| 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13-16页 |
| 第一章 绪论 | 第16-30页 |
| 1.1 研究背景 | 第16页 |
| 1.2 研究现状 | 第16-17页 |
| 1.3 SAR图像分类方法和深层稀疏网络概述 | 第17-26页 |
| 1.3.1 SAR图像的特征提取方法 | 第17-22页 |
| 1.3.2 SAR图像的分类器设计 | 第22-26页 |
| 1.3.3 深度稀疏网络 | 第26页 |
| 1.4 研究内容与创新点 | 第26-28页 |
| 1.5 论文架构安排 | 第28-30页 |
| 第二章 基于分层稀疏自编码卷积神经网络的SAR图像分类 | 第30-44页 |
| 2.1 稀疏自编码网络模型原理 | 第30-31页 |
| 2.2 分层稀疏自编码卷积神经网络 | 第31-38页 |
| 2.2.1 训练块的抽取和归一化 | 第31-32页 |
| 2.2.2 ZCA白化 | 第32页 |
| 2.2.3 字典的构造 | 第32页 |
| 2.2.4 卷积网络 | 第32-33页 |
| 2.2.5 池化 | 第33页 |
| 2.2.6 算法描述 | 第33-38页 |
| 2.3 实验 | 第38-42页 |
| 2.3.1 实验数据 | 第38页 |
| 2.3.2 仿真实验 | 第38-42页 |
| 2.4 本章小结 | 第42-44页 |
| 第三章 基于分层稀疏滤波卷积神经网络的SAR图像分类 | 第44-54页 |
| 3.1 稀疏滤波模型原理 | 第44-45页 |
| 3.2 分层稀疏滤波卷积神经网络 | 第45-50页 |
| 3.2.1 稀疏滤波字典的构造 | 第45页 |
| 3.2.2 卷积网络 | 第45-46页 |
| 3.2.3 算法描述 | 第46-50页 |
| 3.3 实验 | 第50-53页 |
| 3.3.1 实验内容 | 第50页 |
| 3.3.2 实验结果与分析 | 第50-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于分层 3D稀疏滤波卷积神经网络的SAR图像分类 | 第54-64页 |
| 4.1 | 第54-55页 |
| 4.1.1 Tuncker分解 | 第54页 |
| 4.1.2 3D稀疏滤波算法 | 第54-55页 |
| 4.2 分层 3D稀疏滤波卷积神经网络 | 第55-60页 |
| 4.2.1 3D稀疏滤波字典的构造 | 第55页 |
| 4.2.2 卷积网络 | 第55-56页 |
| 4.2.3 算法描述 | 第56-60页 |
| 4.3 实验 | 第60-61页 |
| 4.3.1 仿真实验内容 | 第60页 |
| 4.3.2 实验结果与分析 | 第60-61页 |
| 4.4 本章小结 | 第61-64页 |
| 第五章 基于分层 3D稀疏滤波NIN网络的SAR图像分类 | 第64-74页 |
| 5.1 NIN网络模型 | 第64-65页 |
| 5.1.1 MLP卷积层原理 | 第64-65页 |
| 5.1.2 全局平均池化层 | 第65页 |
| 5.1.3 Network In Network结构 | 第65页 |
| 5.2 分层 3D稀疏滤波NIN网络算法描述 | 第65-70页 |
| 5.3 实验 | 第70-73页 |
| 5.3.1 仿真实验内容 | 第70-71页 |
| 5.3.2 实验结果与分析 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 本论文内容总结 | 第74-75页 |
| 6.2 工作展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-84页 |
