| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 论文内容与安排 | 第16-18页 |
| 第二章 极化SAR理论基础知识 | 第18-30页 |
| 2.1 电磁波的极化及其表征形式 | 第18-20页 |
| 2.2 极化数据的表示形式 | 第20-24页 |
| 2.2.1 极化散射矩阵 | 第20-21页 |
| 2.2.2 Muller矩阵 | 第21-22页 |
| 2.2.3 Kennaugh矩阵 | 第22-23页 |
| 2.2.4 相干矩阵与协方差矩阵 | 第23-24页 |
| 2.3 极化目标分解 | 第24-29页 |
| 2.3.1 相干目标分解 | 第24-26页 |
| 2.3.2 非相干目标分解 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于极化比特征的极化SAR图像分类 | 第30-50页 |
| 3.1 引言 | 第30页 |
| 3.2 极化比特征 | 第30-34页 |
| 3.3 类别合并算法 | 第34-35页 |
| 3.4 基于极化比特征的极化SAR图像分类 | 第35-36页 |
| 3.5 实验结果与分析 | 第36-48页 |
| 3.5.1 极化比特征的验证实验以及结果分析 | 第37页 |
| 3.5.2 本章方法的实验结果及分析 | 第37-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 基于距离信息和密度信息融合的近邻传播聚类算法 | 第50-64页 |
| 4.1 引言 | 第50页 |
| 4.2 基于AP算法的极化SAR图像分类 | 第50-53页 |
| 4.2.1 近邻传播聚类算法 | 第50-51页 |
| 4.2.2 基于Wishart距离的AP算法 | 第51-52页 |
| 4.2.3 基于Markov先验模型的相似度矩阵 | 第52-53页 |
| 4.3 基于距离信息和密度信息融合的近邻传播聚类算法 | 第53-57页 |
| 4.3.1 初始分类 | 第53-54页 |
| 4.3.2 相似度矩阵的构造 | 第54-55页 |
| 4.3.3 本章方法的实现 | 第55-57页 |
| 4.4 实验结果与分析 | 第57-60页 |
| 4.5 本章小结 | 第60-64页 |
| 第五章 基于改进偏向参数的近邻传播聚类算法 | 第64-76页 |
| 5.1 引言 | 第64页 |
| 5.2 近邻传播聚类算法中的相关参数 | 第64-66页 |
| 5.3 基于改进偏向参数的近邻传播聚类算法 | 第66-69页 |
| 5.3.1 偏向参数的改进 | 第66-67页 |
| 5.3.2 本章方法的实现 | 第67-69页 |
| 5.4 实验结果与分析 | 第69-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-80页 |
| 6.1 本文的创新之处 | 第76-77页 |
| 6.2 进一步研究的方向 | 第77-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-87页 |