摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第11-12页 |
缩略语对照表 | 第12-16页 |
第一章 绪论 | 第16-20页 |
1.1 研究背景及意义 | 第16-17页 |
1.2 国内外研究现状 | 第17-18页 |
1.3 论文结构安排 | 第18-20页 |
第二章 极化SAR图像的基础理论 | 第20-32页 |
2.1 电磁波的极化方式和表征 | 第20-23页 |
2.1.1 线极化 | 第21页 |
2.1.2 圆极化 | 第21-22页 |
2.1.3 椭圆极化 | 第22页 |
2.1.4 Jones矢量 | 第22-23页 |
2.1.5 Stokes矢量 | 第23页 |
2.2 极化散射数据的表示 | 第23-26页 |
2.2.1 极化散射矩阵 | 第23-24页 |
2.2.2 Muller矩阵 | 第24-25页 |
2.2.3 极化协方差矩阵和极化相干矩阵 | 第25-26页 |
2.3 电磁波的散射机制 | 第26-28页 |
2.3.1 表面散射 | 第26-27页 |
2.3.2 漫散射 | 第27页 |
2.3.3 偶次散射 | 第27-28页 |
2.3.4 体散射 | 第28页 |
2.4 深度学习方法概述 | 第28-30页 |
2.5 本章小结 | 第30-32页 |
第三章 基于Semi-ACGAN的极化SAR地物分类 | 第32-60页 |
3.1 GAN网络结构和原理 | 第32-36页 |
3.1.1 生成模型和判别模型 | 第33-34页 |
3.1.2 GAN的学习过程 | 第34-36页 |
3.2 基于Semi-ACGAN的网络结构和原理 | 第36-42页 |
3.2.1 AC-GAN的原理 | 第36-38页 |
3.2.2 Semi-ACGAN的原理 | 第38-41页 |
3.2.3 算法流程 | 第41-42页 |
3.3 实验结果和分析 | 第42-58页 |
3.3.1 荷兰Flevoland地区L波段农田小图实验结果 | 第42-48页 |
3.3.2 美国San Francisco地区数据实验结果 | 第48-52页 |
3.3.3 荷兰Flevoland地区C波段数据实验结果 | 第52-55页 |
3.3.4 荷兰Flevoland地区L波段农田大图数据实验结果 | 第55-58页 |
3.4 本章小结 | 第58-60页 |
第四章 基于多尺度CNN的半监督AC-GAN的极化SAR地物分类 | 第60-78页 |
4.1 卷积神经网络 | 第60-64页 |
4.1.1 CNN的网络结构 | 第60-63页 |
4.1.2 CNN的反向传播算法 | 第63-64页 |
4.2 基于多尺度的CNN的Semi-ACGAN网络结构 | 第64-67页 |
4.2.1 转置卷积 | 第64-65页 |
4.2.2 多尺度CNN模型 | 第65-66页 |
4.2.3 算法流程 | 第66-67页 |
4.3 实验分析 | 第67-75页 |
4.3.1 荷兰Flevoland地区L波段农田小图实验结果 | 第67-70页 |
4.3.2 荷兰Flevoland地区L波段农田大图数据实验结果 | 第70-72页 |
4.3.3 美国San Francisco地区数据实验结果 | 第72-74页 |
4.3.4 荷兰Flevoland地区C波段数据实验结果 | 第74-75页 |
4.4 本章小结 | 第75-78页 |
第五章 基于Wasserstein距离的Semi-ACGAN极化SAR地物分类 | 第78-94页 |
5.1 原始GAN存在的问题 | 第78-81页 |
5.2 基于Wasserstein距离的半监督AC-GAN模型 | 第81-86页 |
5.2.1 Wasserstein距离 | 第81-82页 |
5.2.2 WGAN模型原理 | 第82-85页 |
5.2.3 基于Wasserstein距离的Semi-ACGAN网络 | 第85-86页 |
5.2.4 算法流程 | 第86页 |
5.3 实验分析 | 第86-93页 |
5.3.1 荷兰Flevoland地区L波段农田小图实验结果 | 第86-88页 |
5.3.2 荷兰Flevoland地区L波段农田大图数据实验结果 | 第88-90页 |
5.3.3 美国San Francisco地区数据实验结果 | 第90-93页 |
5.4 本章小结 | 第93-94页 |
第六章 总结与展望 | 第94-96页 |
6.1 总结 | 第94-95页 |
6.2 展望 | 第95-96页 |
参考文献 | 第96-100页 |
致谢 | 第100-102页 |
作者简介 | 第102-103页 |