| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 SAR图像变化检测概述 | 第8-11页 |
| 1.2.1 SAR图像变化检测研究发展现状 | 第8-9页 |
| 1.2.2 SAR图像变化检测一般流程 | 第9页 |
| 1.2.3 SAR图像变化检测的经典方法 | 第9-10页 |
| 1.2.4 SAR图像变化检测存在的主要问题 | 第10-11页 |
| 1.3 变化检测的精度评估 | 第11页 |
| 1.4 论文的主要内容与结构安排 | 第11-13页 |
| 第二章 基于比值相似度改进非局部均值的SAR图像变化检测 | 第13-37页 |
| 2.1 引言 | 第13-14页 |
| 2.2 动机 | 第14-16页 |
| 2.2.1 引入非局部均值产生差异图的动机 | 第14-15页 |
| 2.2.2 使用基于比值距离的相似度测量来改进非局部均值的动机 | 第15-16页 |
| 2.3 方法 | 第16-18页 |
| 2.3.1 基于比值距离及其概率密度函数的相似度测量方法 | 第16-17页 |
| 2.3.2 基于比值相似度改进非局部均值的SAR图像变化检测 | 第17-18页 |
| 2.4 数据集描述及参数设置 | 第18-22页 |
| 2.4.1 数据集描述 | 第18-20页 |
| 2.4.2 对比实验介绍、参数设置及评价标准 | 第20-22页 |
| 2.5 实验结果 | 第22-35页 |
| 2.5.1 渥太华数据集结果及分析 | 第22-25页 |
| 2.5.2 黄河农田区域数据集结果及分析 | 第25-29页 |
| 2.5.3 黄河河流区域数据集结果及分析 | 第29-32页 |
| 2.5.4 黄河海岸线区域数据集结果及分析 | 第32-35页 |
| 2.6 本章小结 | 第35-37页 |
| 第三章 基于PCA非局部均值改进聚类的SAR图像变化检测 | 第37-53页 |
| 3.1 引言 | 第37-38页 |
| 3.2 广义快速模糊C均值聚类算法 | 第38-40页 |
| 3.2.1 模糊C均值聚类算法 | 第38-39页 |
| 3.2.2 广义快速模糊C均值聚类算法 | 第39-40页 |
| 3.3 基于PCA降维的非局部均值算法 | 第40-41页 |
| 3.3.1 非局部均值算法 | 第40-41页 |
| 3.3.2 PCA降维非局部均值算法 | 第41页 |
| 3.4 基于PCA-NLM的改进FGFCM算法及其在变化检测中的应用 | 第41-44页 |
| 3.5 实验及分析 | 第44-51页 |
| 3.5.1 实验数据介绍 | 第44-46页 |
| 3.5.2 实验设置 | 第46页 |
| 3.5.3 实验结果与数据分析 | 第46-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第四章 总结与展望 | 第53-55页 |
| 4.1 本文工作总结 | 第53页 |
| 4.2 展望与下一步工作计划 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 硕士期间成果 | 第63-64页 |
