| 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12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 全极化SAR图像分类发展现状 | 第16-17页 |
| 1.3 全极化SAR分类的研究难点 | 第17-18页 |
| 1.4 论文内容与安排 | 第18-21页 |
| 第二章 稀疏表示理论基础 | 第21-27页 |
| 2.1 引言 | 第21-22页 |
| 2.2 稀疏表示字典学习方法 | 第22-26页 |
| 2.2.1 稀疏表示基本含义 | 第22页 |
| 2.2.2 OMP算法 | 第22-23页 |
| 2.2.3 联合稀疏表示基本含义 | 第23-24页 |
| 2.2.4 SOMP算法 | 第24页 |
| 2.2.5 K-SVD算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于联合稀疏表示的海岸带地物全极化SAR分类 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 基于全极化SAR三个通道纹理特征的联合稀疏表示 | 第27-30页 |
| 3.2.1 三个通道纹理特征的提取 | 第27-28页 |
| 3.2.2 基于三个通道纹理特征的联合稀疏模型 | 第28-30页 |
| 3.3 基于全极化SAR极化特征的联合稀疏表示 | 第30-32页 |
| 3.3.1 极化特征的提取 | 第30-31页 |
| 3.3.2 基于极化特征的联合稀疏模型 | 第31-32页 |
| 3.4 基于联合稀疏表示的海岸带地物全极化SAR分类 | 第32-33页 |
| 3.4.1 分类模型 | 第32-33页 |
| 3.4.2 分类算法流程 | 第33页 |
| 3.5 实验结果和分析 | 第33-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于字典迁移与近邻正则加权联合稀疏的多时相全极化SAR分类 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 基于字典迁移与近邻正则加权联合稀疏的多时相全极化SAR分类方法 | 第41-46页 |
| 4.2.1 近邻正则加权联合稀疏模型 | 第42-43页 |
| 4.2.2 基于三个通道纹理特征的近邻正则加权联合稀疏表示 | 第43-44页 |
| 4.2.3 基于极化特征的近邻正则加权联合稀疏表示 | 第44页 |
| 4.2.4 字典迁移 | 第44-46页 |
| 4.2.5 分类算法流程 | 第46页 |
| 4.3 实验结果和分析 | 第46-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 基于多时相全极化SAR分类的变化检测及目标识别 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 基于多时相全极化SAR分类的变化检测及目标识别 | 第53-57页 |
| 5.2.1 多时相全极化SAR的变化检测 | 第53-54页 |
| 5.2.2 基于稀疏表示的变化目标识别模型 | 第54-55页 |
| 5.2.3 变化检测及目标识别算法流程 | 第55-57页 |
| 5.3 实验结果和分析 | 第57-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-67页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
