| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外的研究现状及分析 | 第10-16页 |
| 1.2.1 遥感图像目标信息提取的国内外研究现状 | 第11-13页 |
| 1.2.2 支持张量机的国内外研究现状 | 第13-15页 |
| 1.2.3 国内外文献综述 | 第15-16页 |
| 1.3 论文主要研究内容和结构安排 | 第16-18页 |
| 第2章 目标局部特征提取与特征张量模型表达 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 光学遥感图像空间局部特征提取方法 | 第18-25页 |
| 2.2.1 基于高斯差分的尺度不变特征变换 | 第19-21页 |
| 2.2.2 基于加速鲁棒的特征变换 | 第21-24页 |
| 2.2.3 SIFT特征与SURF特征的比较 | 第24-25页 |
| 2.3 光学遥感图像特征张量表达模型 | 第25-31页 |
| 2.3.1 目标特征张量表达模型 | 第26-28页 |
| 2.3.2 基于高斯差分的尺度不变特征的特征张量表达 | 第28-30页 |
| 2.3.3 基于加速鲁棒特性特征的特征张量表达 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 支持张量机模型的学习与训练 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 张量与张量代数运算 | 第32-35页 |
| 3.3 支持向量机的一般模型与学习算法 | 第35-39页 |
| 3.3.1 支持向量机的基本思想 | 第36页 |
| 3.3.2 支持向量机模型的分类算法 | 第36-39页 |
| 3.3.3 支持向量机模型的优势与缺点分析 | 第39页 |
| 3.4 支持张量机的一般模型与学习算法 | 第39-45页 |
| 3.4.1 支持张量机学习模型的一般形式 | 第39-40页 |
| 3.4.2 基于梯度下降的支持张量机学习算法 | 第40-45页 |
| 3.5 支持张量机的训练与算法验证 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于支持张量机的目标分级识别实验分析 | 第48-67页 |
| 4.1 引言 | 第48页 |
| 4.2 遥感图像目标分级识别的基本流程 | 第48-49页 |
| 4.3 遥感图像飞机目标的分级识别实验 | 第49-59页 |
| 4.3.1 目标基本情况介绍 | 第49-51页 |
| 4.3.2 基于支持张量机的遥感图像飞机目标识别实验研究 | 第51-55页 |
| 4.3.3 基于支持张量机的飞机目标部位识别实验研究 | 第55-57页 |
| 4.3.4 实验结果总结与分析 | 第57-59页 |
| 4.4 遥感图像舰船目标的分级识别实验 | 第59-66页 |
| 4.4.1 目标基本情况介绍 | 第59-60页 |
| 4.4.2 基于支持张量机的遥感图像舰船目标识别实验研究 | 第60-62页 |
| 4.4.3 基于支持张量机的舰船目标部位识别实验研究 | 第62-65页 |
| 4.4.4 实验结果总结与分析 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第73-75页 |
| 致谢 | 第75页 |
