摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
符号对照表 | 第14-16页 |
缩略语对照表 | 第16-21页 |
第一章 绪论 | 第21-33页 |
1.1 研究背景与意义 | 第21-23页 |
1.2 DNN与演化多目标优化研究现状与难点 | 第23-25页 |
1.3 遥感影像变化检测研究现状与难点 | 第25-29页 |
1.4 研究内容与章节安排 | 第29-33页 |
第二章 多目标稀疏特征学习模型 | 第33-53页 |
2.1 引言 | 第33-34页 |
2.2 多目标优化问题与方法 | 第34-36页 |
2.3 多目标稀疏特征学习模型与优化方法 | 第36-43页 |
2.3.1 多目标稀疏特征学习模型 | 第36-38页 |
2.3.2 多目标引导的优化方法 | 第38-39页 |
2.3.3 求解局部多目标模型 | 第39-42页 |
2.3.4 MO-SFL模型及优化方法分析 | 第42-43页 |
2.4 实验与结果分析 | 第43-52页 |
2.4.1 测试Sa-MODE/D | 第43-44页 |
2.4.2 训练方法测试 | 第44-48页 |
2.4.3 MO-SFL模型测试 | 第48-50页 |
2.4.4 算法效率测试 | 第50-52页 |
2.5 本章小结 | 第52-53页 |
第三章 基于多目标优化的深度神经网络结构学习 | 第53-69页 |
3.1 引言 | 第53-54页 |
3.2 专家乘积系统(PoE) | 第54页 |
3.3 结构学习模型与优化方法 | 第54-60页 |
3.3.1 多目标结构建模 | 第54-57页 |
3.3.2 多目标结构优化 | 第57-59页 |
3.3.3 可行性分析 | 第59-60页 |
3.4 实验与结果分析 | 第60-66页 |
3.4.1 单层网络实验 | 第60-63页 |
3.4.2 多层网络实验 | 第63-66页 |
3.4.3 CNN实验 | 第66页 |
3.5 本章小结 | 第66-69页 |
第四章 基于多目标演化网络的遥感影像变化检测 | 第69-83页 |
4.1 引言 | 第69-70页 |
4.2 基于深度神经网络的SAR图像变化检测框架 | 第70-73页 |
4.3 基于稀疏特征和稀疏结构学习的SAR图像变化检测 | 第73-75页 |
4.3.1 稀疏特征 | 第73-74页 |
4.3.2 稀疏结构 | 第74-75页 |
4.4 真实SAR图像实验 | 第75-82页 |
4.4.1 数据集 | 第75-78页 |
4.4.2 实验结果 | 第78-82页 |
4.5 本章小结 | 第82-83页 |
第五章 基于深度卷积耦合网络的多源异质遥感影像变化检测 | 第83-103页 |
5.1 引言 | 第83-84页 |
5.2 多源异质图像变化检测 | 第84-85页 |
5.3 深度卷积耦合网络 | 第85-89页 |
5.3.1 网络结构 | 第85页 |
5.3.2 目标函数 | 第85-87页 |
5.3.3 优化方法 | 第87-88页 |
5.3.4 预训练 | 第88页 |
5.3.5 可行性分析 | 第88-89页 |
5.4 实验结果与分析 | 第89-101页 |
5.4.1 数据集 | 第90-91页 |
5.4.2 实验设置 | 第91-92页 |
5.4.3 农田数据集实验结果 | 第92-96页 |
5.4.4 墨西哥数据集实验结果 | 第96-97页 |
5.4.5 黄河数据集实验结果 | 第97-99页 |
5.4.6 东营数据集实验结果 | 第99-101页 |
5.4.7 参数鲁棒性测试 | 第101页 |
5.5 本章小结 | 第101-103页 |
第六章 基于双边差异网络的未配准图像变化检测 | 第103-119页 |
6.1 引言 | 第103-104页 |
6.2 加入配准的变化检测方法模型 | 第104-105页 |
6.3 双边差异网络(Bipartite Differential Neural Network,BDNN) | 第105-110页 |
6.3.1 网络结构 | 第105-106页 |
6.3.2 目标函数 | 第106-108页 |
6.3.3 优化方法 | 第108-109页 |
6.3.4 多尺度逐级学习 | 第109-110页 |
6.4 实验结果与分析 | 第110-118页 |
6.4.1 数据集 | 第110-112页 |
6.4.2 实验设置 | 第112-113页 |
6.4.3 实验结果 | 第113-118页 |
6.4.4 参数鲁棒性测试 | 第118页 |
6.5 本章小结 | 第118-119页 |
第七章 总结与展望 | 第119-123页 |
7.1 研究内容总结 | 第119-120页 |
7.2 未来研究展望 | 第120-123页 |
参考文献 | 第123-133页 |
致谢 | 第133-135页 |
作者简介 | 第135-139页 |