| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 SAR图像变化检测研究现状 | 第16-17页 |
| 1.3 SAR图像变化检测存在的问题 | 第17-19页 |
| 1.4 论文的主要内容和组织结构 | 第19-21页 |
| 第二章 SAR图像变化检测的理论基础 | 第21-31页 |
| 2.1 SAR图像变化检测的问题描述 | 第21-23页 |
| 2.1.1 图像预处理 | 第21-22页 |
| 2.1.2 差异图的构造 | 第22-23页 |
| 2.1.3 差异图分析 | 第23页 |
| 2.1.4 变化检测结果评估 | 第23页 |
| 2.2 SAR图像变化检测数据集 | 第23-26页 |
| 2.3 SAR图像变化检测评价标准 | 第26-27页 |
| 2.4 SAR图像变化检测研究方法 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于DBN和SIFT特征的SAR图像变化检测 | 第31-49页 |
| 3.1 引言 | 第31页 |
| 3.2 SIFT算法概述 | 第31-36页 |
| 3.2.1 构建尺度空间 | 第32页 |
| 3.2.2 尺度空间的极值点检测 | 第32-34页 |
| 3.2.3 关键点的筛选 | 第34-35页 |
| 3.2.4 确定关键点的主方向 | 第35页 |
| 3.2.5 生成关键点描述子 | 第35-36页 |
| 3.3 深度置信网络模型概述 | 第36-39页 |
| 3.3.1 受限玻尔兹曼机 | 第36-38页 |
| 3.3.2 深度置信网络 | 第38-39页 |
| 3.4 基于SIFT特征和DBN的SAR图像变化检测 | 第39-46页 |
| 3.4.1 算法介绍 | 第39-41页 |
| 3.4.2 实验结果及分析 | 第41-46页 |
| 3.5 本章小结 | 第46-49页 |
| 第四章 基于PCANet和SIFT特征的SAR图像变化检测 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 PCANet模型概述 | 第49-52页 |
| 4.2.1 PCANet第一阶段 | 第50-51页 |
| 4.2.2 PCANet第二阶段 | 第51页 |
| 4.2.3 二值哈希和块直方图 | 第51-52页 |
| 4.3 基于PCANet和SIFT特征的SAR图像变化检测 | 第52-59页 |
| 4.3.1 算法描述 | 第52-54页 |
| 4.3.2 实验结果及分析 | 第54-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 基于CNN和SIFT特征的SAR图像变化检测 | 第61-71页 |
| 5.1 引言 | 第61页 |
| 5.2 卷积神经网络模型概述 | 第61-63页 |
| 5.2.1 卷积神经网络的发展 | 第61-62页 |
| 5.2.2 卷积神经网络结构及原理 | 第62-63页 |
| 5.3 基于CNN和SIFT特征的SAR图像变化检测 | 第63-70页 |
| 5.3.1 本章算法具体步骤 | 第63-65页 |
| 5.3.2 实验结果及分析 | 第65-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
