| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-23页 |
| ·研究背景及意义 | 第8-11页 |
| ·背景 | 第8-9页 |
| ·意义 | 第9-11页 |
| ·国内图像变化检测经典算法 | 第11-16页 |
| ·主分量分析法 | 第11-12页 |
| ·最大类间方差法 | 第12-13页 |
| ·最小二乘图像相减法 | 第13-14页 |
| ·小波与FCM 结合法 | 第14-15页 |
| ·综合特征级和像素级的两步变化检测算法 | 第15页 |
| ·自适应空间邻域分析和瑞利-高斯模型 | 第15-16页 |
| ·国外图像变化检测经典算法 | 第16-20页 |
| ·基于EM 和MRF 的无监督变化检测算法 | 第16-17页 |
| ·基于遗传算法的变化检测算法 | 第17页 |
| ·基于高斯混合模型和贝叶斯推理的变化检测算法 | 第17-18页 |
| ·基于半监督的支持向量机的变化检测算法 | 第18页 |
| ·基于后验概率空间的变化向量分析算法 | 第18-19页 |
| ·基于多项式回归和空间邻域的变化检测算法 | 第19页 |
| ·基于全色融合的变化检测算法 | 第19-20页 |
| ·研究方案预案 | 第20-21页 |
| ·本论文的结构安排 | 第21-23页 |
| 第二章 变化检测算法的基本理论 | 第23-31页 |
| ·主分量分析PCA | 第23页 |
| ·上下截集模糊Kohonen 聚类网络UDSFKCN | 第23-25页 |
| ·非降采样Contourlet 变换NSCT | 第25-28页 |
| ·非降采样塔型滤波器组 | 第25-26页 |
| ·非降采样方向滤波器组 | 第26-27页 |
| ·NCST 系数特点 | 第27-28页 |
| ·脉冲耦合神经网络PCNN | 第28-30页 |
| ·脉冲耦合神经网络的基本原理 | 第28-29页 |
| ·图像中的脉冲耦合神经网络设计 | 第29-30页 |
| ·遥感影像变化检测的一般思路 | 第30-31页 |
| 第三章 基于PCA 和UDSFKCN 的变化检测算法 | 第31-37页 |
| ·算法概述 | 第31-32页 |
| ·理论模型和实现算法 | 第32-34页 |
| ·实验结果及讨论 | 第34-36页 |
| ·结论 | 第36-37页 |
| 第四章 基于NSCT 和PCNN 的变化检测算法 | 第37-44页 |
| ·算法概述 | 第37页 |
| ·理论模型和实现算法 | 第37-39页 |
| ·理论模型 | 第37-38页 |
| ·实现算法 | 第38-39页 |
| ·实验结果 | 第39-42页 |
| ·两种算法的定性比较 | 第39-40页 |
| ·算法性能的定量比较一 | 第40-41页 |
| ·算法性能的定量比较二 | 第41-42页 |
| ·实验分析 | 第42-43页 |
| ·结论 | 第43-44页 |
| 第五章 基于NSCT 和UDSFKCN 的变化检测算法 | 第44-51页 |
| ·算法概述 | 第44-45页 |
| ·理论模型和实现算法 | 第45-47页 |
| ·理论模型 | 第45页 |
| ·实现算法 | 第45-47页 |
| ·实验结果 | 第47-50页 |
| ·两种算法的定性比较 | 第47-48页 |
| ·算法性能的定量比较一 | 第48-49页 |
| ·算法性能的定量比较二 | 第49-50页 |
| ·实验分析 | 第50页 |
| ·结论 | 第50-51页 |
| 第六章 总结与展望 | 第51-57页 |
| ·三种变化检测算法的比较 | 第51-54页 |
| ·三种算法的定性比较 | 第51页 |
| ·三种算法性能的定量比较一 | 第51-53页 |
| ·三种算法性能的定量比较二 | 第53-54页 |
| ·三种算法性能的定量比较三 | 第54页 |
| ·三种算法的定量比较汇总 | 第54页 |
| ·总结 | 第54-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士研究生期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
