SAR图像水域分类方法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·研究现状及进展 | 第12-13页 |
| ·研究内容 | 第13-15页 |
| ·论文组织 | 第15-17页 |
| 第二章 SAR图像的斑点噪声压缩 | 第17-24页 |
| ·SAR图像的斑点噪声 | 第17-18页 |
| ·斑点噪声压缩滤波器 | 第18-19页 |
| ·Lee-Sigma滤波器 | 第18-19页 |
| ·斑点噪声压缩效果定量评价指标 | 第19页 |
| ·实验 | 第19-23页 |
| ·试验数据和方法 | 第19-20页 |
| ·实验结果及分析 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 SAR图像分类的传统方法 | 第24-34页 |
| ·SAR图像的特点 | 第24-25页 |
| ·SAR图像分类的传统方法 | 第25-33页 |
| ·非监督分类 | 第25-29页 |
| ·监督分类 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于支持向量机的 SAR图像水域分类 | 第34-45页 |
| ·SVM的分类思想 | 第34-41页 |
| ·线性支持向量机 | 第35-38页 |
| ·非线性支持向量机 | 第38-39页 |
| ·特征空间与核函数 | 第39-41页 |
| ·构造快速稳健的 SVM分类器 | 第41-43页 |
| ·快速训练算法 | 第42页 |
| ·核函数及其参数的选择 | 第42-43页 |
| ·基于支持向量机的SAR图像水域分类实现 | 第43页 |
| ·SVM分类方法的优缺点 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 SAR图像水域分类系统的实现 | 第45-67页 |
| ·SAR图像水域分类系统 | 第45-48页 |
| ·非监督分类实现 | 第48-50页 |
| ·监督分类实现 | 第50-53页 |
| ·SVM分类实验 | 第53-65页 |
| ·本章小结 | 第65-67页 |
| 第六章 总结及展望 | 第67-69页 |
| ·研究总结 | 第67-68页 |
| ·研究展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
