| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.2 粒子群优化算法的发展 | 第18页 |
| 1.3 SAR图像分割的现状 | 第18-20页 |
| 1.4 本论文的主要工作及内容安排 | 第20-22页 |
| 第二章 基于粒子群优化的SAR图像分割 | 第22-32页 |
| 2.1 SAR图像基本理论 | 第22-25页 |
| 2.1.1 SAR基本特性 | 第22-23页 |
| 2.1.2 SAR成像原理 | 第23页 |
| 2.1.3 SAR图像的统计模型 | 第23-25页 |
| 2.2 SAR图像滤波方法 | 第25-28页 |
| 2.2.1 SAR图像的噪声模型 | 第25-26页 |
| 2.2.2 空间域滤波模型 | 第26页 |
| 2.2.3 Lee滤波模型 | 第26-27页 |
| 2.2.4 非局部均值滤波 | 第27-28页 |
| 2.3 粒子群优化与SAR图像分割 | 第28-30页 |
| 2.3.1 粒子群算法原理 | 第28-29页 |
| 2.3.2 算法流程 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于图划分单目标粒子群优化的SAR图像分割 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 SAR图像预处理研究 | 第32-38页 |
| 3.2.1 SAR图像特征的提取 | 第32-33页 |
| 3.2.2 分水岭初分割 | 第33-34页 |
| 3.2.3 最大类别数估计 | 第34-36页 |
| 3.2.4 基于图论的图像分割 | 第36-38页 |
| 3.3 基于图划分粒子群优化SAR图像分割算法 | 第38-40页 |
| 3.3.1 算法步骤 | 第38页 |
| 3.3.2 算法流程说明 | 第38-39页 |
| 3.3.3 分割评价指标 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-46页 |
| 3.4.1 实验参数设置 | 第40页 |
| 3.4.2 测试数据说明 | 第40页 |
| 3.4.3 初分割结果 | 第40-41页 |
| 3.4.4 纹理图像和SAR分割结果 | 第41-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于集成学习的多目标粒子群优化SAR图像分割 | 第48-58页 |
| 4.1 引言 | 第48-49页 |
| 4.2 集成学习研究背景 | 第49页 |
| 4.3 基于集成学习的多目标粒子群优化SAR图像分割算法 | 第49-52页 |
| 4.3.1 算法步骤 | 第49-50页 |
| 4.3.2 SAR图像预处理 | 第50页 |
| 4.3.3 编码方式 | 第50页 |
| 4.3.4 目标函数与解的选择 | 第50-51页 |
| 4.3.5 AdaBoost集成 | 第51-52页 |
| 4.4 实验结果和分析 | 第52-57页 |
| 4.4.1 实验参数设置 | 第52页 |
| 4.4.2 实验数据的说明 | 第52-53页 |
| 4.4.3 图像分割实验结果 | 第53-57页 |
| 4.4.4 算法运行时间对比 | 第57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58-59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
