| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 基于光学遥感数据的农作物分类研究现状 | 第16-17页 |
| 1.2.2 基于微波遥感数据的农作物分类研究现状 | 第17-21页 |
| 1.3 论文主要内容与安排 | 第21-24页 |
| 1.3.1 本文的主要研究内容 | 第21-23页 |
| 1.3.2 本文的结构安排 | 第23-24页 |
| 第二章 研究区域和数据概况 | 第24-31页 |
| 2.1 仿真Sentinel-1 研究区 | 第24-26页 |
| 2.1.1 仿真数据研究区概况 | 第24-25页 |
| 2.1.2 仿真数据介绍及其图像预处理 | 第25-26页 |
| 2.2 实测Sentinel-1 研究区 | 第26-30页 |
| 2.2.1 实测数据研究区概况 | 第26-27页 |
| 2.2.2 实测数据介绍及其图像预处理 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 PolSAR数据结构及特征提取算法 | 第31-40页 |
| 3.1 PolSAR数据结构 | 第31-32页 |
| 3.2 极化特征提取方法 | 第32-39页 |
| 3.2.1 基于简单数学变换的极化特征提取 | 第33页 |
| 3.2.2 基于极化目标分解的极化特征提取 | 第33-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 农作物时变特征分析及分类方法的构建 | 第40-50页 |
| 4.1 基于H/α分解的全/双极化数据分析 | 第40-43页 |
| 4.1.1 基于全极化PolSAR数据的农作物H/α参数变化特性 | 第40-42页 |
| 4.1.2 基于双极化PolSAR数据的农作物H/α参数变化特性 | 第42-43页 |
| 4.2 基于时变特征的极化参数 | 第43-44页 |
| 4.3 所提参数的性能分析 | 第44-47页 |
| 4.4 基于时变特征的农作物分类方法 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 PolSAR数据的农作物分类结果与讨论 | 第50-69页 |
| 5.1 分类结果评估参数 | 第50-51页 |
| 5.2 仿真Sentinel-1 数据的分类结果 | 第51-58页 |
| 5.2.1 基于仿真全极化PolSAR数据的6 分类结果 | 第51-53页 |
| 5.2.2 基于仿真全极化PolSAR数据的4 分类结果 | 第53-55页 |
| 5.2.3 基于仿真双极化PolSAR数据的4 分类结果 | 第55-58页 |
| 5.3 实测Sentinel-1 数据的验证以及分类结果 | 第58-60页 |
| 5.3.1 实测数据所提参数的变化规律验证 | 第58页 |
| 5.3.2 实测Sentinel-1 数据的分类结果 | 第58-60页 |
| 5.4 基于卷积神经网络的农作物分类结果 | 第60-65页 |
| 5.4.1 CNN分类模型的构建 | 第61-62页 |
| 5.4.2 仿真Sentinel-1 数据的CNN分类结果 | 第62-64页 |
| 5.4.3 实测Sentinel-1 数据的CNN分类结果 | 第64-65页 |
| 5.5 分析与讨论 | 第65-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-72页 |
| 6.1 本论文主要结论 | 第69-70页 |
| 6.2 本论文主要创新点 | 第70页 |
| 6.3 存在的问题与展望 | 第70-72页 |
| 6.3.1 存在的问题 | 第70-71页 |
| 6.3.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 个人简历 | 第79页 |
