| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8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15-23页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研究现状和发展趋势 | 第16-23页 |
| 1.2.1 SAR图像统计模型 | 第16-18页 |
| 1.2.2 SAR图像的分类方法 | 第18-19页 |
| 1.2.3 基于水平集的SAR图像分类方法 | 第19-23页 |
| 第二章 基于K-SVD算法训练字典的混合模型拟合方法 | 第23-37页 |
| 2.1 引言 | 第23页 |
| 2.2 SAR图像的统计模型 | 第23-26页 |
| 2.2.1 威布尔分布 | 第23-24页 |
| 2.2.2 对数正态分布 | 第24-25页 |
| 2.2.3 G_0分布 | 第25页 |
| 2.2.4 有限混合模型 | 第25-26页 |
| 2.3 参数估计方法与拟合精度评估准则 | 第26-29页 |
| 2.3.1 参数估计方法 | 第26-27页 |
| 2.3.2 拟合精度评估准则 | 第27-29页 |
| 2.4 K-SVD算法的基础理论 | 第29-30页 |
| 2.5 基于K-SVD算法训练字典的混合模型 | 第30-33页 |
| 2.6 拟合结果与分析 | 第33-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第三章 基于改进的CV模型的SAR图像分类方法 | 第37-49页 |
| 3.1 引言 | 第37页 |
| 3.2 图像分类 | 第37-38页 |
| 3.3 CV模型 | 第38-40页 |
| 3.4 改进的CV模型 | 第40-43页 |
| 3.5 模拟SAR图像的CV模型分类结果与分析 | 第43-48页 |
| 3.6 真实SAR图像的CV模型分类结果与分析 | 第48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于混合模型和信息结合的水平集SAR图像分类 | 第49-67页 |
| 4.1 引言 | 第49-50页 |
| 4.2 LBF模型 | 第50-51页 |
| 4.3 GAC模型 | 第51-52页 |
| 4.4 基于混合模型和水平集的SAR图像分类方法 | 第52-53页 |
| 4.5 算法的具体步骤和实验结果 | 第53-56页 |
| 4.6 模拟SAR图像的分类结果与分析 | 第56-61页 |
| 4.7 真实SAR图像的分类结果与分析 | 第61-66页 |
| 4.8 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |