| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-15页 |
| 缩略语对照表 | 第15-20页 |
| 第一章 绪论 | 第20-32页 |
| 1.1 研究背景与意义 | 第20-24页 |
| 1.2 国内外研究现状 | 第24-29页 |
| 1.2.2 分类方法研究现状 | 第25-27页 |
| 1.2.3 特征提取研究现状 | 第27-29页 |
| 1.3 本文主要内容与安排 | 第29-32页 |
| 第二章 基于多尺寸特征和层级稀疏表示的SAR图像分类 | 第32-56页 |
| 2.1 引言 | 第32页 |
| 2.2 稀疏表示图像分类算法 | 第32-37页 |
| 2.2.1 稀疏表示分类的数学模型 | 第32-35页 |
| 2.2.2 稀疏表示优化算法 | 第35-37页 |
| 2.3 多尺寸SAR图像特征提取 | 第37-42页 |
| 2.3.1 灰度直方图特征 | 第38-39页 |
| 2.3.2 灰度共生矩阵特征 | 第39-42页 |
| 2.4 基于多尺寸图像特征的层级稀疏表示算法 | 第42-45页 |
| 2.4.2 多尺寸特征字典的构成 | 第43-44页 |
| 2.4.3 层级稀疏表示算法 | 第44-45页 |
| 2.5 实验结果和分析 | 第45-53页 |
| 2.5.1 阈值影响 | 第46-48页 |
| 2.5.2 实验结果 | 第48-53页 |
| 2.6 本章小结 | 第53-56页 |
| 第三章 基于低秩表示和流形正则的无监督PolSAR图像分类算法 | 第56-82页 |
| 3.1 引言 | 第56-57页 |
| 3.2 极化SAR数据特征提取 | 第57-63页 |
| 3.2.1 极化散射数据特征 | 第57-58页 |
| 3.2.2 极化目标分解特征 | 第58-62页 |
| 3.2.3 极化图像纹理特征 | 第62-63页 |
| 3.3 基于SRW距离流形正则项构建 | 第63-66页 |
| 3.3.1 SRW距离 | 第64页 |
| 3.3.2 SRW距离流形正则项 | 第64-66页 |
| 3.4 低秩表示算法 | 第66-67页 |
| 3.5 基于低秩表示和流形正则的PolSAR分类算法 | 第67-71页 |
| 3.5.2 算法优化 | 第69页 |
| 3.5.3 复杂性分析 | 第69-71页 |
| 3.6 实验及分析 | 第71-80页 |
| 3.6.1 AIRSARFlevoland数据 | 第72-76页 |
| 3.6.2 RADARSAT-2西安西部数据 | 第76-78页 |
| 3.6.3 RADARSAT-2Flevoland数据 | 第78-80页 |
| 3.7 本章小结 | 第80-82页 |
| 第四章 基于多模态稀疏表示的极化特征维度约减算法 | 第82-102页 |
| 4.1 引言 | 第82-84页 |
| 4.2 极化数据降维相关算法简述 | 第84-87页 |
| 4.2.1 等距特征映射算法 | 第84-85页 |
| 4.2.2 拉普拉斯特征映射算法 | 第85-86页 |
| 4.2.3 有监督图嵌入算法 | 第86-87页 |
| 4.3 MSR算法 | 第87-88页 |
| 4.4 基于MSR算法的极化数据降维 | 第88-93页 |
| 4.4.1 算法多模态流形正则化 | 第88-90页 |
| 4.4.2 算法优化 | 第90-92页 |
| 4.4.3 数据降维 | 第92-93页 |
| 4.5 实验及分析 | 第93-101页 |
| 4.5.1 数据集介绍和实验设置 | 第93-95页 |
| 4.5.2 正则参数影响 | 第95-97页 |
| 4.5.3 特征维度分析 | 第97-98页 |
| 4.5.4 分类结果评估 | 第98-101页 |
| 4.6 本章小结 | 第101-102页 |
| 第五章 基于子空间聚类的极化特征提取算法 | 第102-124页 |
| 5.1 引言 | 第102-103页 |
| 5.2 子空间聚类算法 | 第103-107页 |
| 5.2.1 子空间聚类问题 | 第104页 |
| 5.2.2 稀疏子空间聚类 | 第104-106页 |
| 5.2.3 低秩子空间聚类 | 第106页 |
| 5.2.4 低秩稀疏子空间聚类 | 第106-107页 |
| 5.3 极化流形正则项构建 | 第107-110页 |
| 5.3.1 欧氏距离正则项 | 第107-108页 |
| 5.3.2 Wishart距离正则项 | 第108页 |
| 5.3.3 多层图模型正则项 | 第108-110页 |
| 5.4 基于潜在子空间聚类算法的极化特征提取 | 第110-115页 |
| 5.4.1 极化数据的子空间聚类 | 第110-111页 |
| 5.4.2 极化数据的潜在子空间聚类算法 | 第111-112页 |
| 5.4.3 算法优化 | 第112-115页 |
| 5.5 实验及分析 | 第115-123页 |
| 5.5.1 实验设置 | 第115页 |
| 5.5.2 RADARSAT-2西安西部数据 | 第115-119页 |
| 5.5.3 RADARSAT-2Flevoland数据 | 第119-121页 |
| 5.5.4 AIRSARFlevoland数据 | 第121-123页 |
| 5.6 本章小结 | 第123-124页 |
| 第六章 总结和展望 | 第124-128页 |
| 6.1 研究总结 | 第124-125页 |
| 6.2 工作展望 | 第125-128页 |
| 参考文献 | 第128-144页 |
| 致谢 | 第144-146页 |
| 作者简介 | 第146-148页 |
