| 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13-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景和意义 | 第17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 变化检测方法 | 第19-21页 |
| 1.3.1 变化检测方法介绍 | 第19-20页 |
| 1.3.2 存在的主要问题 | 第20-21页 |
| 1.4 论文的主要工作和安排 | 第21-23页 |
| 第二章 SAR图像变化检测与相关理论概述 | 第23-37页 |
| 2.1 变化检测的流程 | 第23-24页 |
| 2.1.1 图像预处理 | 第23-24页 |
| 2.1.2 变化检测 | 第24页 |
| 2.2 SAR图像变化检测数据集 | 第24-27页 |
| 2.3 SAR图像变化检测的评价指标 | 第27页 |
| 2.4 FCM聚类算法 | 第27-29页 |
| 2.5 AdaBoost算法 | 第29-31页 |
| 2.6 多层感知器与卷积神经网络 | 第31-36页 |
| 2.6.1 多层感知器 | 第31-35页 |
| 2.6.2 卷积神经网络 | 第35-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第三章 基于超分辨的多层次聚类SAR图像变化检测 | 第37-53页 |
| 3.1 引言 | 第37-38页 |
| 3.2 滤波及超分辨 | 第38-40页 |
| 3.2.1 滤波 | 第38页 |
| 3.2.2 超分辨方法 | 第38-40页 |
| 3.3 基于超分辨的多层次聚类SAR图像变化检测 | 第40-43页 |
| 3.4 实验结果及分析 | 第43-51页 |
| 3.4.1 超分辨对检测结果的影响 | 第43-46页 |
| 3.4.2 多层次聚类对检测结果的影响 | 第46-50页 |
| 3.4.3 本章方法的结果 | 第50-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 基于AdaBoost-MLP的SAR图像变化检测 | 第53-71页 |
| 4.1 引言 | 第53-54页 |
| 4.2 误差反向传播算法 | 第54-56页 |
| 4.3 AdaBoost-MLP分类器的构建 | 第56-61页 |
| 4.3.1 训练样本的选择 | 第57-58页 |
| 4.3.2 基于AdaBoost-MLP的SAR图像变化检测 | 第58-61页 |
| 4.4 实验结果及分析 | 第61-68页 |
| 4.4.1 概率阈值的确定 | 第61-64页 |
| 4.4.2 本章方法的结果 | 第64-67页 |
| 4.4.3 AdaBoost方法的性能 | 第67-68页 |
| 4.5 本章小结 | 第68-71页 |
| 第五章 基于多尺度跳跃型卷积网络的SAR图像变化检测 | 第71-85页 |
| 5.1 引言 | 第71-72页 |
| 5.2 密集型卷积网络 | 第72-74页 |
| 5.2.1 DenseNet简介 | 第72-73页 |
| 5.2.2 DenseNet网络结构 | 第73-74页 |
| 5.3 多尺度跳跃型卷积网络 | 第74-76页 |
| 5.3.1 多尺度跳跃型卷积网络简介 | 第74-75页 |
| 5.3.2 基于多尺度跳跃型卷积网络的SAR图像变化检测 | 第75-76页 |
| 5.4 实验结果及分析 | 第76-84页 |
| 5.4.1 邻域尺寸的选择 | 第77-80页 |
| 5.4.2 多尺度跳跃型卷积网络的性能 | 第80-84页 |
| 5.5 小结 | 第84-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 6.1 总结 | 第85-86页 |
| 6.2 展望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93-95页 |
| 作者简介 | 第95-96页 |
