| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·极化 SAR 国内外的研究现状 | 第11页 |
| ·极化 SAR 图像基本概述 | 第11-13页 |
| ·相干斑噪声产生机理 | 第11-12页 |
| ·极化 SAR 滤波原则 | 第12页 |
| ·极化 SAR 相干斑去噪 | 第12-13页 |
| ·本文的结构安排 | 第13-16页 |
| 第2章 极化 SAR 基本理论 | 第16-28页 |
| ·极化 SAR 数据基础 | 第16-22页 |
| ·极化波概述 | 第16-17页 |
| ·目标的极化散射矩阵 | 第17-21页 |
| ·极化 SAR 图像实验数据 | 第21-22页 |
| ·相干斑统计特性 | 第22-23页 |
| ·极化 SAR 图像相干斑滤波方法 | 第23-27页 |
| ·空间域滤波 | 第23-26页 |
| ·小波域滤波 | 第26-27页 |
| ·相干斑抑制的性能评估 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 ICA 在极化 SAR 图像中的应用 | 第28-42页 |
| ·盲分离的基本概念 | 第28-32页 |
| ·盲分离问题的的数学建模 | 第28-29页 |
| ·可分离性与不确定性 | 第29-30页 |
| ·盲分离的统计基础 | 第30-31页 |
| ·主分量分析（PCA） | 第31-32页 |
| ·独立分量分析(ICA) | 第32-37页 |
| ·基本原理 | 第32-33页 |
| ·预处理 | 第33-35页 |
| ·基于峭度的 ICA 自适应算法 | 第35-37页 |
| ·基于 ICA 模型的极化 SAR 相干斑去噪分析 | 第37-38页 |
| ·仿真实验 | 第38-41页 |
| ·传统相干斑滤波器实验 | 第38-39页 |
| ·基于 ICA 的相干斑去噪实验 | 第39页 |
| ·实验结果比较分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 ICA 的优化算法 | 第42-58页 |
| ·基于负熵的 FastICA 算法 | 第42-46页 |
| ·基于负熵的目标函数 | 第42-43页 |
| ·基于负熵的 FastICA 算法 | 第43-44页 |
| ·迭代改进的 M-FastICA 算法 | 第44-46页 |
| ·信息极大 ICA 梯度算法 | 第46-48页 |
| ·基于信息极大的目标函数 | 第46页 |
| ·信息极大法（Infomax） | 第46-48页 |
| ·扩展的 Infomax 算法 | 第48页 |
| ·融合的 In-FastICA 学习算法 | 第48-53页 |
| ·相似性测度 | 第49-50页 |
| ·非线性 PCA 的 ICA 预处理应用 | 第50-51页 |
| ·融合的 In-FastICA 算法 | 第51-53页 |
| ·图像分离实验 | 第53-57页 |
| ·经典图像混合分离仿真实验 | 第53-55页 |
| ·极化 SAR 图像混合分离仿真实验 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 改进 ICA 算法的相干斑抑制仿真分析 | 第58-66页 |
| ·传统 ICA 优化算法的相干斑抑制实验 | 第58-61页 |
| ·基于 In-FastICA 算法的相干斑抑制实验 | 第61-64页 |
| ·仿真分析一 | 第61-62页 |
| ·仿真分析二 | 第62-64页 |
| ·实验结果比较分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |