| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-36页 |
| 1.1 课题的研究意义和背景 | 第18-21页 |
| 1.2 国内外的研究现状与发展趋势 | 第21-29页 |
| 1.2.1 变化检测预处理 | 第22-23页 |
| 1.2.2 特征提取 | 第23-24页 |
| 1.2.3 变化检测方法 | 第24-28页 |
| 1.2.4 变化检测的精度评价 | 第28-29页 |
| 1.3 实验数据 | 第29-31页 |
| 1.4 本文的主要研究内容和章节安排 | 第31-36页 |
| 第二章 基于灰度和纹理的SAR图像二维特征提取 | 第36-52页 |
| 2.1 引言 | 第36-37页 |
| 2.2 基于灰度和纹理的二维差异图 | 第37-41页 |
| 2.2.1 由Gabor滤波器生成纹理差异图 | 第37-39页 |
| 2.2.2 过滤纹理差异图中的噪音 | 第39-41页 |
| 2.3 基于二维差异图的变化检测方法 | 第41-43页 |
| 2.3.1 基于二元模型的K&I改进算法 | 第41-42页 |
| 2.3.2 FCM聚类分析算法 | 第42-43页 |
| 2.4 实验和有效性验证 | 第43-47页 |
| 2.4.1 Ottawa数据集的检测结果 | 第43-45页 |
| 2.4.2 Bern数据集的检测结果 | 第45页 |
| 2.4.3 黄河三角洲数据集的检测结果 | 第45-47页 |
| 2.5 本章小结 | 第47-52页 |
| 第三章 基于二元广义高斯图切算法的SAR图像变化检测 | 第52-66页 |
| 3.1 引言 | 第52页 |
| 3.2 使用二元广义高斯图切算法的动机和意义 | 第52-54页 |
| 3.3 二元广义高斯图切算法 | 第54-60页 |
| 3.3.1 构建能量函数 | 第54-57页 |
| 3.3.2 图切算法流程 | 第57-60页 |
| 3.4 实验和有效性验证 | 第60-64页 |
| 3.4.1 Ottawa数据集的检测结果 | 第60-61页 |
| 3.4.2 Bern数据集的检测结果 | 第61-62页 |
| 3.4.3 黄河三角洲数据集的检测结果 | 第62-64页 |
| 3.5 本章小结 | 第64-66页 |
| 第四章 基于匹配追踪的SAR图像变化检测 | 第66-82页 |
| 4.1 引言 | 第66-67页 |
| 4.2 基于匹配追踪的变化检测框架 | 第67-69页 |
| 4.3 构建一对字典 | 第69-71页 |
| 4.4 基于字典重构变化检测图 | 第71-73页 |
| 4.5 实验和有效性验证 | 第73-80页 |
| 4.5.1 实验设置 | 第73-77页 |
| 4.5.2 对比实验 | 第77-80页 |
| 4.6 本章小结 | 第80-82页 |
| 第五章 基于栈式受限波兹曼机的SAR图像变化检测 | 第82-98页 |
| 5.1 引言 | 第82-83页 |
| 5.2 深度网络实现变化检测的基本思想 | 第83-85页 |
| 5.3 深度模型的构建和推理 | 第85-89页 |
| 5.3.1 受限波兹曼机 | 第86-87页 |
| 5.3.2 深度模型数学描述和演绎推理 | 第87-89页 |
| 5.4 实验和有效性验证 | 第89-96页 |
| 5.4.1 实验设置 | 第89-93页 |
| 5.4.2 对比实验 | 第93-96页 |
| 5.5 本章小结 | 第96-98页 |
| 第六章 基于块相似性测度的SAR图像变化检测 | 第98-112页 |
| 6.1 前言 | 第98-99页 |
| 6.2 基于块相似性的变化检测方法 | 第99-105页 |
| 6.2.1 基于块的表示 | 第99-100页 |
| 6.2.2 网络结构和目标方程 | 第100-103页 |
| 6.2.3 参数优化的方法 | 第103-105页 |
| 6.3 实验和有效性验证 | 第105-109页 |
| 6.4 本章小结 | 第109-112页 |
| 第七章 总结与展望 | 第112-116页 |
| 7.1 论文工作总结 | 第112-113页 |
| 7.2 工作展望 | 第113-116页 |
| 参考文献 | 第116-130页 |
| 致谢 | 第130-132页 |
| 作者简介 | 第132-134页 |