| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究目的及意义 | 第10-11页 |
| ·研究现状与发展趋势 | 第11-13页 |
| ·论文的研究任务 | 第13-14页 |
| ·论文的主要贡献 | 第14-16页 |
| 第二章 SAR 图像去噪预处理 | 第16-34页 |
| ·引言 | 第16-18页 |
| ·SAR 图像简介 | 第18-20页 |
| ·SAR 图像去噪的几种算法 | 第20-24页 |
| ·传统的去噪算法 | 第20-21页 |
| ·基于局域统计的自适应去噪算法 | 第21-22页 |
| ·SAR 图像的变换域去噪算法 | 第22-24页 |
| ·基于变换域的自适应缩减原理去噪算法 | 第24-30页 |
| ·非下采样Contourlet 变换 | 第24-26页 |
| ·小波域自适应缩减原理去噪算法 | 第26-27页 |
| ·改进的基于NSCT 域自适应缩减原理的去噪算法 | 第27-30页 |
| ·实验结果及分析 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 SAR 图像特征提取 | 第34-45页 |
| ·引言 | 第34-35页 |
| ·SAR 图像保边缘灰度特征提取 | 第35-36页 |
| ·SAR 图像纹理特征提取 | 第36-40页 |
| ·灰度共生矩阵 | 第37-39页 |
| ·SAR 图像纹理特征提取 | 第39-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-45页 |
| 第四章 基于聚类的SAR 图像分割算法研究 | 第45-60页 |
| ·引言 | 第45-47页 |
| ·模糊C 均值聚类 | 第47-51页 |
| ·模糊集的基本理论 | 第47-48页 |
| ·模糊C 均值聚类技术 | 第48-51页 |
| ·隶属度矩阵的定义 | 第48-49页 |
| ·模糊C 均值聚类中目标函数的定义 | 第49页 |
| ·聚类中心与隶属度矩阵的确定 | 第49-50页 |
| ·FCM 算法的基本步骤 | 第50-51页 |
| ·基于聚类算法的SAR 图像分割 | 第51-54页 |
| ·一种无监督自动聚类的SAR 图像分割算法 | 第51-52页 |
| ·基于NSCT 和FCM 聚类算法的SAR 图像分割 | 第52-54页 |
| ·实验结果与分析 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-63页 |
| 本文内容与总结 | 第60-62页 |
| 后续工作与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |