基于特征分解的全极化SAR数据BP神经网络分类
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景和目的意义 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-14页 |
| ·论文的研究内容和组织结构 | 第14-16页 |
| ·论文的研究内容 | 第14-15页 |
| ·论文的结构安排 | 第15-16页 |
| 2 极化SAR的基本理论 | 第16-28页 |
| ·电磁波极化的表征 | 第16-20页 |
| ·极化椭圆 | 第16-18页 |
| ·Jones矢量表示法 | 第18页 |
| ·Stokes矢量表示法 | 第18-19页 |
| ·极化基变换 | 第19-20页 |
| ·SAR成像机理 | 第20-24页 |
| ·脉冲压缩技术原理 | 第21-22页 |
| ·合成孔径技术原理 | 第22-24页 |
| ·目标极化散射特性的表征 | 第24-26页 |
| ·极化散射矩阵 | 第24页 |
| ·Stokes矩阵 | 第24-25页 |
| ·极化协方差矩阵和相干矩阵 | 第25-26页 |
| ·典型地物的极化散射特性 | 第26-27页 |
| ·奇次散射 | 第26-27页 |
| ·偶次散射 | 第27页 |
| ·体散射 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 极化SAR特征分解 | 第28-37页 |
| ·基于目标散射矩阵的分解 | 第28-31页 |
| ·Pauli分解 | 第28-30页 |
| ·Krogager分解 | 第30-31页 |
| ·基于散射模型目标相关矩阵的分解 | 第31-33页 |
| ·基于目标相干矩阵特征值的分解 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 4 极化SAR图像的分类 | 第37-44页 |
| ·监督分类 | 第37页 |
| ·非监督分类 | 第37-38页 |
| ·基于BP神经网络的SAR图像分类 | 第38-43页 |
| ·BP神经网络的结构和算法 | 第38-40页 |
| ·BP神经网络结构设计 | 第40-42页 |
| ·BP神经网络的优势 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 5 全极化SAR数据分类实验 | 第44-58页 |
| ·实验数据 | 第44-45页 |
| ·实验一 | 第45-51页 |
| ·极化SAR数据预处理 | 第45-46页 |
| ·特征分解 | 第46-49页 |
| ·BP神经网络分类 | 第49页 |
| ·精度评价与实验结果分析 | 第49-51页 |
| ·实验二 | 第51-57页 |
| ·极化SAR数据预处理 | 第52页 |
| ·特征分解 | 第52-53页 |
| ·BP神经网络分类 | 第53-55页 |
| ·精度评价与实验结果分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| ·结论 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67页 |
