| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 遥感图像变化检测研究发展现状 | 第17-20页 |
| 1.2.1 遥感图像变化检测技术研究现状 | 第17-19页 |
| 1.2.2 变化检测研究中存在的主要问题 | 第19-20页 |
| 1.3 本文的主要工作及安排 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 基于特征学习的变化检测技术理论基础 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 比较后分析方法 | 第22-24页 |
| 2.2.1 方法流程 | 第22-23页 |
| 2.2.2 结果评价指标 | 第23-24页 |
| 2.3 多层神经网络 | 第24-31页 |
| 2.3.1 神经网络模型 | 第25-28页 |
| 2.3.2 反向求导算法 | 第28-30页 |
| 2.3.3 网络训练优化策略 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于稀疏自编码器特征学习的变化检测方法 | 第32-52页 |
| 3.1 引言 | 第32页 |
| 3.2 方法框架 | 第32-33页 |
| 3.3 自编码器 | 第33-37页 |
| 3.3.1 自编码器原理 | 第33-34页 |
| 3.3.2 基于神经网络实现自编码器 | 第34-35页 |
| 3.3.3 栈式自编码器网络 | 第35-36页 |
| 3.3.4 栈式网络的训练 | 第36-37页 |
| 3.4 稀疏自编码 | 第37-40页 |
| 3.4.1 自编码器稀疏性 | 第37-39页 |
| 3.4.2 稀疏编码及重构 | 第39-40页 |
| 3.5 差异分析 | 第40-42页 |
| 3.5.1 基于k-means聚类算法实现差异分析 | 第40-41页 |
| 3.5.2 基于Otsu阈值法进行差异分析 | 第41-42页 |
| 3.6 实验参数及结果分析 | 第42-51页 |
| 3.6.1 数据集 | 第42-43页 |
| 3.6.2 自编码器网络结构及参数 | 第43-44页 |
| 3.6.3 二维特征分布 | 第44-45页 |
| 3.6.4 重构结果 | 第45-46页 |
| 3.6.5 特征提取 | 第46-47页 |
| 3.6.6 检测结果及分析 | 第47-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 基于收缩自编码器训练分类网络的变化检测方法 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2 算法框架 | 第52-53页 |
| 4.3 收缩自编码器 | 第53-55页 |
| 4.4 模糊c均值聚类 | 第55-57页 |
| 4.4.1 算法原理 | 第55-57页 |
| 4.5 有监督训练分类网络 | 第57-63页 |
| 4.5.1 样本标记的获取 | 第57-59页 |
| 4.5.2 网络预训练 | 第59-60页 |
| 4.5.3 网络有监督训练 | 第60-63页 |
| 4.6 实验结果 | 第63-68页 |
| 4.6.1 实验数据集 | 第63-64页 |
| 4.6.2 实验结果及分析 | 第64-68页 |
| 4.7 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |