| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·前言 | 第10页 |
| ·海面溢油监测技术 | 第10-15页 |
| ·国内外海面溢油监测状况概述 | 第10-12页 |
| ·海面溢油识别技术 | 第12-15页 |
| ·利用SAR进行海面溢油监测的研究情况 | 第15-16页 |
| ·本文的思路与篇章结构 | 第16-17页 |
| 第2章 SAR遥感技术监测海面溢油的原理 | 第17-20页 |
| ·SAR遥感技术 | 第17页 |
| ·SAR遥感技术监测海面溢油原理 | 第17-20页 |
| ·SAR遥感系统监测海面溢油的原理 | 第17-18页 |
| ·SAR遥感系统监测海面溢油的应用 | 第18-20页 |
| 第3章 SAR图像滤波方法 | 第20-44页 |
| ·SAR斑点噪声形成机理 | 第20页 |
| ·SAR图像斑点噪声的统计特性 | 第20-22页 |
| ·滤波方法介绍 | 第22-44页 |
| ·几何校正 | 第22-24页 |
| ·图像增强 | 第24-26页 |
| ·各种滤波算法原理 | 第26-32页 |
| ·各种增强滤波算法 | 第32-44页 |
| 第4章 SAR溢油图像特征提取 | 第44-56页 |
| ·SAR图像的特征提取 | 第44-45页 |
| ·纹理分析方法 | 第45-56页 |
| ·纹理 | 第45-46页 |
| ·纹理分析方法概述 | 第46-47页 |
| ·基于灰度共生矩阵的纹理分析方法 | 第47-50页 |
| ·纹理特征影像生成步骤 | 第50-56页 |
| 第5章 SAR图像的遗传算法优化神经网络分类技术 | 第56-72页 |
| ·遥感图像识别分类 | 第56-61页 |
| ·目视解译 | 第56页 |
| ·计算机自动识别分类 | 第56-61页 |
| ·人工神经网络识别技术 | 第61-69页 |
| ·人工神经网络概述 | 第61-62页 |
| ·人工神经网络的特点 | 第62-63页 |
| ·人工神经网络用于遥感图像处理的优势 | 第63页 |
| ·经典人工神经网络模型 | 第63-69页 |
| ·遗传算法优化神经网络 | 第69-72页 |
| ·遗传算法 | 第69-70页 |
| ·遗传算法优化神经网络的优点 | 第70-72页 |
| 第6章 遗传算法优化神经网络的海面溢油SAR图像分类系统 | 第72-82页 |
| ·SAR溢油图像分类识别系统结构模型 | 第72页 |
| ·SAR图像特征值的提取 | 第72-74页 |
| ·用遗传算法和神经网络结合来实现识别SAR溢油图像 | 第74-77页 |
| ·遗传算法优化神经网络分类溢油SAR图像测试 | 第77-82页 |
| 总结 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86-87页 |
| 研究生履历 | 第87页 |