | 第34-37页 |
| 3.2.2 提取目标切片 | 第37-38页 |
| 3.3 基于SDAE-SVM的SAR目标图像分类 | 第38-42页 |
| 3.3.1 去噪自编码器 | 第38-40页 |
| 3.3.2 SDAE-SVM | 第40-42页 |
| 3.4 实验结果及分析 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于CAE和概率稀疏表示的SAR目标图像分类 | 第46-58页 |
| 4.1 引言 | 第46页 |
| 4.2 基于卷积自编码器的深度特征提取 | 第46-50页 |
| 4.2.1 卷积自编码器的结构 | 第46-49页 |
| 4.2.2 卷积自编码器的权值优化 | 第49页 |
| 4.2.3 深度卷积自编码器 | 第49-50页 |
| 4.3 概率稀疏学习 | 第50-53页 |
| 4.3.1 概率稀疏表示空间 | 第50-51页 |
| 4.3.2 稀疏空间外样本的概率表示 | 第51-52页 |
| 4.3.3 基于概率稀疏表示的分类 | 第52-53页 |
| 4.4 基于卷积自编码器和概率稀疏表示的SAR目标图像分类 | 第53-55页 |
| 4.5 实验结果及分析 | 第55-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 未来研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
