| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9页 |
| 1.2 国内外研究现状分析 | 第9-14页 |
| 1.2.1 PolSAR图象特征提取研究现状 | 第9-10页 |
| 1.2.2 PolSAR图象分类算法研究现状 | 第10-12页 |
| 1.2.3 卷积神经网络研究现状 | 第12-13页 |
| 1.2.4 卷积神经网络在遥感领域的应用 | 第13-14页 |
| 1.3 主要研究内容及论文结构 | 第14-16页 |
| 第2章 PolSAR图象及卷积神经网络理论基础 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 POLSAR图象数据表征及特征提取 | 第16-19页 |
| 2.2.1 PolSAR图象数据表征 | 第16-17页 |
| 2.2.2 极化特征提取 | 第17-19页 |
| 2.3 卷积神经网络理论 | 第19-27页 |
| 2.3.1 卷积神经网络基本结构 | 第19-21页 |
| 2.3.2 卷积神经网络的训练过程 | 第21-24页 |
| 2.3.3 卷积神经网络的特点 | 第24-27页 |
| 2.4 实验数据介绍 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于2D卷积神经网络的PolSAR图象精细分类 | 第30-52页 |
| 3.1 引言 | 第30页 |
| 3.2 2D卷积神经网络设计及优化 | 第30-38页 |
| 3.2.1 样本及网络参数设计 | 第30-31页 |
| 3.2.2 2D卷积神经网络的结构 | 第31-32页 |
| 3.2.3 2D卷积神经网络的优化 | 第32-38页 |
| 3.3 基于2D卷积神经网络的POLSAR图象地物分类方法 | 第38-42页 |
| 3.3.1 2D卷积神经网络的PolSAR图象地物分类流程 | 第38-39页 |
| 3.3.2 采用极化相干矩阵数据的地物分类 | 第39-40页 |
| 3.3.3 采用选择后的PolSAR特征的地物分类 | 第40-42页 |
| 3.4 实验结果及分析 | 第42-51页 |
| 3.4.1 样本数量及大小的确定 | 第43-45页 |
| 3.4.2 网络参数设置 | 第45-46页 |
| 3.4.3 采用不同数据形式的分类结果 | 第46-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于3D卷积神经网络的PolSAR图象精细分类 | 第52-64页 |
| 4.1 引言 | 第52页 |
| 4.2 3D卷积神经网络设计及优化 | 第52-55页 |
| 4.2.1 3D卷积神经网络原理 | 第52-53页 |
| 4.2.2 3D卷积神经网络结构 | 第53-55页 |
| 4.3 针对小样本情况的改善 | 第55页 |
| 4.4 实验结果及对比分析 | 第55-63页 |
| 4.4.1 3D卷积神经网络分类结果 | 第56-57页 |
| 4.4.2 分类结果定量分析 | 第57-59页 |
| 4.4.3 针对小样本情况的改善 | 第59-62页 |
| 4.4.4 实验结果对比分析 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第72-74页 |
| 致谢 | 第74页 |
