| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-21页 |
| 1.1 研究背景和意义 | 第17页 |
| 1.2 国内外的研究现状 | 第17-19页 |
| 1.2.1 去噪现状 | 第17-18页 |
| 1.2.2 变化检测现状 | 第18-19页 |
| 1.3 论文的主要工作与安排 | 第19-21页 |
| 第二章SAR图像去噪与变化检测研究 | 第21-27页 |
| 2.1 SAR图像噪声产生机理及噪声特征 | 第21-22页 |
| 2.1.1 SAR图像噪声产生机理 | 第21页 |
| 2.1.2 SAR图像噪声特征 | 第21-22页 |
| 2.2 基于深度网络的SAR图像去噪和变化检测算法 | 第22-23页 |
| 2.2.1 基于深度网络的SAR图像去噪算法 | 第22页 |
| 2.2.2 基于深度网络的SAR图像变化检测算法 | 第22-23页 |
| 2.3 评价指标 | 第23-25页 |
| 2.3.1 SAR图像去噪的评价指标 | 第23-24页 |
| 2.3.2 SAR图像变化检测的评价指标 | 第24-25页 |
| 2.4 实验环境与平台 | 第25-27页 |
| 第三章 基于残差学习和可变形卷积网络的SAR图像去噪 | 第27-49页 |
| 3.1 残差学习机制 | 第27-29页 |
| 3.2 可变形卷积网络 | 第29-30页 |
| 3.2.1 卷积网络和可变形卷积网络 | 第29页 |
| 3.2.2 可变形卷积 | 第29-30页 |
| 3.3 Batch Normalization模块 | 第30-31页 |
| 3.4 基于残差学习和可变形卷积网络的SAR图像去噪算法 | 第31-34页 |
| 3.4.1 网络结构 | 第31-32页 |
| 3.4.2 损失函数 | 第32页 |
| 3.4.3 算法步骤 | 第32-34页 |
| 3.5 实验结果与参数分析 | 第34-47页 |
| 3.5.1 数据集介绍 | 第34-36页 |
| 3.5.2 实验参数设置 | 第36页 |
| 3.5.3 实验结果和分析 | 第36-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 基于显著性机制和深度卷积网络的SAR图像变化检测 | 第49-67页 |
| 4.1 显著性机制 | 第49-50页 |
| 4.2 卷积网络 | 第50-53页 |
| 4.2.1 卷积层 | 第51-52页 |
| 4.2.2 softmax层 | 第52页 |
| 4.2.3 激活函数 | 第52-53页 |
| 4.3 预分类方法及样例挑选 | 第53-54页 |
| 4.3.1 基于K-means的预分类方法 | 第53页 |
| 4.3.2 训练样例挑选策略 | 第53-54页 |
| 4.4 基于显著性机制和深度卷积网络的SAR图像变化检测算法 | 第54-57页 |
| 4.4.1 基于显著性机制的特征提取 | 第54-55页 |
| 4.4.2 网络结构 | 第55-56页 |
| 4.4.3 算法步骤 | 第56-57页 |
| 4.5 实验结果与分析 | 第57-66页 |
| 4.5.1 数据集介绍 | 第57-59页 |
| 4.5.2 实验参数设置 | 第59页 |
| 4.5.3 实验结果与分析 | 第59-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 基于多级特征学习和极限学习机的SAR图像变化检测 | 第67-81页 |
| 5.1 稀疏自编码器(sparse autoencoders) | 第67-68页 |
| 5.2 极限学习机(ELM) | 第68-70页 |
| 5.2.1 基础极限学习机 | 第69页 |
| 5.2.2 多层极限学习机(ML-ELM) | 第69-70页 |
| 5.3 基于多级特征学习和极限学习机的SAR图像变化检测算法 | 第70-73页 |
| 5.3.1 基于稀疏自编码的多级特征提取 | 第70-71页 |
| 5.3.2 网络的结构 | 第71-72页 |
| 5.3.3 算法步骤 | 第72-73页 |
| 5.4 实验结果与分析 | 第73-78页 |
| 5.4.1 实验参数设置 | 第73页 |
| 5.4.2 实验结果与分析 | 第73-78页 |
| 5.5 本章小结 | 第78-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 研究结论 | 第81-82页 |
| 6.2 研究展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-91页 |
| 作者简介 | 第91-92页 |
