| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-15页 |
| 缩略语对照表 | 第15-21页 |
| 第一章 绪论 | 第21-41页 |
| 1.1 研究背景与意义 | 第21-23页 |
| 1.2 SAR图像预处理 | 第23-33页 |
| 1.2.1 超像素生成方法 | 第23-27页 |
| 1.2.2 超像素粗合并算法 | 第27-28页 |
| 1.2.3 超像素边界处理算法 | 第28页 |
| 1.2.4 超像素特征提取方法 | 第28-33页 |
| 1.3 SAR图像分割与分类方法 | 第33-36页 |
| 1.3.1 SAR图像分割方法 | 第33-35页 |
| 1.3.2 SAR图像分类方法 | 第35-36页 |
| 1.4 基于稀疏表示的聚类与分类方法 | 第36-39页 |
| 1.4.1 稀疏表示的基础理论 | 第37页 |
| 1.4.2 基于稀疏表示的图像分类方法 | 第37-38页 |
| 1.4.3 基于稀疏表示的图像分割方法 | 第38-39页 |
| 1.5 本文的主要内容与结构安排 | 第39-41页 |
| 第二章 基于多核联合稀疏图的SAR图像分割与半监督分类 | 第41-71页 |
| 2.1 引言 | 第41-43页 |
| 2.2 基于多核联合稀疏图的SAR图像分割 | 第43-50页 |
| 2.2.1 研究动机 | 第43页 |
| 2.2.2 SAR图像预处理 | 第43-44页 |
| 2.2.3 多核稀疏表示 | 第44-48页 |
| 2.2.4 构造多核联合稀疏图用于SAR图像分割 | 第48-49页 |
| 2.2.5 多核联合稀疏图的计算复杂度分析 | 第49-50页 |
| 2.3 基于多核联合稀疏图的SAR图像半监督分类 | 第50-52页 |
| 2.4 实验结果与分析 | 第52-69页 |
| 2.4.1 仿真SAR图像 | 第52-53页 |
| 2.4.2 实验环境设置 | 第53-54页 |
| 2.4.3 图的性能分析 | 第54-56页 |
| 2.4.4 仿真SAR图像的分割 | 第56-63页 |
| 2.4.5 真实SAR图像的分割 | 第63-67页 |
| 2.4.6 真实SAR图像的半监督分类 | 第67页 |
| 2.4.7 参数分析 | 第67-69页 |
| 2.5 本章小结 | 第69-71页 |
| 第三章 基于随机子空间与集成稀疏表示的SAR图像分割与半监督分类 | 第71-87页 |
| 3.1 引言 | 第71-72页 |
| 3.2 相关研究 | 第72-73页 |
| 3.2.1 稀疏表示 | 第72页 |
| 3.2.2 随机子空间 | 第72-73页 |
| 3.3 基于随机子空间的集成稀疏表示(RS_ESR) | 第73-75页 |
| 3.3.1 基于随机子空间的集成稀疏表示 | 第73-75页 |
| 3.3.2 计算复杂度分析 | 第75页 |
| 3.4 基于RS_ESR的图像分析 | 第75-77页 |
| 3.4.1 基于RS_ESR的谱聚类 | 第76页 |
| 3.4.2 基于RS_ESR的半监督分类 | 第76-77页 |
| 3.5 实验结果与分析 | 第77-85页 |
| 3.5.1 UCI数据集的聚类 | 第77-78页 |
| 3.5.2 人工合成图像的分割 | 第78-80页 |
| 3.5.3 SAR图像的分割 | 第80-82页 |
| 3.5.4 数据集的半监督分类 | 第82-83页 |
| 3.5.5 SAR图像的半监督分类 | 第83-84页 |
| 3.5.6 参数分析 | 第84-85页 |
| 3.6 本章小结 | 第85-87页 |
| 第四章 基于稀疏学习与模糊C均值聚类的SAR图像分割 | 第87-107页 |
| 4.1 引言 | 第87-89页 |
| 4.2 模糊C均值 | 第89-90页 |
| 4.3 基于稀疏学习的模糊C均值聚类算法 | 第90-93页 |
| 4.3.1 一个新的稀疏表示模型 | 第90页 |
| 4.3.2 基于稀疏学习的模糊C均值 | 第90-92页 |
| 4.3.3 基于稀疏学习的模糊C均值方法的框架 | 第92-93页 |
| 4.3.4 计算复杂度分析 | 第93页 |
| 4.4 实验结果和分析 | 第93-105页 |
| 4.4.1 UCI数据集 | 第94页 |
| 4.4.2 AR人脸数据集 | 第94-96页 |
| 4.4.3 人工合成图像和自然图像 | 第96-100页 |
| 4.4.4 SAR图像 | 第100-102页 |
| 4.4.5 计算复杂度对比 | 第102-103页 |
| 4.4.6 讨论 | 第103-105页 |
| 4.5 本章小结 | 第105-107页 |
| 第五章 基于稀疏自表示与模糊双C均值聚类的SAR图像分割 | 第107-133页 |
| 5.1 引言 | 第107-108页 |
| 5.2 相关研究 | 第108-115页 |
| 5.2.1 模糊C均值 | 第108-109页 |
| 5.2.2 概率模糊C均值 | 第109-110页 |
| 5.2.3 带空间约束的模糊C均值 | 第110-111页 |
| 5.2.4 基于灰度级的模糊C均值 | 第111-112页 |
| 5.2.5 模糊局部信息C均值 | 第112-113页 |
| 5.2.6 加权模糊C均值 | 第113-114页 |
| 5.2.7 基于模糊划分的广义模糊C均值 | 第114-115页 |
| 5.3 基于稀疏自表示的模糊双C均值聚类算法 | 第115-120页 |
| 5.3.1 稀疏自表示 | 第115-117页 |
| 5.3.2 基于稀疏自表示的模糊双C均值 | 第117-119页 |
| 5.3.3 计算复杂度分析 | 第119-120页 |
| 5.4 实验结果与分析 | 第120-132页 |
| 5.4.1 UCI数据集 | 第121页 |
| 5.4.2 人工合成图像 | 第121-124页 |
| 5.4.3 自然图像 | 第124-127页 |
| 5.4.4 SAR图像 | 第127-130页 |
| 5.4.5 讨论 | 第130-132页 |
| 5.5 本章小结 | 第132-133页 |
| 第六章 总结与展望 | 第133-137页 |
| 6.1 论文主要工作与总结 | 第133-135页 |
| 6.2 工作展望 | 第135-137页 |
| 参考文献 | 第137-157页 |
| 致谢 | 第157-159页 |
| 作者简介 | 第159-161页 |
