基于目标分解的面向对象决策树PolSAR影像分类方法研究
| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-12页 |
| 1 绪论 | 第12-17页 |
| ·研究背景和意义 | 第12-13页 |
| ·研究背景 | 第12页 |
| ·研究目的和意义 | 第12-13页 |
| ·课题研究现状及发展 | 第13-14页 |
| ·本文结构安排 | 第14-17页 |
| ·研究内容与技术路线 | 第14-15页 |
| ·本文的结构安排 | 第15-17页 |
| 2 极化 SAR 的基本理论 | 第17-30页 |
| ·电磁波及其表达 | 第17-21页 |
| ·极化椭圆 | 第17-19页 |
| ·Jones 矢量 | 第19-20页 |
| ·Stokes 矢量 | 第20-21页 |
| ·极化后向散射特性的表征 | 第21-24页 |
| ·SAR 成像的基本原理 | 第24-29页 |
| ·脉冲压缩技术 | 第26-27页 |
| ·合成孔径技术 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 雷达目标的极化特性 | 第30-45页 |
| ·去极化作用 | 第30页 |
| ·极化合成 | 第30-31页 |
| ·典型地物的散射特性 | 第31-33页 |
| ·奇次散射 | 第32页 |
| ·偶次散射 | 第32-33页 |
| ·体散射 | 第33页 |
| ·极化目标分解 | 第33-44页 |
| ·利用目标的 Mueller 矩阵进行分解 | 第33-35页 |
| ·利用目标的散射矩阵进行分解 | 第35-37页 |
| ·利用目标的协方差矩阵进行分解 | 第37-39页 |
| ·利用目标的相关矩阵进行分解 | 第39-43页 |
| ·不同目标分解方法的比较和分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于目标分解的面向对象决策树分类的关键技术 | 第45-57页 |
| ·影像分割技术 | 第45-46页 |
| ·SAR 影像特征提取 | 第46-50页 |
| ·极化特征 | 第46-47页 |
| ·灰度特性 | 第47-48页 |
| ·形状特征 | 第48-49页 |
| ·纹理特征 | 第49-50页 |
| ·决策树分类算法 | 第50-56页 |
| ·ID3 算法 | 第51-52页 |
| ·C4.5 算法 | 第52-54页 |
| ·C5.0 算法 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于目标分解的面向对象决策树分类试验 | 第57-71页 |
| ·技术流程 | 第57页 |
| ·基于决策树的面向对象分类方法 | 第57-63页 |
| ·滤波 | 第57-58页 |
| ·影像目标分解 | 第58-59页 |
| ·面向对象的影像分割 | 第59-60页 |
| ·特征提取 | 第60-61页 |
| ·建立 C5.0 算法决策树 | 第61-62页 |
| ·面向对象分类 | 第62-63页 |
| ·全极化 SAR 影像分类实例 | 第63-70页 |
| ·实验数据 | 第63页 |
| ·实验内容 | 第63-69页 |
| ·精度评价 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 6 结论与展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 作者简历 | 第76-78页 |
| 学位论文数据集 | 第78-79页 |
